基于最大几何流向和快速鲁棒性特性的静态人体检测算法的研究
| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 绪论 | 第7-13页 |
| ·人体检测的应用前景 | 第7-8页 |
| ·人体检测的研究方法与现状 | 第8-10页 |
| ·人体检测的研究难点 | 第10页 |
| ·论文研究内容及章节安排 | 第10-13页 |
| 第二章 人体检测的相关技术 | 第13-27页 |
| ·基于统计学习的人体检测方法流程 | 第13页 |
| ·特征提取 | 第13-19页 |
| ·有向梯度直方图（HOG）特征 | 第14-15页 |
| ·尺度不变特征变换（SIFT）特征 | 第15-19页 |
| ·分类训练算法 | 第19-23页 |
| ·支持向量机（SVM）分类算法 | 第19-22页 |
| ·Adaboost 分类算法 | 第22-23页 |
| ·第二代 Bandelet 变换 | 第23-25页 |
| ·最佳几何流向的选择 | 第23-24页 |
| ·图像的四叉树分割 | 第24-25页 |
| ·本章小结 | 第25-27页 |
| 第三章 基于最大几何流向直方图的静态人体检测 | 第27-35页 |
| ·人体数据集 | 第27-28页 |
| ·最大几何流向直方图方法 | 第28-30页 |
| ·方法概述 | 第28-29页 |
| ·最大几何流向直方图人体检测算法流程 | 第29-30页 |
| ·实验仿真及结果 | 第30-34页 |
| ·最优 block 选择实验 | 第30-31页 |
| ·与 HOG 特征的对比实验 | 第31-32页 |
| ·人体检测的实验及结果 | 第32-34页 |
| ·本章小结 | 第34-35页 |
| 第四章 基于快速鲁棒性特性的静态人体检测 | 第35-45页 |
| ·基于局部信息的特征表示方法 | 第35-37页 |
| ·局部特征的特点 | 第35-36页 |
| ·快速鲁棒性特征（SURF） | 第36-37页 |
| ·词袋模型与匹配核 | 第37-39页 |
| ·Bag of words （词袋模型） | 第37-38页 |
| ·核函数匹配及表示 | 第38-39页 |
| ·基于快速鲁棒性特性的人体检测方法 | 第39-40页 |
| ·实验仿真及结果 | 第40-44页 |
| ·参数选择实验 | 第40-42页 |
| ·分类性能比较 | 第42页 |
| ·人体检测的实验及结果 | 第42-44页 |
| ·本章小结 | 第44-45页 |
| 第五章 基于正交非负矩阵分解的人体检测方法 | 第45-57页 |
| ·尺度不变特征(SIFT) | 第45-46页 |
| ·非负矩阵分解 | 第46-48页 |
| ·正交非负矩阵分解人体检测方法 | 第48-50页 |
| ·斯密特正交法（Gram-Schmidt） | 第48-49页 |
| ·DTPP | 第49页 |
| ·正交非负矩阵分解（ONMF-W） | 第49-50页 |
| ·实验及结果 | 第50-54页 |
| ·三种方法的分类结果 | 第50-51页 |
| ·CVC-02 数据库人体检测结果 | 第51-53页 |
| ·INRIA 数据库人体检测结果 | 第53-54页 |
| ·本章小结 | 第54-57页 |
| 第六章 结论与展望 | 第57-59页 |
| ·结论 | 第57-58页 |
| ·展望 | 第58-59页 |
| 致谢 | 第59-60页 |
| 参考文献 | 第60-65页 |
| 硕士期间成果 | 第65-66页 |
