| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-17页 |
| ·研究的背景和意义 | 第10-11页 |
| ·国内外研究现状及分析 | 第11-15页 |
| ·传统人体检测方法 | 第11-12页 |
| ·基于统计学习的方法 | 第12-15页 |
| ·总结 | 第15页 |
| ·论文主要工作 | 第15-16页 |
| ·论文的组织及内容安排 | 第16-17页 |
| 第2章 传统基于分类的人体检测框架 | 第17-25页 |
| ·基于分类的人体检测框架概述 | 第17-18页 |
| ·特征提取 | 第18-20页 |
| ·分类方法 | 第20-24页 |
| ·BP 神经网络分类器 | 第21-22页 |
| ·Adaboost 分类器 | 第22-24页 |
| ·SVM 分类器 | 第24页 |
| ·本章小结 | 第24-25页 |
| 第3章 基于 SVM 的结构输出算法 | 第25-39页 |
| ·SVM 的基础知识 | 第25-27页 |
| ·经验风险最小化原则 | 第25-26页 |
| ·结构风险最小化原则 | 第26-27页 |
| ·SVM 原理 | 第27-30页 |
| ·结构输出 SVM | 第30-34页 |
| ·多输出支持向量回归 | 第30-32页 |
| ·SVM-struct 算法 | 第32-34页 |
| ·SOAR 算法 | 第34-38页 |
| ·本章小结 | 第38-39页 |
| 第4章 基于结构输出回归的人体检测系统的设计与实现 | 第39-57页 |
| ·整体思想 | 第39-41页 |
| ·训练过程 | 第41-49页 |
| ·准备工作 | 第41-42页 |
| ·训练信息提取模块 | 第42-43页 |
| ·训练集特征向量的提取方法 | 第43-47页 |
| ·训练模块 | 第47-49页 |
| ·检测过程 | 第49-52页 |
| ·测试集图像 | 第49-50页 |
| ·检测模块 | 第50-52页 |
| ·实验结果及分析 | 第52-56页 |
| ·本章小结 | 第56-57页 |
| 结论 | 第57-58页 |
| 参考文献 | 第58-62页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第62-63页 |
| 致谢 | 第63页 |