| 摘要 | 第1-7页 |
| ABSTRACT | 第7-11页 |
| 第一章 绪论 | 第11-18页 |
| ·研究背景及意义 | 第11-13页 |
| ·研究背景 | 第11-12页 |
| ·研究意义 | 第12-13页 |
| ·行人检测研究概况 | 第13-16页 |
| ·行人检测历史 | 第13页 |
| ·行人检测现状 | 第13-14页 |
| ·行人检测最新研究方向 | 第14-16页 |
| ·论文主要内容及章节安排 | 第16-18页 |
| 第二章 行人检测技术研究 | 第18-27页 |
| ·行人检测系统框架 | 第18-20页 |
| ·行人检测基本流程 | 第18-19页 |
| ·分类器训练流程 | 第19-20页 |
| ·滑动窗口技术 | 第20-21页 |
| ·公用数据集介绍 | 第21-22页 |
| ·INRIA数据库 | 第21-22页 |
| ·Daimler行人数据库 | 第22页 |
| ·行人检测研究难点 | 第22-26页 |
| ·行人自身带来的难点 | 第22-23页 |
| ·其它因素带来的影响 | 第23-26页 |
| ·本章小结 | 第26-27页 |
| 第三章 单一特征行人检测算法 | 第27-39页 |
| ·支持向量机 | 第27-28页 |
| ·决策树 | 第28-30页 |
| ·Adaboost分类器 | 第30-31页 |
| ·HOG特征 | 第31-34页 |
| ·HOG特点 | 第31-32页 |
| ·HOG提取步骤 | 第32-34页 |
| ·LBP特征 | 第34-35页 |
| ·HSV特征 | 第35-36页 |
| ·PHOG特征 | 第36-37页 |
| ·特征直方图 | 第37-38页 |
| ·本章小结 | 第38-39页 |
| 第四章 多特征融合的行人检测算法 | 第39-47页 |
| ·LBP与HSV特征 | 第39页 |
| ·HSV特征提取 | 第39-40页 |
| ·RGB与HSV的转换 | 第39-40页 |
| ·特征融合 | 第40-43页 |
| ·特征融合 | 第40-41页 |
| ·HSV和LBP特征融合 | 第41-42页 |
| ·特征融合框架 | 第42-43页 |
| ·实验结果及分析 | 第43-46页 |
| ·融合特征提取方法评估 | 第44页 |
| ·HSV-LBP特征性能对比实验 | 第44-46页 |
| ·本章小结 | 第46-47页 |
| 第五章 LBP特征与CHS特征融合的行人检测算法研究 | 第47-52页 |
| ·引言 | 第47-48页 |
| ·C1C2C3颜色空间 | 第48页 |
| ·特征融合 | 第48-50页 |
| ·颜色直方图相似性特征 | 第48-49页 |
| ·LBP-CHS特征 | 第49-50页 |
| ·实验与结果分析 | 第50-51页 |
| ·实验流程框架 | 第50页 |
| ·融合特征性能对比实验 | 第50-51页 |
| ·本章小结 | 第51-52页 |
| 第六章 结论 | 第52-54页 |
| 参考文献 | 第54-58页 |
| 致谢 | 第58-59页 |
| 攻读学位期间所发表的学术论文 | 第59页 |