基于梯度方向直方图的快速人体检测算法
| 中文摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 第一章 绪论 | 第8-13页 |
| ·研究背景与意义 | 第8-9页 |
| ·国内外研究现状 | 第9-11页 |
| ·传统的人体检测技术 | 第10页 |
| ·基于统计学习的人体检测技术 | 第10-11页 |
| ·研究难点 | 第11-12页 |
| ·论文结构 | 第12-13页 |
| 第二章 传统的人体检测算法 | 第13-18页 |
| ·基于肤色的人体检测技术 | 第13-15页 |
| ·肤色检测 | 第13-14页 |
| ·人体检测 | 第14-15页 |
| ·基于图像分割的人体检测 | 第15-17页 |
| ·本章小结 | 第17-18页 |
| 第三章 特征提取与统计学习 | 第18-41页 |
| ·特征提取与选择 | 第18-28页 |
| ·Harr小波矩形特征 | 第18-22页 |
| ·可变模板特征 | 第22-23页 |
| ·SIFT特征 | 第23-27页 |
| ·HOG特征 | 第27-28页 |
| ·统计学习方法 | 第28-40页 |
| ·Adaboost学习算法 | 第28-31页 |
| ·级联分类器 | 第31-33页 |
| ·SVM学习方法 | 第33-40页 |
| ·本章小结 | 第40-41页 |
| 第四章 基于HOG特征的快速人体检测算法 | 第41-67页 |
| ·引言 | 第41-42页 |
| ·人体检测系统基本结构 | 第42-43页 |
| ·HOG特征提取 | 第43-51页 |
| ·矩形HOG结构 | 第45-46页 |
| ·归一化图像 | 第46页 |
| ·梯度的计算 | 第46页 |
| ·Block块内HOG | 第46-50页 |
| ·检测窗口内的HOG | 第50-51页 |
| ·分类器选择 | 第51页 |
| ·训练过程 | 第51-55页 |
| ·直立人体样本库 | 第51-53页 |
| ·俯视人体样本库 | 第53-54页 |
| ·训练流程 | 第54-55页 |
| ·检测过程 | 第55-62页 |
| ·快速检测算法 | 第55-60页 |
| ·GPU上的快速HOG计算 | 第60-62页 |
| ·结果分析 | 第62-66页 |
| ·本章小结 | 第66-67页 |
| 第五章 总结和展望 | 第67-69页 |
| ·总结 | 第67-68页 |
| ·展望 | 第68-69页 |
| 参考文献 | 第69-72页 |
| 致谢 | 第72页 |
