行人检测技术研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第一章 绪论 | 第9-17页 |
| ·研究背景与意义 | 第9-10页 |
| ·行人检测系统状况 | 第10-12页 |
| ·行人检测系统国内现状 | 第10-11页 |
| ·行人检测系统国外现状 | 第11-12页 |
| ·行人检测相关技术研究状况 | 第12-14页 |
| ·基于区域的识别 | 第12页 |
| ·基于特征的识别 | 第12-13页 |
| ·人体表达方法 | 第13-14页 |
| ·本论文研究的主要内容 | 第14-15页 |
| ·文章的组织结构 | 第15-17页 |
| 第二章 基于梯度直方图的行人检测算法 | 第17-30页 |
| ·行人检测基本框架和思路 | 第17-19页 |
| ·梯度方向直方图（HOG）特征提取 | 第19-24页 |
| ·图像标准化与网格设置 | 第20页 |
| ·计算图像梯度 | 第20-23页 |
| ·统计单元内梯度方向直方图 | 第23页 |
| ·归一化块梯度方向直方图 | 第23-24页 |
| ·得到图像HOG 特征 | 第24页 |
| ·Adaboost 算法原理 | 第24-26页 |
| ·Boosting 算法原理 | 第25页 |
| ·Adaboost 算法描述 | 第25-26页 |
| ·级联Adaboost 行人检测 | 第26-29页 |
| ·多尺度的HOG 块 | 第26-27页 |
| ·级联分类器训练 | 第27-29页 |
| ·本章小结 | 第29-30页 |
| 第三章 级联分类器算法改进及分析 | 第30-39页 |
| ·支持向量机 | 第30-34页 |
| ·线性可分 | 第30-33页 |
| ·线性不可分 | 第33-34页 |
| ·多重支持向量机 | 第34-36页 |
| ·多重特征 | 第34-35页 |
| ·多重观察 | 第35-36页 |
| ·基于多重支持向量机的固定窗口行人识别 | 第36-38页 |
| ·本章小结 | 第38-39页 |
| 第四章 基于关系的物体行为上下文模型 | 第39-46页 |
| ·物体行为上下文关系模型算法 | 第39-41页 |
| ·物体和行为上下文关系模型 | 第41-44页 |
| ·物体和行为上下文关系模型结构 | 第41-42页 |
| ·上下文关联模型主要关系 | 第42-44页 |
| ·模型的训练 | 第44-45页 |
| ·本章小结 | 第45-46页 |
| 第五章 基于上下文关系的人体识别 | 第46-55页 |
| ·基础知识介绍 | 第46-49页 |
| ·SIFT 特征检测算法 | 第46-47页 |
| ·贝叶斯基础 | 第47-49页 |
| ·基于关系的人体识别和分析 | 第49-54页 |
| ·分级建立人体各部分关系 | 第50-52页 |
| ·人体关系的上下文模型 | 第52-54页 |
| ·本章小结 | 第54-55页 |
| 第六章 实验与性能对比 | 第55-68页 |
| ·梯度方向直方图系统实现与分析 | 第55-60页 |
| ·Opencv 库简介 | 第55页 |
| ·梯度方向直方图在智能监控系统中的实现与应用 | 第55-59页 |
| ·HOG 算法实验和分析 | 第59-60页 |
| ·级联分类器系统实现与分析 | 第60-62页 |
| ·级联分类器系统实现 | 第60页 |
| ·级联分类器实验分析 | 第60-62页 |
| ·基于关系模型的算法实验和结果 | 第62-64页 |
| ·算法性能对比与分析 | 第64-66页 |
| ·本章小结 | 第66-68页 |
| 第七章 总结与展望 | 第68-71页 |
| ·总结 | 第68-69页 |
| ·展望 | 第69-71页 |
| 致谢 | 第71-72页 |
| 参考文献 | 第72-75页 |
