| 摘要 | 第1-7页 |
| Abstract | 第7-13页 |
| 图目录 | 第13-15页 |
| 表目录 | 第15-16页 |
| 第一章 绪论 | 第16-24页 |
| ·研究背景和意义 | 第16-18页 |
| ·论文研究内容和主要工作 | 第18-21页 |
| ·论文章节安排 | 第21-22页 |
| 本章参考文献 | 第22-24页 |
| 第二章 国内外相关工作回顾 | 第24-49页 |
| ·图像特征 | 第24-35页 |
| ·基于颜色的特征 | 第24-25页 |
| ·差分滤波特征 | 第25页 |
| ·角点特征 | 第25-26页 |
| ·类Haar特征 | 第26-28页 |
| ·局部二值模式特征 | 第28-30页 |
| ·SIFT特征 | 第30-32页 |
| ·梯度方向直方图特征 | 第32-34页 |
| ·块大小可变的HOG特征 | 第34-35页 |
| ·分类器 | 第35-39页 |
| ·支持向量机 | 第35-38页 |
| ·Adaboost学习算法 | 第38-39页 |
| ·人体目标检测方法 | 第39-44页 |
| ·基于模板或轮廓的方法 | 第40页 |
| ·基于运动信息的方法 | 第40-41页 |
| ·基于滑动窗口的方法 | 第41-43页 |
| ·基于部件或者局部形状的方法 | 第43-44页 |
| ·本章小结 | 第44页 |
| 本章参考文献 | 第44-49页 |
| 第三章 基于级联快速交叉核支持向量机的人体目标检测算法 | 第49-69页 |
| ·引言 | 第49-50页 |
| ·特征提取 | 第50-52页 |
| ·简化的局部二值模式特征 | 第50页 |
| ·块大小可变的可积分HOG-SLBP特征 | 第50-52页 |
| ·特征提取加速 | 第52-56页 |
| ·积分图像 | 第52-54页 |
| ·基于积分直方图的HOG-SLBP特征提取加速 | 第54-55页 |
| ·快速三维线性插值 | 第55-56页 |
| ·级联FIK-SVM分类器 | 第56-61页 |
| ·快速交叉核支持向量机 | 第57-59页 |
| ·分类器的级联形式 | 第59页 |
| ·级联FIK-SVM弱分类器 | 第59-61页 |
| ·实验结果与分析 | 第61-66页 |
| ·训练与测试数据 | 第63页 |
| ·性能评价指标 | 第63-64页 |
| ·简化LBP特征的评估 | 第64页 |
| ·与经典算法的性能比较 | 第64-66页 |
| ·本章小结 | 第66-67页 |
| 本章参考文献 | 第67-69页 |
| 第四章 基于多阶可积分特征和多姿态学习增强的实时人体目标检测算法 | 第69-88页 |
| ·引言 | 第69-71页 |
| ·多阶可积分特征池 | 第71-73页 |
| ·基于多姿态学习增强的级联分类器 | 第73-75页 |
| ·多姿态学习增强 | 第73-74页 |
| ·基于多姿态学习增强的级联分类器 | 第74-75页 |
| ·图像金字塔提取加速 | 第75-77页 |
| ·实验结果与分析 | 第77-85页 |
| ·训练与测试数据 | 第78-79页 |
| ·性能评价指标 | 第79页 |
| ·金字塔加速方法评估 | 第79-80页 |
| ·不同特征的贡献 | 第80-82页 |
| ·多姿态学习增强方法评估 | 第82-83页 |
| ·与经典算法的性能比较 | 第83-85页 |
| ·本章小结 | 第85-86页 |
| 本章参考文献 | 第86-88页 |
| 第五章 基于超像素聚类和场景特征池的人体目标检测 | 第88-110页 |
| ·引言 | 第88-90页 |
| ·基于上下文的目标检测相关工作 | 第90-93页 |
| ·基于局部上下文的目标检测 | 第90-91页 |
| ·基于目标上下文的目标检测 | 第91-92页 |
| ·基于场景上下文的目标检测 | 第92-93页 |
| ·方法概述 | 第93-94页 |
| ·场景信息提取 | 第94-98页 |
| ·超像素特征提取 | 第95-96页 |
| ·超像素聚类算法 | 第96-98页 |
| ·分割区域标记 | 第98页 |
| ·检测过程 | 第98-101页 |
| ·局部特征提取 | 第98-99页 |
| ·场景特征提取 | 第99-100页 |
| ·级联分类器训练 | 第100-101页 |
| ·实验结果与分析 | 第101-104页 |
| ·训练与测试数据 | 第101页 |
| ·性能评价指标 | 第101页 |
| ·与经典算法的性能比较 | 第101-103页 |
| ·与包含场景信息的检测方法的性能比较 | 第103-104页 |
| ·本章小结 | 第104-105页 |
| 本章参考文献 | 第105-110页 |
| 第六章 总结与展望 | 第110-113页 |
| ·论文总结 | 第110-111页 |
| ·进一步工作 | 第111-113页 |
| 攻读博士学位期间发表论文 | 第113-114页 |
| 参加的科研项目 | 第114-115页 |
| 致谢 | 第115页 |