多运动目标的视频检测与统计
| 摘要 | 第1-5页 |
| Abstract | 第5-6页 |
| 目录 | 第6-8页 |
| 1 绪论 | 第8-12页 |
| ·选题背景 | 第8-9页 |
| ·课题的研究意义 | 第9-10页 |
| ·研究的主要内容和采用的方法 | 第10页 |
| ·论文的安排 | 第10-12页 |
| 2 集成机器学习算法 | 第12-20页 |
| ·典型机器学习算法 | 第12-14页 |
| ·决策树 | 第12-13页 |
| ·支持向量机 | 第13-14页 |
| ·集成学习 | 第14-20页 |
| ·集中学习算法 | 第15-17页 |
| ·弱分类器 | 第17-18页 |
| ·集成方法 | 第18-20页 |
| 3 AdaBoost算法 | 第20-33页 |
| ·算法简介 | 第20-22页 |
| ·算法分析 | 第22-26页 |
| ·训练分类器 | 第26-33页 |
| ·训练过程 | 第27-28页 |
| ·训练弱分类器 | 第28-31页 |
| ·训练强分类器 | 第31-33页 |
| 4 样本采集和特征的构建 | 第33-46页 |
| ·正负样本的采集 | 第33-36页 |
| ·采集行人样本 | 第33-34页 |
| ·采集骑车人样本 | 第34页 |
| ·采集车辆样本 | 第34-35页 |
| ·采集负样本 | 第35-36页 |
| ·矩形特征 | 第36-42页 |
| ·基本矩形特征原型 | 第37-40页 |
| ·计算矩形特征数量 | 第40页 |
| ·利用积分图快速计算特征值 | 第40-42页 |
| ·特征的构建 | 第42-46页 |
| ·骑车人特征的构建 | 第42-44页 |
| ·汽车特征的构建 | 第44-46页 |
| 5 多目标分类检测和实验结果 | 第46-55页 |
| ·检测方法 | 第46-49页 |
| ·现有的检测方法 | 第46-47页 |
| ·基于目标前景检测方法 | 第47-49页 |
| ·具体检测过程描述 | 第49-52页 |
| ·检测前参数的设定和预处理 | 第49-50页 |
| ·检测过程描述 | 第50-51页 |
| ·后处理 | 第51-52页 |
| ·实验结果与分析 | 第52-55页 |
| ·实验结果示例 | 第52-53页 |
| ·实验结果分析 | 第53-55页 |
| 6 总结与展望 | 第55-56页 |
| ·工作总结 | 第55页 |
| ·未来展望 | 第55-56页 |
| 参考文献 | 第56-59页 |
| 攻读学位期间发表的学术论文 | 第59-60页 |
| 致谢 | 第60-61页 |
| 辞职中请书 | 第61-62页 |
