多特征融合的行人检测算法研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-15页 |
| 1.1 课题研究背景及意义 | 第10-12页 |
| 1.2 行人检测面临的问题 | 第12页 |
| 1.3 国内外研究现状 | 第12-14页 |
| 1.4 本文研究内容与结构安排 | 第14-15页 |
| 第2章 人体特征研究 | 第15-26页 |
| 2.1 基于统计学习的特征 | 第15-20页 |
| 2.1.1 HOG特征 | 第15-19页 |
| 2.1.2 Haar-Like特征 | 第19-20页 |
| 2.2 肤色特征 | 第20-23页 |
| 2.2.1 色彩空间 | 第20-22页 |
| 2.2.2 肤色模型 | 第22-23页 |
| 2.3 发色特征 | 第23-24页 |
| 2.4 曲率特征 | 第24-25页 |
| 2.4.1 曲率值计算 | 第24页 |
| 2.4.2 曲率建模 | 第24-25页 |
| 2.5 本章小结 | 第25-26页 |
| 第3章 基于HOG的行人检测算法 | 第26-42页 |
| 3.1 行人检测典型系统 | 第26页 |
| 3.2 分类算法 | 第26-30页 |
| 3.2.1 分类算法简介 | 第26-27页 |
| 3.2.2 SVM分类算法 | 第27-29页 |
| 3.2.3 训练分类模板 | 第29-30页 |
| 3.3 HOG特征的改进 | 第30-32页 |
| 3.4 弹性模型与金字塔图层 | 第32-34页 |
| 3.4.1 弹性模型 | 第32-33页 |
| 3.4.2 金字塔结构 | 第33-34页 |
| 3.5 基于改进HOG的行人检测算法 | 第34-37页 |
| 3.5.1 HOG算法训练部分 | 第35-36页 |
| 3.5.2 HOG算法检测部分 | 第36-37页 |
| 3.6 局部与整体模板弹性模型算法 | 第37-41页 |
| 3.6.1 训练部分 | 第38-39页 |
| 3.6.2 检测部分 | 第39-41页 |
| 3.7 本章小结 | 第41-42页 |
| 第4章 局部二次加权与多特征融合的行人检测算法 | 第42-53页 |
| 4.1 特征提取与融合方式 | 第42-45页 |
| 4.1.1 特征提取 | 第42-43页 |
| 4.1.2 特征融合方式 | 第43-45页 |
| 4.2 算法步骤与分析 | 第45-52页 |
| 4.2.1 训练部分 | 第46-47页 |
| 4.2.2 第一级检测部分 | 第47-50页 |
| 4.2.3 第二级检测部分 | 第50-52页 |
| 4.3 本章小结 | 第52-53页 |
| 第5章 仿真与性能分析 | 第53-63页 |
| 5.1 实验平台与参数设置 | 第53-54页 |
| 5.2 特征仿真 | 第54-56页 |
| 5.3 实验仿真与对比 | 第56-61页 |
| 5.4 算法复杂度分析 | 第61-62页 |
| 5.5 本章小结 | 第62-63页 |
| 总结与展望 | 第63-65页 |
| 1.论文总结 | 第63-64页 |
| 2.展望 | 第64-65页 |
| 参考文献 | 第65-68页 |
| 致谢 | 第68-69页 |
| 附录A 攻读学位期间所发表的学术论文目录 | 第69-70页 |
| 附录B 部分程序源代码 | 第70-71页 |
