| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-19页 |
| ·引言 | 第10-11页 |
| ·问题的提出 | 第11-13页 |
| ·国内外研究现状 | 第13-17页 |
| ·车辆主动安全系统现状 | 第13-15页 |
| ·人形识别技术研究现状 | 第15-17页 |
| ·本文研究工作 | 第17-19页 |
| ·本文工作介绍 | 第17页 |
| ·本文结构及内容安排 | 第17-19页 |
| 第2章 基于小波的特征提取 | 第19-25页 |
| ·特征表示方法 | 第19-21页 |
| ·颜色特征 | 第19-20页 |
| ·形状特征 | 第20-21页 |
| ·小波变换 | 第21-25页 |
| ·连续小波变换（CWT） | 第21-22页 |
| ·离散小波变换（DWT） | 第22-23页 |
| ·Haar 小波 | 第23页 |
| ·二维离散小波变换的分解 | 第23-25页 |
| 第3章 SVM 和 ADABOOST | 第25-39页 |
| ·机器学习方法引言 | 第25-26页 |
| ·支持向量机的相关知识 | 第26-29页 |
| ·支持向量机的提出 | 第26页 |
| ·统计学习理论 | 第26-29页 |
| ·支持向量机 | 第29-33页 |
| ·最优超平面 | 第29-31页 |
| ·核函数 | 第31页 |
| ·松弛变量与惩罚因子 | 第31-33页 |
| ·SVM 学习算法 | 第33页 |
| ·BOOSTING 方法 | 第33-34页 |
| ·ADABOOST 原理 | 第34-37页 |
| ·AdaBoost 算法 | 第35-36页 |
| ·AdaBoost 算法说明 | 第36-37页 |
| ·ADABOOSTSVM 算法 | 第37-39页 |
| 第4章 基于变σ‐ADABOOST 的人形识别算法 | 第39-50页 |
| ·HAAR 小波的特征提取 | 第40-42页 |
| ·训练与检测 | 第42-47页 |
| ·训练算法性能评估 | 第42-43页 |
| ·传统 SVM 训练算法分析 | 第43-45页 |
| ·变σ‐ADABOOST 算法可行性分析 | 第45-47页 |
| ·雷达定位辅助 | 第47-49页 |
| ·小节 | 第49-50页 |
| 第5章 基于变σ‐ADABOOST 人形识别算法实验验证系统 | 第50-55页 |
| ·实验内容 | 第51-53页 |
| ·训练样本的建立 | 第51页 |
| ·行人检测 | 第51-53页 |
| ·结果分析 | 第53-55页 |
| 第六章 结束语 | 第55-58页 |
| ·本文工作总结 | 第55-56页 |
| ·对未来工作的展望 | 第56-58页 |
| 参考文献 | 第58-61页 |
| 作者简介及在学期间所取得的科研成果 | 第61-62页 |
| 致谢 | 第62页 |