| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 选题背景与研究意义 | 第10-11页 |
| 1.2 行人检测技术的研究现状 | 第11-13页 |
| 1.2.1 行人检测的三类特征描述子 | 第11-12页 |
| 1.2.2 行人检测中常用的分类器 | 第12-13页 |
| 1.3 行人检测技术面临的挑战 | 第13-14页 |
| 1.4 本论文主要研究内容 | 第14-16页 |
| 第2章 行人检测理论 | 第16-26页 |
| 2.1 行人检测技术框架 | 第16-17页 |
| 2.2 特征描述子 | 第17-20页 |
| 2.3 目标识别 | 第20-22页 |
| 2.4 行人检测常用数据库与评判标准 | 第22-25页 |
| 2.4.1 行人检测常用数据库 | 第22-23页 |
| 2.4.2 行人检测技术的评判标准 | 第23-25页 |
| 2.5 本章小结 | 第25-26页 |
| 第3章 基于塔式梯度直方图特征与熵特征的行人检测算法 | 第26-48页 |
| 3.1 引言 | 第26页 |
| 3.2 塔式梯度直方图特征与熵信息特征 | 第26-37页 |
| 3.2.1 梯度直方图特征 | 第26-30页 |
| 3.2.2 塔式梯度直方图特征 | 第30-36页 |
| 3.2.3 熵信息特征 | 第36-37页 |
| 3.3 实验仿真分析 | 第37-46页 |
| 3.3.1 基于梯度直方图特征的行人检测算法实验分析 | 第37-39页 |
| 3.3.2 基于塔式梯度直方图特征与熵特征的行人检测算法实验分析 | 第39-42页 |
| 3.3.3 影响检测效果的因素 | 第42-46页 |
| 3.4 本章小结 | 第46-48页 |
| 第4章 基于非线性核支持向量机的行人检测算法 | 第48-70页 |
| 4.1 引言 | 第48页 |
| 4.2 支持向量机算法 | 第48-54页 |
| 4.2.1 线性可分情况 | 第49-52页 |
| 4.2.2 线性不可分情况 | 第52-53页 |
| 4.2.3 核函数 | 第53-54页 |
| 4.3 基于交互核支持向量机的行人检测算法 | 第54-61页 |
| 4.3.1 非线性核函数 | 第54-55页 |
| 4.3.2 交互核函数 | 第55-58页 |
| 4.3.3 加法核函数 | 第58-60页 |
| 4.3.4 分类器训练方法 | 第60-61页 |
| 4.4 实验仿真分析 | 第61-68页 |
| 4.4.1 基于梯度直方图特征的行人检测算法实验分析 | 第61-64页 |
| 4.4.2 影响检测效果的因素 | 第64-68页 |
| 4.5 本章小结 | 第68-70页 |
| 第5章 总结与展望 | 第70-72页 |
| 5.1 工作总结 | 第70-71页 |
| 5.2 工作展望 | 第71-72页 |
| 参考文献 | 第72-78页 |
| 致谢 | 第78-80页 |
| 作者攻读硕士学位期间发表的论文 | 第80页 |
