| 摘要 | 第1-5页 |
| ABSTRACT | 第5-11页 |
| 第一章 绪论 | 第11-19页 |
| ·行人检测的背景与意义 | 第11-12页 |
| ·行人检测的研究现状和问题 | 第12-16页 |
| ·基于整体的行人检测方法 | 第13-14页 |
| ·基于部件的行人检测方法 | 第14-15页 |
| ·行人检测算法存在的难点 | 第15-16页 |
| ·本文主要研究内容及结构安排 | 第16-19页 |
| 第二章 基于梯度方向直方图特征的行人检测方法 | 第19-43页 |
| ·引言 | 第19页 |
| ·基本概念 | 第19-27页 |
| ·梯度方向直方图特征 | 第19-21页 |
| ·线性判别分析法 | 第21-22页 |
| ·基于查找表的Gentle AdaBoost 算法 | 第22-26页 |
| ·分类器级联 | 第26-27页 |
| ·方法概述与详细设计 | 第27-39页 |
| ·方法概述 | 第27-29页 |
| ·训练样本的选取 | 第29页 |
| ·梯度方向直方图特征的提取 | 第29-32页 |
| ·使用加权线性判别分析法进行特征投影 | 第32-33页 |
| ·退化二分的Gentle AdaBoost 算法 | 第33-35页 |
| ·各种方案的性能比较 | 第35-38页 |
| ·级联分类器各级门限值的选取 | 第38-39页 |
| ·实验结果与讨论 | 第39-42页 |
| ·本章总结 | 第42-43页 |
| 第三章 基于Dirichlet 过程的行人检测方法 | 第43-83页 |
| ·引言 | 第43-44页 |
| ·基本概念 | 第44-64页 |
| ·概率论中的指数族分布 | 第44-48页 |
| ·两个重要的指数族分布 | 第48-51页 |
| ·概率图模型简介 | 第51-54页 |
| ·有限指数族混合模型及其概率图模型表示 | 第54-56页 |
| ·Dirichlet 过程及其概率图模型表示 | 第56-60页 |
| ·概率图模型的学习与推断 | 第60-64页 |
| ·方法概述与详细设计 | 第64-79页 |
| ·方法概述 | 第64-66页 |
| ·特征提取与描述 | 第66-67页 |
| ·特征码书的生成方法 | 第67页 |
| ·行人部件的生成方法 | 第67-72页 |
| ·部件直方图生成与训练 | 第72-75页 |
| ·行人检测与定位 | 第75-77页 |
| ·通过部件直方图抑制误检 | 第77-79页 |
| ·实验结果与讨论 | 第79-80页 |
| ·本章总结 | 第80-83页 |
| 第四章 总结与展望 | 第83-87页 |
| ·论文总结 | 第83-84页 |
| ·未来工作展望 | 第84-87页 |
| 参考文献 | 第87-93页 |
| 致谢 | 第93-95页 |
| 攻读学位期间发表的学术论文和专利 | 第95页 |