扩展目标的稳定检测技术研究
| 致谢 | 第4-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 1 绪论 | 第12-20页 |
| 1.1 引言 | 第12页 |
| 1.2 研究目的及意义 | 第12-14页 |
| 1.3 目标检测研究现状及发展趋势 | 第14-17页 |
| 1.3.1 特征提取研究现状及发展趋势 | 第15-16页 |
| 1.3.2 目标检测研究现状和发展趋势 | 第16-17页 |
| 1.4 本文研究内容及结构安排 | 第17-20页 |
| 2 特征提取 | 第20-30页 |
| 2.1 引言 | 第20页 |
| 2.2 图像特征 | 第20-24页 |
| 2.2.1 Harr-like特征 | 第20-21页 |
| 2.2.2 LBP特征 | 第21页 |
| 2.2.3 SIFT特征 | 第21-23页 |
| 2.2.4 HOG特征 | 第23-24页 |
| 2.3 HOG特征提取 | 第24-27页 |
| 2.3.1 基本HOG特征提取 | 第24-25页 |
| 2.3.2 增强性HOG特征提取 | 第25-27页 |
| 2.4 PCA降维 | 第27-28页 |
| 2.4.1 PCA基本原理 | 第27-28页 |
| 2.4.2 实现步骤 | 第28页 |
| 2.5 本章总结 | 第28-30页 |
| 3 SVM目标检测算法 | 第30-38页 |
| 3.1 引言 | 第30页 |
| 3.2 SVM基本原理 | 第30-33页 |
| 3.2.1 线性支持向量机 | 第30-32页 |
| 3.2.2 非线性支持向量机 | 第32-33页 |
| 3.3 算法实现 | 第33-37页 |
| 3.3.1 训练过程 | 第33-34页 |
| 3.3.2 实验结果 | 第34-37页 |
| 3.4 本章小结 | 第37-38页 |
| 4 Latent-SVM目标检测算法 | 第38-52页 |
| 4.1 引言 | 第38页 |
| 4.2 部件模型 | 第38-40页 |
| 4.2.1 DPM基本模型 | 第38-40页 |
| 4.2.2 混合模型 | 第40页 |
| 4.3 混合模型训练 | 第40-44页 |
| 4.3.1 Latent-SVM原理 | 第40-42页 |
| 4.3.2 模型训练过程 | 第42-44页 |
| 4.4 检测过程 | 第44-47页 |
| 4.5 实验结果 | 第47-51页 |
| 4.6 本章小结 | 第51-52页 |
| 5 级联Latent-SVM目标检测算法 | 第52-58页 |
| 5.1 引言 | 第52页 |
| 5.2 级联检测 | 第52-55页 |
| 5.2.1 级联检测原理 | 第52页 |
| 5.2.2 部件级联模型及其检测流程 | 第52-55页 |
| 5.3 实验结果 | 第55-56页 |
| 5.4 本章小结 | 第56-58页 |
| 6 总结与展望 | 第58-60页 |
| 6.1 对本文工作的总结 | 第58-59页 |
| 6.2 对未来工作的展望 | 第59-60页 |
| 参考文献 | 第60-64页 |
| 作者简介及在学期间发表的学术论文与研究成果 | 第64页 |
