| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第13-19页 |
| 1.1 研究背景及意义 | 第13-14页 |
| 1.2 课题研究现状 | 第14-17页 |
| 1.2.1 车载行人检测系统的研究现状 | 第14-15页 |
| 1.2.2 行人检测算法的研究现状 | 第15-17页 |
| 1.3 本文主要研究内容 | 第17页 |
| 1.4 论文结构安排 | 第17-19页 |
| 第二章 行人检测的基本理论与方法 | 第19-31页 |
| 2.1 常见的行人特征提取算法 | 第19-24页 |
| 2.1.1 Haar-like特征 | 第19-20页 |
| 2.1.2 HOG特征 | 第20-22页 |
| 2.1.3 LBP特征 | 第22-23页 |
| 2.1.4 CENTRIST特征 | 第23-24页 |
| 2.2 常用的分类识别算法 | 第24-29页 |
| 2.2.1 Adaboost分类算法 | 第24-25页 |
| 2.2.2 人工神经网络分类算法 | 第25-27页 |
| 2.2.3 SVM分类算法 | 第27-29页 |
| 2.3 分类器训练数据库 | 第29页 |
| 2.4 基于CENTRIST和SVM的行人检测算法 | 第29-30页 |
| 2.5 本章小结 | 第30-31页 |
| 第三章 车载行人检测系统的总体设计 | 第31-38页 |
| 3.1 系统开发相关知识 | 第31-35页 |
| 3.1.1 Zynq-7000SoC开发板结构介绍 | 第31-34页 |
| 3.1.2 OV7670摄像头简介 | 第34页 |
| 3.1.3 开发工具介绍 | 第34-35页 |
| 3.2 系统总体结构设计 | 第35-37页 |
| 3.2.1 系统硬件模块设计 | 第36-37页 |
| 3.2.2 系统软件模块设计 | 第37页 |
| 3.3 本章小结 | 第37-38页 |
| 第四章 车载行人检测系统设计与实现 | 第38-48页 |
| 4.1 系统硬件工程设计与实现 | 第38-45页 |
| 4.1.1 CMOS摄像头采集IP核 | 第38-39页 |
| 4.1.2 视频缓存通道 | 第39-41页 |
| 4.1.3 图像预处理硬件加速IP核 | 第41-44页 |
| 4.1.4 显示器显示 | 第44-45页 |
| 4.2 系统软件工程设计与实现 | 第45-47页 |
| 4.2.1 训练级联分类器 | 第45页 |
| 4.2.2 训练级联分类器 | 第45-46页 |
| 4.2.3 窗口融合 | 第46页 |
| 4.2.4 初始化程序 | 第46-47页 |
| 4.2.5 SD卡读写图像 | 第47页 |
| 4.3 本章小结 | 第47-48页 |
| 第五章 系统功能测试与结果分析 | 第48-55页 |
| 5.1 行人检测评价指标 | 第48页 |
| 5.2 硬件工程测试结果与分析 | 第48-52页 |
| 5.2.1 摄像头实时采集测试与分析 | 第49-50页 |
| 5.2.2 硬件加速IP核测试与分析 | 第50-52页 |
| 5.3 软件工程测试结果与分析 | 第52-54页 |
| 5.3.1 静态图片测试与分析 | 第52-53页 |
| 5.3.2 校园实景测试与分析 | 第53-54页 |
| 5.4 本章小结 | 第54-55页 |
| 总结和展望 | 第55-57页 |
| 参考文献 | 第57-61页 |
| 攻读硕士学位期间发表的论文 | 第61-63页 |
| 致谢 | 第63页 |