文摘
英文文摘
第一章 绪论
1.1 研究背景与意义
1.2 研究现状
1.2.1 传统的人体检测方法
1.2.2 基于统计学习的人体检测方法
1.3 研究难度
1.4 本论文的主要工作和创新点
1.5 论文结构
第二章 特征提取方法
2.1 Local Binary Pattern(LBP)特征
2.2 矩形特征
2.3 Scale Invariant Feature Transform(SIFT)特征
2.4 Histogram Oriented Gradient(HOG)特征
2.5 本章小结
第三章 分类器介绍
3.1 Adaboost分类器
3.2 Cascade(级联)分类器
3.3 支持向量机(SVM)
3.4 本章小结
第四章 基于角度分解和卷积模板的HOG特征计算方法
4.1 卷积模板的HOG特征
4.2 改进的基于角度分解和卷积模板的HOG特征
4.3 本章小结
第五章 共生HOG特征(Co-HOG)
5.1 共生HOG特征
5.2 改进的Co-HOG算法
5.3 本章小结
第六章 实验与数据分析
6.1 人体检测系统基本结构
6.2 分类器选择
6.3 训练过程
6.4 实验数据说明
6.5 实验结果与分析
6.6 本章小结
第七章 总结与展望
7.1 总结
7.2 展望
参考文献
发表论文和参加科研情况说明
致谢