声明
摘要
第一章 绪论
1.1 研究的背景与意义
1.2 国内外研究动态
1.3 存在的问题与挑战
1.4 本文的研究内容
1.5 本文的组织结构
第二章 行人检测方法概述
2.1 行人检测方法框架
2.1.1 训练阶段
2.1.2 检测阶段
2.2 行人检测方法分类
2.2.1 基于背景建模的行人检测方法
2.2.2 基于统计学习的行人检测方法
2.3 现有的行人数据库
2.3.1 MIT行人数据库
2.3.2 INRIA行人数据库
2.3.3 TUD-Brussels数据库
2.3.4 ETH数据库
2.3.5 Caltech数据库
2.4 行人检测的评价标准
2.5 本章小缩
第三章 基于多特征融合的行人检测方法
3.1 引言
3.2 相关研究
3.2.1 偏最小二乘法
3.2.2 线性判别分析
3.2.3 对偶函数
3.3 方法描述
3.4 实验结果及分析
3.4.1 特征描述
3.4.2 特征权重可规化
3.4.3 特征降维
3.4.4 特征设置
3.4.5 行人检测性能对比
3.5 本章小结
第四章 基于加权稀疏偏最小二乘法的行人检测方法
4.1 引言
4.2 基于稀疏表示的特征选择方法
4.2.1 稀疏主成分分析
4.2.2 稀疏偏最小二乘法
4.3 方法描述
4.4 实验结果及分析
4.4.1 行人数据库
4.4.2 特征权重可视化
4.4.3 评价标准和参数设置
4.4.4 SPCA与WSPLS对比
4.4.5 行人检测性能对比
4.5 本章小结
第五章 基于局部多特征共生性的行人检测方法
5.1 引言
5.2 多特征共生性方法
5.2.1 非空间共生性方法
5.2.2 空间共生性方法
5.3 方法描述
5.3.1 特证二值化
5.3.2 二值化模式
5.3.3 训练增强决策树
5.3.4 特征选择
5.4 实验结果及分析
5.4.1 实验细节
5.4.2 参数设置
5.4.3 利用空间信息与未利用空间信息的LMFC方法对比
5.4.4 行人检测性能对比
5.5 本章小结
第六章 总结和展望
6.1 本文工作总结
6.2 未来研究方向
参考文献
攻读博士学位期间主要研究成果
攻读博士学位期间参与的科研项目
致谢
厦门大学;