基于HRPOG-CSLBP特征和RMN卷积神经网络的行人检测研究

目录

声明

第1章 绪论

1.1 研究背景和意义

1.2 国内外研究现状

1.2.1 基于传统特征的行人检测

1.2.2 基于深度学习的行人检测

1.2.3 目标检测方法最新进展

1.2.4 行人检测现存的问题

1.3 研究目标和章节安排

第2章 行人检测技术概述

2.1 基于传统图像特征的方法

2.1.1 HOG特征

2.1.2 LBP特征

2.1.3 DPM方法

2.2 基于深度学习的方法

2.2.1 Faster-RCNN方法

2.2.2 YOLO方法

2.3 本章小结

第3章 HRPOG-CSLBP融合特征构建

3.1 改进HOG特征——HRPOG特征

3.2 改进LBP特征——CSLBP特征

3.3 HRPOG-CSLBP融合特征

3.4. HRPOG-CSLBP融合特征效果验证

3.5本章小结

第4章 基于新型RMN网络的行人检测

4.1 新型神经网络构建思路

4.2 神经网络结构分析

4.2.1 Alex-net

4.2.2 VGG-net

4.2.3 Google-net

4.3 改进神经网络结构分析

4.3.1 Res-net网络模型

4.3.2 Mobile-net网络模型

4.3.3 RMN网络模型

4.4 RMN网络模型效果验证

4.5 本章小结

第5章 实验与结果分析

5.1.1 实验环境

5.1.2 模型评价方法

5.1.3 数据集选取

5.1.4 训练样本优化

5.2 性能分析

5.2.1 算法对比实验

5.2.2 平台行人检测效果验证

5.3 本章小结

第6章 总结与展望

6.1 本文工作总结

6.2 研究展望

参考文献

攻读学位期间取得的研究成果

致谢