| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第一章 绪论 | 第9-19页 |
| 1.1 研究工作的背景与意义 | 第9-10页 |
| 1.2 国内外研究动态 | 第10-16页 |
| 1.2.1 单目视觉车辆检测技术研究现状 | 第11-14页 |
| 1.2.2 车型识别研究现状 | 第14-15页 |
| 1.2.3 深度学习研究现状 | 第15-16页 |
| 1.3 本文的主要内容和结构安排 | 第16-19页 |
| 1.3.1 本文的主要研究内容 | 第16-17页 |
| 1.3.2 本文的结构安排 | 第17-19页 |
| 第二章 卷积网络多尺度前视深度成像定位模型 | 第19-38页 |
| 2.1 车载摄像机成像及逆透视映射模型 | 第19-25页 |
| 2.1.1 车载摄像机成像模型 | 第19-20页 |
| 2.1.2 坐标系定义 | 第20-22页 |
| 2.1.3 逆透视映射模型及其应用 | 第22-25页 |
| 2.2 深度卷积网络多尺度成像模型分析 | 第25-29页 |
| 2.2.1 卷积神经网络原理 | 第25-27页 |
| 2.2.2 多尺度成像模型仿真分析 | 第27-29页 |
| 2.3 卷积网络多尺度前视深度成像定位模型 | 第29-32页 |
| 2.3.1 基于空域前视成像模型的目标定位精度分析 | 第29-31页 |
| 2.3.2 多尺度前视深度成像定位建模 | 第31-32页 |
| 2.4 仿真实验 | 第32-37页 |
| 2.4.1 车载摄像机参数标定实验 | 第32-34页 |
| 2.4.2 前视成像定位模型性能验证 | 第34-37页 |
| 2.5 本章小结 | 第37-38页 |
| 第三章 前视变尺度车辆检测前定位算法 | 第38-53页 |
| 3.1 嵌入式空域卷积多尺度联合检测方法 | 第38-42页 |
| 3.1.1 SSD网络概述 | 第38-41页 |
| 3.1.2 嵌入式空域卷积多尺度联合检测架构 | 第41-42页 |
| 3.2 前视变尺度车辆检测前定位算法 | 第42-44页 |
| 3.2.1 算法基本原理 | 第42-44页 |
| 3.2.2 算法实现 | 第44页 |
| 3.3 仿真实验 | 第44-52页 |
| 3.3.1 数据集 | 第44-45页 |
| 3.3.2 实验准备 | 第45-48页 |
| 3.3.3 算法性能分析与验证 | 第48-50页 |
| 3.3.4 道路视频实测 | 第50-52页 |
| 3.4 本章小结 | 第52-53页 |
| 第四章 基于迁移学习的典型车型辨识算法 | 第53-64页 |
| 4.1 常见车型识别方法 | 第53-55页 |
| 4.1.1 基于特征的车型识别方法 | 第54-55页 |
| 4.1.2 基于模版的车型识别方法 | 第55页 |
| 4.2 基于迁移学习的典型车型辨识算法 | 第55-61页 |
| 4.2.1 迁移学习概述 | 第55-56页 |
| 4.2.2 典型车型结构化参数化建库 | 第56-58页 |
| 4.2.3 车型辨识网络训练与分析 | 第58-60页 |
| 4.2.4 辨识网络动态学习 | 第60-61页 |
| 4.3 仿真实验 | 第61-63页 |
| 4.3.1 辨识网络动态学习策略性能分析与验证 | 第61-62页 |
| 4.3.2 车型辨识算法精度对比分析与验证 | 第62-63页 |
| 4.4 本章小结 | 第63-64页 |
| 第五章 结论与展望 | 第64-66页 |
| 5.1 全文总结 | 第64-65页 |
| 5.2 工作展望 | 第65-66页 |
| 致谢 | 第66-67页 |
| 参考文献 | 第67-72页 |
| 攻硕期间取得的研究成果 | 第72页 |