| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 课题的背景及意义 | 第10-11页 |
| 1.2 国内外发展现状 | 第11-16页 |
| 1.3 本文研究内容与章节安排 | 第16-18页 |
| 1.3.1 研究内容 | 第16-17页 |
| 1.3.2 章节安排 | 第17-18页 |
| 第2章 相关技术 | 第18-26页 |
| 2.1 车辆检测常用网络介绍 | 第18-22页 |
| 2.1.1 RCNN | 第18-19页 |
| 2.1.2 Fast R-CNN | 第19页 |
| 2.1.3 Faster R-CNN | 第19-22页 |
| 2.2 数据集介绍 | 第22-23页 |
| 2.2.1 Cars数据集 | 第22页 |
| 2.2.2 CompCars数据集 | 第22-23页 |
| 2.3 卡尔曼滤波 | 第23-25页 |
| 2.4 本章小结 | 第25-26页 |
| 第3章 摄像头网络中车辆检测和识别方法的研究 | 第26-49页 |
| 3.1 基于Faster R-CNN的车辆检测算法 | 第26-29页 |
| 3.1.1 车辆检测模型训练 | 第27-28页 |
| 3.1.2 特征可视化 | 第28-29页 |
| 3.2 单摄像头下多车辆追踪方法研究 | 第29-40页 |
| 3.2.1 基于重叠面积率的多车辆追踪方法 | 第30-38页 |
| 3.2.2 车辆轨迹可视化 | 第38-40页 |
| 3.3 多摄像头下车辆再识别算法研究 | 第40-47页 |
| 3.3.1 多摄像头间时空关系的建立 | 第40-42页 |
| 3.3.2 基于GoogLeNet的车型检测 | 第42-43页 |
| 3.3.3 基于CNN特征的目标车辆匹配 | 第43-45页 |
| 3.3.4 车辆再识别算法实现 | 第45-47页 |
| 3.4 本章小结 | 第47-49页 |
| 第4章 车辆检测和识别算法的结果与分析 | 第49-59页 |
| 4.1 车辆检测结果与分析 | 第49-51页 |
| 4.2 单摄像头下多运动车辆追踪方法的结果与分析 | 第51-54页 |
| 4.3 多摄像头下车辆再识别结果与分析 | 第54-58页 |
| 4.4 本章小结 | 第58-59页 |
| 第5章 结论与展望 | 第59-61页 |
| 5.1 结论 | 第59-60页 |
| 5.2 展望 | 第60-61页 |
| 参考文献 | 第61-66页 |
| 攻读学位期间公开发表论文 | 第66-67页 |
| 致谢 | 第67-68页 |
| 作者简介 | 第68页 |