| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第1章 绪论 | 第9-20页 |
| 1.1 课题背景及研究目的和意义 | 第9-12页 |
| 1.1.1 课题背景 | 第9-12页 |
| 1.1.2 课题研究目的和意义 | 第12页 |
| 1.2 国内外研究现状 | 第12-18页 |
| 1.2.1 国内外智能汽车视觉技术研究进展 | 第12-15页 |
| 1.2.2 基于单目视觉的车辆检测技术研究现状 | 第15-17页 |
| 1.2.3 基于视觉的车辆跟踪技术研究进展 | 第17-18页 |
| 1.3 课题的主要内容和章节安排 | 第18-20页 |
| 第2章 基于先验特征的车辆候选区域生成 | 第20-41页 |
| 2.1 引言 | 第20-22页 |
| 2.2 图像预处理 | 第22-24页 |
| 2.2.1 彩色图像灰度化 | 第22-23页 |
| 2.2.2 图像平滑去噪 | 第23-24页 |
| 2.3 车辆候选区域初步生成 | 第24-33页 |
| 2.3.1 阴影特征检测方法 | 第24-28页 |
| 2.3.2 阴影分割后预处理 | 第28-33页 |
| 2.4 车辆候选区域边界框定位 | 第33-39页 |
| 2.4.1 区域合并 | 第33-34页 |
| 2.4.2 对称性 | 第34-38页 |
| 2.4.3 边界框精确定位 | 第38-39页 |
| 2.5 本章小结 | 第39-41页 |
| 第3章 基于Ada Boost分类器的候选区域识别 | 第41-52页 |
| 3.1 引言 | 第41页 |
| 3.2 Boosting算法和AdaBoost分类器 | 第41-44页 |
| 3.3 弱分类器训练 | 第44-45页 |
| 3.4 分类器的特征提取 | 第45-51页 |
| 3.4.1 矩形特征 | 第45-47页 |
| 3.4.2 建立积分图 | 第47-48页 |
| 3.4.3 基于积分图的特征值计算 | 第48-49页 |
| 3.4.4 特征值统计分析 | 第49-51页 |
| 3.5 本章小结 | 第51-52页 |
| 第4章 基于压缩感知的快速压缩跟踪 | 第52-60页 |
| 4.1 引言 | 第52-53页 |
| 4.2 车辆外观模型构建 | 第53-54页 |
| 4.2.1 随机测量矩阵的建立 | 第53页 |
| 4.2.2 特征提取和压缩 | 第53-54页 |
| 4.3 车辆跟踪分类器构建 | 第54-56页 |
| 4.4 快速压缩跟踪 | 第56-59页 |
| 4.5 本章小结 | 第59-60页 |
| 第5章 实验与分析 | 第60-68页 |
| 5.1 引言 | 第60页 |
| 5.2 车辆阴影提取算法的比较 | 第60-62页 |
| 5.3 Ada Boost分类器实验分析 | 第62-64页 |
| 5.3.1 样本采集 | 第62-63页 |
| 5.3.2 Ada Boost分类器的性能实验 | 第63-64页 |
| 5.4 快速压缩跟踪算法实验 | 第64-67页 |
| 5.5 本章小结 | 第67-68页 |
| 结论 | 第68-69页 |
| 参考文献 | 第69-80页 |
| 致谢 | 第80页 |