| 致谢 | 第7-8页 |
| 摘要 | 第8-9页 |
| ABSTRACT | 第9-10页 |
| 第一章 绪论 | 第15-21页 |
| 1.1 课题研究目的及意义 | 第15-16页 |
| 1.2 国内外研究现状 | 第16-19页 |
| 1.2.1 国外研究现状 | 第16-18页 |
| 1.2.2 国内研究现状 | 第18-19页 |
| 1.3 本文主要工作及结构安排 | 第19-21页 |
| 第二章 前方车辆检测与跟踪算法概述 | 第21-28页 |
| 2.1 引言 | 第21页 |
| 2.2 前方车辆检测算法概述 | 第21-23页 |
| 2.2.1 基于特征的方法 | 第21-22页 |
| 2.2.2 基于运动的方法 | 第22页 |
| 2.2.3 基于模型的方法 | 第22-23页 |
| 2.2.4 基于机器学习的方法 | 第23页 |
| 2.3 前方车辆跟踪算法概述 | 第23-26页 |
| 2.3.1 车辆跟踪的基本类型 | 第23-25页 |
| 2.3.2 车辆跟踪的主要方法 | 第25-26页 |
| 2.4 本章小结 | 第26-28页 |
| 第三章 前方车辆检测算法 | 第28-44页 |
| 3.1 引言 | 第28页 |
| 3.2 AdaBoost算法理论 | 第28-30页 |
| 3.3 基于Gentle AdaBoost的车辆分类器的训练 | 第30-36页 |
| 3.3.1 车辆特征的提取 | 第30-33页 |
| 3.3.2 构建弱分类器 | 第33-34页 |
| 3.3.3 构建强分类器 | 第34页 |
| 3.3.4 生成级联分类器 | 第34-36页 |
| 3.4 前方车辆检测过程 | 第36-39页 |
| 3.4.1 多尺度机制 | 第36-37页 |
| 3.4.2 检测过程 | 第37-38页 |
| 3.4.3 后续处理 | 第38-39页 |
| 3.5 前方车辆检测算法流程 | 第39-40页 |
| 3.6 实验结果与分析 | 第40-43页 |
| 3.7 本章小结 | 第43-44页 |
| 第四章 前方车辆跟踪算法 | 第44-62页 |
| 4.1 引言 | 第44-45页 |
| 4.2 TLD跟踪算法及存在的问题 | 第45-51页 |
| 4.2.1 TLD算法框架 | 第45页 |
| 4.2.2 跟踪模块 | 第45-47页 |
| 4.2.3 检测模块 | 第47-49页 |
| 4.2.4 学习模块 | 第49-50页 |
| 4.2.5 存在的问题 | 第50-51页 |
| 4.3 改进算法 | 第51-55页 |
| 4.3.1 TLD跟踪模块的改进 | 第51-53页 |
| 4.3.2 TLD检测模块的改进 | 第53-55页 |
| 4.4 基于改进TLD的前方车辆跟踪 | 第55-57页 |
| 4.5 实验结果与分析 | 第57-61页 |
| 4.5.1 跟踪精度 | 第57-60页 |
| 4.5.2 运算速度 | 第60-61页 |
| 4.6 本章小结 | 第61-62页 |
| 第五章 总结与展望 | 第62-64页 |
| 5.1 总结 | 第62-63页 |
| 5.2 展望 | 第63-64页 |
| 参考文献 | 第64-69页 |
| 攻读硕士学位期间的学术活动及成果情况 | 第69-70页 |