| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第一章 绪论 | 第10-20页 |
| ·研究背景及意义 | 第10-12页 |
| ·国内外研究现状 | 第12-16页 |
| ·车辆识别 | 第13-15页 |
| ·粘连车辆分割 | 第15-16页 |
| ·课题研究的主要内容和技术路线 | 第16-20页 |
| ·研究的主要内容 | 第16-17页 |
| ·研究的技术路线 | 第17-19页 |
| ·章节安排 | 第19-20页 |
| 第二章 Haar-like 特征和积分图像的介绍 | 第20-28页 |
| ·概述 | 第20页 |
| ·Haar-like 矩形特征 | 第20-25页 |
| ·Haar-like 矩形特征的来源 | 第20-21页 |
| ·矩形特征介绍 | 第21-22页 |
| ·本文所用特征以及特征的表示 | 第22-23页 |
| ·检测窗口内特征的数量 | 第23-25页 |
| ·积分图像 | 第25-27页 |
| ·积分图像介绍 | 第25-26页 |
| ·矩形特征的特征值计算 | 第26-27页 |
| ·本章小结 | 第27-28页 |
| 第三章 基于改进 AdaBoost 算法的车辆识别 | 第28-44页 |
| ·引言 | 第28页 |
| ·AdaBoost 介绍 | 第28-30页 |
| ·弱分类器的训练过程 | 第30-32页 |
| ·最佳弱分类器阈值的确定 | 第30-32页 |
| ·加权错误率的计算 | 第32页 |
| ·本文采用的弱分类器训练算法 | 第32-40页 |
| ·马氏距离 | 第33-35页 |
| ·最佳弱分类器的阈值和偏置的确定 | 第35-37页 |
| ·权重更新 | 第37-38页 |
| ·本文训练方法分析 | 第38-40页 |
| ·强分类器的构造方法 | 第40页 |
| ·结果分析 | 第40-43页 |
| ·弱分类器的训练时间比较 | 第40-41页 |
| ·本文改进算法在车辆识别上的应用 | 第41-43页 |
| ·本章总结 | 第43-44页 |
| 第四章 粘连车辆的分割 | 第44-56页 |
| ·引言 | 第44-45页 |
| ·车辆粘连的判断 | 第45-46页 |
| ·粘连分割方法的提出 | 第46-53页 |
| ·分割点的确定 | 第48-49页 |
| ·分割线的选择 | 第49-51页 |
| ·分割线的生成--Bresenhams 算法求分离线 | 第51-53页 |
| ·实验结果 | 第53-55页 |
| ·参数设置 | 第53页 |
| ·实验结果 | 第53-55页 |
| ·本章小结 | 第55-56页 |
| 结论与展望 | 第56-58页 |
| 1 结论 | 第56页 |
| 2 展望 | 第56-58页 |
| 参考文献 | 第58-63页 |
| 攻读硕士学位期间取得的研究成果 | 第63-64页 |
| 致谢 | 第64-65页 |
| 附件 | 第65页 |