图像/视频车辆检测若干问题的研究
| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 1 绪论 | 第10-15页 |
| ·研究背景及意义 | 第10-11页 |
| ·国内外研究现状 | 第11-13页 |
| ·本文研究内容 | 第13-14页 |
| ·本论文的组织结构 | 第14-15页 |
| 2 基于多尺度样本的训练样本集构建 | 第15-26页 |
| ·传统的样本集构建方法 | 第15-16页 |
| ·双线性插值 | 第15-16页 |
| ·多尺度样本集构建 | 第16-21页 |
| ·多尺度训练样本图的收集 | 第16-18页 |
| ·基于直方图均衡化的多尺度样本图增强 | 第18-20页 |
| ·基于多尺度样本集的分类器训练 | 第20-21页 |
| ·实验与分析 | 第21-25页 |
| ·样本数据 | 第21页 |
| ·结果与分析 | 第21-25页 |
| ·本章小结 | 第25-26页 |
| 3 基于MbSBP的特征提取 | 第26-35页 |
| ·引言 | 第26页 |
| ·LBP特征概述 | 第26-27页 |
| ·HOG特征概述 | 第27-29页 |
| ·MbSBP特征 | 第29-33页 |
| ·MbSBP特征表示方法 | 第29-31页 |
| ·MbSBP特征与LBP特征及HOG特征的比较 | 第31-33页 |
| ·本章小结 | 第33-35页 |
| 4 基于SC-AdaBoost的分类器训练模型 | 第35-46页 |
| ·引言 | 第35-36页 |
| ·支持向量分类器与支持向量 | 第36-38页 |
| ·SC-Adaboost算法描述 | 第38-41页 |
| ·基于SVM支持向量的训练样本集收缩 | 第38-39页 |
| ·基于收缩样本集的AdaBoost训练 | 第39-40页 |
| ·级联SC-AdaBoost分类器的训练 | 第40-41页 |
| ·实验与分析 | 第41-44页 |
| ·样本数据 | 第41-42页 |
| ·结果与分析 | 第42-44页 |
| ·时间复杂度分析 | 第44页 |
| ·本章小结 | 第44-46页 |
| 5 基于MbSBP特征的运动车辆检测 | 第46-51页 |
| ·引言 | 第46页 |
| ·背景建模 | 第46-48页 |
| ·混合高斯模型 | 第46-48页 |
| ·前景提取 | 第48-49页 |
| ·形态学去噪 | 第48-49页 |
| ·连通区域标记与前景过滤 | 第49页 |
| ·运动车辆检测及分割 | 第49-50页 |
| ·本章小结 | 第50-51页 |
| 6 总结与展望 | 第51-54页 |
| ·工作总结 | 第51-52页 |
| ·工作展望 | 第52-54页 |
| 参考文献 | 第54-58页 |
| 后记 | 第58-59页 |
| 攻读学位期间取得的科研成果清单 | 第59页 |
