视频图像中车辆检测的算法研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第一章 绪论 | 第8-14页 |
| 1.1 课题的研究背景及意义 | 第8页 |
| 1.2 国内外研究现状 | 第8-11页 |
| 1.3 当前存在的主要问题 | 第11-12页 |
| 1.4 本论文的研究内容和章节安排 | 第12-14页 |
| 第二章 静态车辆检测算法 | 第14-38页 |
| 2.1 引言 | 第14页 |
| 2.2 特征提取方法 | 第14-18页 |
| 2.2.1 灰度值特征 | 第14页 |
| 2.2.2 HOG 特征 | 第14-16页 |
| 2.2.3 C1 特征 | 第16-18页 |
| 2.3 特征降维方法 | 第18-21页 |
| 2.3.1 PCA 降维 | 第18-19页 |
| 2.3.2 LDA 降维 | 第19-21页 |
| 2.4 常用的分类器或回归方法 | 第21-30页 |
| 2.4.1 AdaBoost 分类器 | 第21-22页 |
| 2.4.2 SVM 分类器 | 第22-24页 |
| 2.4.3 PLS 回归 | 第24-26页 |
| 2.4.4 随机森林（RF）方法 | 第26-30页 |
| 2.5 静态车辆检测算法及实验结果与分析 | 第30-37页 |
| 2.5.1 静态车辆检测算法 | 第30-31页 |
| 2.5.2 实验坏境及实验数据 | 第31页 |
| 2.5.3 训练和测试分类器 | 第31-33页 |
| 2.5.4 静态车辆检测实验结果及分析 | 第33-37页 |
| 2.6 本章小结 | 第37-38页 |
| 第三章 动态车辆检测算法 | 第38-48页 |
| 3.1 引言 | 第38页 |
| 3.2 视频图像的预处理技术 | 第38-39页 |
| 3.2.1 均值滤波去噪算法 | 第38-39页 |
| 3.2.2 中值滤波去噪算法 | 第39页 |
| 3.3 运动目标检测算法 | 第39-44页 |
| 3.3.1 运动目标检测的基本方法 | 第40-41页 |
| 3.3.2 基于混合高斯背景模型的目标检测方法 | 第41-44页 |
| 3.4 动态车辆检测算法 | 第44-45页 |
| 3.4.1 动态车辆检测算法的基本步骤 | 第44页 |
| 3.4.2 选择静态车辆检测算法 | 第44-45页 |
| 3.5 实验结果和分析 | 第45-46页 |
| 3.6 本章小结 | 第46-48页 |
| 第四章 车辆检测系统设计 | 第48-56页 |
| 4.1 引言 | 第48页 |
| 4.2 自动车辆检测系统设计方案 | 第48-54页 |
| 4.2.1 车辆检测系统的组成部分 | 第48页 |
| 4.2.2 系统的仿真和实验 | 第48-54页 |
| 4.3 本章小结 | 第54-56页 |
| 第五章 结论 | 第56-58页 |
| 5.1 论文的工作总结 | 第56页 |
| 5.2 展望 | 第56-58页 |
| 参考文献 | 第58-62页 |
| 致谢 | 第62页 |
