夜间车辆检测与跟踪
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-14页 |
| 1.1 课题背景 | 第10-11页 |
| 1.2 本文工作 | 第11-12页 |
| 1.3 本文主要结构 | 第12页 |
| 1.4 本章小结 | 第12-14页 |
| 第二章 夜间车辆检测的研究现状 | 第14-23页 |
| 2.1 常见的夜间车辆检测算法 | 第14-19页 |
| 2.1.1 基于前车灯的方法 | 第14-15页 |
| 2.1.2 基于尾灯的方法 | 第15-17页 |
| 2.1.3 基于机器学习的检测方法 | 第17页 |
| 2.1.4 基于运动信息的车辆检测方法 | 第17-18页 |
| 2.1.5 基于模型的检测方法 | 第18-19页 |
| 2.2 夜间场景车灯匹配方法 | 第19-20页 |
| 2.2.1 基于几何约束的匹配方法 | 第19页 |
| 2.2.2 基于车灯间相似度的匹配 | 第19-20页 |
| 2.2.3 其他车灯的匹配方法 | 第20页 |
| 2.3 常见的夜间车辆跟踪方法 | 第20-21页 |
| 2.3.1 基于先验知识的跟踪方法 | 第21页 |
| 2.3.2 不基于先验知识的跟踪方法 | 第21页 |
| 2.4 本章小结 | 第21-23页 |
| 第三章 基于不同分类方法的夜间车辆检测 | 第23-38页 |
| 3.1 研究背景 | 第23页 |
| 3.2 研究问题说明 | 第23-24页 |
| 3.3 感兴趣区域提取 | 第24-25页 |
| 3.4 特征提取 | 第25-32页 |
| 3.4.1 夜间车灯与反射光梯度分布特征 | 第25-27页 |
| 3.4.2 车灯和反射光的反射图 | 第27-29页 |
| 3.4.3 车灯和反射光的灰度特征 | 第29-30页 |
| 3.4.4 车灯和反射光的统计特征 | 第30-32页 |
| 3.5 基于机器学习的分类方法 | 第32-34页 |
| 3.5.1 马氏距离判别法 | 第32-33页 |
| 3.5.2 K近邻法 | 第33页 |
| 3.5.3 贝叶斯分类法 | 第33-34页 |
| 3.6 反射光检测与消除处理 | 第34-35页 |
| 3.7 实验结果对比 | 第35页 |
| 3.8 夜间车灯检测结果 | 第35-37页 |
| 3.9 本章小结 | 第37-38页 |
| 第四章 夜间车辆检测性能优化 | 第38-49页 |
| 4.1 研究背景 | 第38页 |
| 4.2 研究问题说明 | 第38-39页 |
| 4.3 方差特征提取 | 第39-41页 |
| 4.4 车灯和反射光的统计特征 | 第41-43页 |
| 4.5 基于决策树学习的分类方法 | 第43-45页 |
| 4.6 反射光检测与消除处理 | 第45-46页 |
| 4.7 实验结果 | 第46-48页 |
| 4.8 本章小结 | 第48-49页 |
| 第五章 夜间车辆跟踪 | 第49-56页 |
| 5.1 基于邻域的车灯跟踪 | 第50-51页 |
| 5.2 车灯跟踪状态 | 第51-52页 |
| 5.3 夜间车灯跟踪结果分析 | 第52-54页 |
| 5.4 本章小结 | 第54-56页 |
| 第六章 总结与展望 | 第56-58页 |
| 6.1 论文总结 | 第56-57页 |
| 6.2 论文展望 | 第57-58页 |
| 致谢 | 第58-59页 |
| 参考文献 | 第59-63页 |
| 详细摘要 | 第63-65页 |
