交通场景图像中车辆检测和分类研究
| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7页 |
| 1 绪论 | 第10-15页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.3 论文的基本思想 | 第13页 |
| 1.4 论文的组织结构 | 第13-15页 |
| 2 车辆检测方法研究 | 第15-27页 |
| 2.1 引言 | 第15页 |
| 2.2 特征选取 | 第15-18页 |
| 2.2.1 全局图像特征 | 第16页 |
| 2.2.2 局部图像特征 | 第16-18页 |
| 2.3 隐藏变量部件模型 | 第18-26页 |
| 2.3.1 方向梯度直方图(HOG) | 第18-20页 |
| 2.3.2 隐藏变量支持向量机 | 第20-23页 |
| 2.3.3 混合特征模型 | 第23-25页 |
| 2.3.4 检测方法 | 第25-26页 |
| 2.4 本章小结 | 第26-27页 |
| 3 车辆分类方法研究 | 第27-48页 |
| 3.1 引言 | 第27页 |
| 3.2 分类器选取 | 第27-31页 |
| 3.3 车辆模型训练 | 第31-37页 |
| 3.3.1 训练样本 | 第32-34页 |
| 3.3.2 车辆模型 | 第34-37页 |
| 3.4 车辆分类 | 第37-42页 |
| 3.4.1 车辆提取 | 第37-39页 |
| 3.4.2 模型配准 | 第39-41页 |
| 3.4.3 车辆特征表示 | 第41-42页 |
| 3.5 实验结果分析 | 第42-47页 |
| 3.5.1 实验参数评估 | 第43-45页 |
| 3.5.2 方法对比 | 第45-47页 |
| 3.6 本章小结 | 第47-48页 |
| 4 基于卷积神经网络的车辆分类方法研究 | 第48-62页 |
| 4.1 引言 | 第48页 |
| 4.2 卷积神经网络 | 第48-52页 |
| 4.2.1 卷积神经网络的网络结构 | 第48-51页 |
| 4.2.2 卷积神经网络的训练 | 第51-52页 |
| 4.3 车辆分类方案 | 第52-60页 |
| 4.3.1 卷积神经网络的特征提取 | 第53-57页 |
| 4.3.2 卷积神经网络的车辆模型配准与特征表示 | 第57-58页 |
| 4.3.3 主成分分析 | 第58-60页 |
| 4.4 实验结果分析 | 第60-61页 |
| 4.5 本章小结 | 第61-62页 |
| 5 总结及展望 | 第62-64页 |
| 5.1 总结 | 第62-63页 |
| 5.2 文章的不足和展望 | 第63-64页 |
| 参考文献 | 第64-68页 |
| 作者简历及攻读硕士学位期间取得的研究成果 | 第68-70页 |
| 学位论文数据集 | 第70页 |
