| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 缩略语对照表 | 第11-14页 |
| 第一章 绪论 | 第14-18页 |
| 1.1 研究背景和意义 | 第14页 |
| 1.2 国内外研究现状 | 第14-15页 |
| 1.3 电子警察系统的概述、难点及发展趋势 | 第15-17页 |
| 1.3.1 电子警察系统的概述 | 第15页 |
| 1.3.2 电子警察系统的难点 | 第15-16页 |
| 1.3.3 电子警察系统的发展趋势 | 第16-17页 |
| 1.4 本文主要研究内容及章节安排 | 第17-18页 |
| 1.4.1 主要研究内容 | 第17页 |
| 1.4.2 章节安排 | 第17-18页 |
| 第二章 车辆目标跟踪 | 第18-38页 |
| 2.1 引言 | 第18页 |
| 2.2 基于Hash特征的车辆跟踪 | 第18-23页 |
| 2.2.1 哈希算法的分类 | 第18-19页 |
| 2.2.2 基于统计的Hash跟踪 | 第19-22页 |
| 2.2.3 基于DCT变换的Hash跟踪 | 第22-23页 |
| 2.3 基于LBP特征和Hue特征融合的车辆跟踪 | 第23-27页 |
| 2.3.1 LBP特征 | 第23-25页 |
| 2.3.2 LBP特征和Hue特征融合的基本原理及实验结果分析 | 第25-27页 |
| 2.4 基于光流法的车辆跟踪 | 第27-34页 |
| 2.4.1 光流法的基本原理 | 第28-29页 |
| 2.4.2 Harris角点及SIFT特征点 | 第29-32页 |
| 2.4.3 改进光流法的基本原理及实验结果分析 | 第32-34页 |
| 2.5 基于区域的多目标跟踪 | 第34-36页 |
| 2.6 本章小结 | 第36-38页 |
| 第三章 夜间频闪灯的使用及Eagle Eye3智能相机参数配置 | 第38-54页 |
| 3.1 引言 | 第38页 |
| 3.2 嵌入式电子警察系统的概述 | 第38-43页 |
| 3.2.1 Eagle Eye3系列智能相机的介绍 | 第38-39页 |
| 3.2.2 嵌入式开发环境 | 第39-41页 |
| 3.2.3 智能相机DSP Demo程序架构简述 | 第41-42页 |
| 3.2.4 智能相机开发中需要注意的事项 | 第42-43页 |
| 3.3 夜间频闪灯的使用 | 第43-44页 |
| 3.4 Eagle Eye3系列智能相机调光方法 | 第44-53页 |
| 3.4.1 Eagle Eye3系列智能相机CCD曝光的必要参数 | 第45页 |
| 3.4.2 Eagle Eye3系列智能相机的测光区域 | 第45-47页 |
| 3.4.3 Eagle Eye3系列智能相机的调光过程 | 第47-49页 |
| 3.4.4 Eagle Eye3系列智能相机闪光灯开关策略 | 第49-51页 |
| 3.4.5 Eagle Eye3系列智能相机白平衡说明 | 第51页 |
| 3.4.6 Eagle Eye3系列智能相机的LUT功能说明 | 第51-53页 |
| 3.4.7 Eagle Eye3系列智能相机其他参数对相机的影响 | 第53页 |
| 3.5 本章小结 | 第53-54页 |
| 第四章 嵌入式电子警察系统中的夜间车辆检测算法实现 | 第54-68页 |
| 4.1 引言 | 第54页 |
| 4.2 基于车灯的夜间车辆检测 | 第54-58页 |
| 4.2.1 基于亮度的车辆检测 | 第54-56页 |
| 4.2.2 改进后基于亮度的车辆检测 | 第56-58页 |
| 4.3 基于Haar特征和Adaboost分类器的夜间车辆检测 | 第58-65页 |
| 4.3.1 Haar特征和积分图 | 第58-60页 |
| 4.3.2 Adaboost算法 | 第60-61页 |
| 4.3.3 分类器的训练 | 第61-63页 |
| 4.3.4 算法移植及实验结果分析 | 第63-65页 |
| 4.4 基于车牌的夜间车辆检测 | 第65-66页 |
| 4.5 嵌入式电子警察系统白天与晚上版本的合并 | 第66-67页 |
| 4.6 本章小结 | 第67-68页 |
| 第五章 总结与展望 | 第68-70页 |
| 5.1 工作总结 | 第68页 |
| 5.2 工作展望 | 第68-70页 |
| 参考文献 | 第70-74页 |
| 致谢 | 第74-76页 |
| 作者简介 | 第76-77页 |
