基于红外CCD与激光测距仪融合的行人检测技术研究
| 提要 | 第1-8页 |
| 第一章 绪论 | 第8-18页 |
| ·问题的提出及意义 | 第8-9页 |
| ·问题的背景及分析 | 第9-15页 |
| ·红外成像技术研究 | 第9-11页 |
| ·基于红外图像行人检测方法研究 | 第11-15页 |
| ·基于激光测距仪的行人检测方法 | 第15页 |
| ·解决问题的思路方法 | 第15-16页 |
| ·本文的章节安排 | 第16-18页 |
| 第二章 红外图像的预处理及分割方法 | 第18-39页 |
| ·图像采集系统介绍 | 第18-20页 |
| ·图像采集系统性能介绍 | 第18-20页 |
| ·红外相机的成像特点 | 第20页 |
| ·红外图像的预处理 | 第20-29页 |
| ·图像平滑增强 | 第21-24页 |
| ·空域变换增强 | 第24-29页 |
| ·红外图像的分割 | 第29-38页 |
| ·图像分割概述 | 第29-30页 |
| ·图像分割算法 | 第30-34页 |
| ·二值图像处理 | 第34-38页 |
| ·本章小结 | 第38-39页 |
| 第三章 基于红外图像的行人识别方法 | 第39-55页 |
| ·目标特征的提取 | 第39-43页 |
| ·目标的几何特征 | 第40-41页 |
| ·目标形状描述 | 第41-42页 |
| ·目标的统计特征 | 第42-43页 |
| ·简单识别 | 第43-44页 |
| ·基于宽高比特征的行人识别方法 | 第44-47页 |
| ·行人的形状特征概述 | 第44页 |
| ·依据宽高比识别行人 | 第44-47页 |
| ·基于分散度特征的行人识别方法 | 第47-52页 |
| ·分散度特征定义 | 第47页 |
| ·分散度特征提取 | 第47-48页 |
| ·依据分散度特征识别行人 | 第48-52页 |
| ·多分类级联实现行人识别 | 第52-54页 |
| ·简单分类器设计 | 第52-53页 |
| ·行人识别结果 | 第53-54页 |
| ·本章小结 | 第54-55页 |
| 第四章 基于激光的行人识别方法 | 第55-74页 |
| ·激光测距仪简介 | 第55-63页 |
| ·激光雷达的测量原理 | 第55-56页 |
| ·激光测距仪介绍 | 第56-58页 |
| ·系统使用方法 | 第58-60页 |
| ·误差 | 第60-63页 |
| ·激光数据预处理 | 第63-67页 |
| ·视角的选择 | 第64-65页 |
| ·数据的格式转换 | 第65-67页 |
| ·数据的中值滤波 | 第67页 |
| ·激光图像行人检测方法 | 第67-73页 |
| ·激光图像特点 | 第68-69页 |
| ·静态图像检测行人 | 第69-71页 |
| ·动态图像检测行人 | 第71-72页 |
| ·行人检测准则 | 第72-73页 |
| ·本章小结 | 第73-74页 |
| 第五章 基于红外与激光的行人检测方法 | 第74-95页 |
| ·传感器信息融合的概述 | 第74-78页 |
| ·信息融合的特点 | 第74-75页 |
| ·信息融合级别的分类 | 第75-77页 |
| ·信息融合技术方法 | 第77-78页 |
| ·前方行人的信息获取 | 第78-79页 |
| ·D-S证据理论介绍 | 第79-83页 |
| ·证据理论基本概念 | 第80-81页 |
| ·证据理论的组合规则 | 第81-82页 |
| ·证据理论的决策 | 第82-83页 |
| ·基于D-S证据理论的行人检测方法 | 第83-91页 |
| ·基本概率赋值函数的构造 | 第83-89页 |
| ·基于D-S证据理论的数据融合 | 第89-90页 |
| ·目标身份决策 | 第90-91页 |
| ·基于D-S证据理论行人检测实验结果 | 第91-94页 |
| ·本章小结 | 第94-95页 |
| 第六章 总 结 | 第95-97页 |
| ·本文研究工作总结 | 第95-96页 |
| ·本文存在的不足及今后研究工作展望 | 第96-97页 |
| 参考文献 | 第97-100页 |
| 摘要 | 第100-102页 |
| Abstract | 第102-104页 |
| 致谢 | 第104页 |
