| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-17页 |
| 1.1 课题研究的背景和意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-15页 |
| 1.2.1 国内外基于机器视觉的行人检测的研究现状 | 第10-14页 |
| 1.2.2 国内外车载行人检测技术应用现状 | 第14-15页 |
| 1.3 本文的主要研究内容及组织结构 | 第15-17页 |
| 1.3.1 本文研究的内容 | 第15-16页 |
| 1.3.2 本文的组织结构 | 第16-17页 |
| 第2章 复杂工况下的行人检测方法研究 | 第17-47页 |
| 2.1 引言 | 第17-18页 |
| 2.2 基于Retinex的低光照图像增强 | 第18-25页 |
| 2.2.1 Retinex理论基础 | 第18页 |
| 2.2.2 多尺度Retinex图像增强方法 | 第18-19页 |
| 2.2.3 基于色度保存的多尺度Retinex图像增强方法 | 第19-22页 |
| 2.2.4 低光照图像增强的光照强度阈值估计 | 第22-25页 |
| 2.3 运动模糊图像复原 | 第25-38页 |
| 2.3.1 图像运动模糊建模 | 第25-27页 |
| 2.3.2 点扩散函数的估计 | 第27-34页 |
| 2.3.3 运动模糊图像复原方法 | 第34-38页 |
| 2.4 基于HO G特征和SVM的行人检测方法 | 第38-46页 |
| 2.4.1 HO G特征向量计算 | 第38-39页 |
| 2.4.2 基于SVM的行人检测分类器设计 | 第39-43页 |
| 2.4.3 复杂工况下的行人检测实现与结果分析 | 第43-46页 |
| 2.5 本章小结 | 第46-47页 |
| 第3章 TDA2x车载视觉系统的分析 | 第47-59页 |
| 3.1 引言 | 第47-48页 |
| 3.2 TDA2x SOC概述 | 第48-51页 |
| 3.2.1 TDA2x特性 | 第48-49页 |
| 3.2.2 可编程的视觉AccelerationPac | 第49-50页 |
| 3.2.3 TDA2x视觉应用 | 第50-51页 |
| 3.3 软件系统的分析 | 第51-58页 |
| 3.3.1 VISION SDK概述 | 第51-52页 |
| 3.3.2 TDA2x车载视觉系统应用框架分析 | 第52-55页 |
| 3.3.3 TDA2x车载视觉系统中的SYS/BIOS | 第55-57页 |
| 3.3.4 TDA2x车载视觉系统中的算法标准 | 第57-58页 |
| 3.4 本章小结 | 第58-59页 |
| 第4章 基于TDA2x的行人检测算法的实现 | 第59-72页 |
| 4.1 引言 | 第59页 |
| 4.2 行人检测系统开发环境 | 第59-62页 |
| 4.2.1 Vayu嵌入式视觉开发平台 | 第59-60页 |
| 4.2.2 应用程序的编译 | 第60-61页 |
| 4.2.3 应用程序的加载与运行 | 第61-62页 |
| 4.3 行人检测算法的实现 | 第62-68页 |
| 4.3.1 行人检测数据流结构 | 第62-63页 |
| 4.3.2 行人检测用例 | 第63-64页 |
| 4.3.3 行人检测算法link | 第64-68页 |
| 4.4 行人检测系统分析 | 第68-71页 |
| 4.4.1 SBL引导时间 | 第69页 |
| 4.4.2 特征计算与行人检测系统性能 | 第69-71页 |
| 4.4.3 系统CPU负载以及实时性验证 | 第71页 |
| 4.5 本章小结 | 第71-72页 |
| 结论 | 第72-73页 |
| 参考文献 | 第73-79页 |
| 致谢 | 第79页 |
