| 摘要 | 第1-3页 |
| Abstract | 第3-4页 |
| 目录 | 第4-6页 |
| 第一章 绪论 | 第6-15页 |
| ·研究背景及意义 | 第6-7页 |
| ·国内外研究现状 | 第7-12页 |
| ·两步识别策略 | 第7-10页 |
| ·多步识别策略 | 第10-12页 |
| ·本文研究的主要内容及技术路线 | 第12-15页 |
| ·研究的主要内容 | 第12页 |
| ·本文的技术路线 | 第12-13页 |
| ·本文的主要工作 | 第13-15页 |
| 第二章 Haar-like矩形特征和积分图像法 | 第15-25页 |
| ·Haar-like矩形特征 | 第15-21页 |
| ·Haar-like矩形特征的由来 | 第15-16页 |
| ·本文采用的Haar-like矩形特征 | 第16-17页 |
| ·Haar-like矩形特征的表示 | 第17-20页 |
| ·子图像中Haar-like矩形特征的数量 | 第20-21页 |
| ·利用积分图像法快速计算Haar-like矩阵特征 | 第21-24页 |
| ·倾角为0°的积分图像 | 第21-22页 |
| ·倾角为45°的积分图像 | 第22-24页 |
| ·利用积分图像法计算矩形特征 | 第24页 |
| ·本章小结 | 第24-25页 |
| 第三章 树形车辆分类器的设计 | 第25-43页 |
| ·AdaBoost算法 | 第25-28页 |
| ·AdaBoost算法的介绍 | 第25-27页 |
| ·本文采用的AdaBoost算法 | 第27-28页 |
| ·基于Gentle AdaBoost算法的强分类器设计 | 第28-35页 |
| ·弱分类器的形式 | 第28-29页 |
| ·弱分类器的设计 | 第29-30页 |
| ·关于弱分类器设计的说明与讨论 | 第30-32页 |
| ·强分类器的设计 | 第32-34页 |
| ·关于强分类器设计的说明与讨论 | 第34-35页 |
| ·树形分类器的设计 | 第35-42页 |
| ·K-均值(K-means)聚类算法 | 第35-36页 |
| ·树形分类器设计 | 第36-40页 |
| ·"U"形组合特征强分类器 | 第40-41页 |
| ·关于树形分类器设计的说明与讨论 | 第41-42页 |
| ·本章小结 | 第42-43页 |
| 第四章 树形分类器用于实时道路车辆识别 | 第43-52页 |
| ·传统的多尺度识别机制 | 第43-44页 |
| ·本文采用的多尺度识别机制 | 第44页 |
| ·本文识别方法描述 | 第44-45页 |
| ·树形分类器用于车辆识别 | 第45-48页 |
| ·树形分类器节点对车辆的识别 | 第45-46页 |
| ·树形分类器对车辆的识别 | 第46-48页 |
| ·识别结果后处理 | 第48-49页 |
| ·关于本文识别方法的说明与讨论 | 第49-51页 |
| ·本章小结 | 第51-52页 |
| 第五章 实验及结果分析 | 第52-65页 |
| ·实验平台 | 第52页 |
| ·样本库 | 第52-54页 |
| ·训练样本库 | 第52-54页 |
| ·测试图像库 | 第54页 |
| ·视频库 | 第54页 |
| ·训练车辆分类器 | 第54-59页 |
| ·样本准备工作 | 第54-57页 |
| ·样本预处理 | 第57页 |
| ·训练树形车辆分类器 | 第57-59页 |
| ·分类器性能实验 | 第59-64页 |
| ·测试图像库实验 | 第59-62页 |
| ·视频库实时实验 | 第62-63页 |
| ·实验结果分析 | 第63-64页 |
| ·更多实验结果示例 | 第64页 |
| ·本章小结 | 第64-65页 |
| 第六章 总结与展望 | 第65-67页 |
| ·工作总结 | 第65页 |
| ·未来的工作 | 第65-67页 |
| 参考文献 | 第67-71页 |
| 攻读学位期间的研究成果 | 第71-72页 |
| 附录A 关于OpenCV的介绍及安装配置 | 第72-75页 |
| 致谢 | 第75-77页 |