| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 课题背景和意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.2.1 车辆检测技术研究现状 | 第11-12页 |
| 1.2.2 车辆跟踪技术研究现状 | 第12-14页 |
| 1.3 本文主要研究内容及章节安排 | 第14-16页 |
| 第2章 基于AdaBoost算法的车辆检测 | 第16-42页 |
| 2.1 Haar-like矩形特征及其快速计算 | 第16-20页 |
| 2.1.1 Haar-like矩形特征 | 第16-17页 |
| 2.1.2 Haar-like矩形特征的表示 | 第17-18页 |
| 2.1.3 Haar-like矩形特征数量计算 | 第18-19页 |
| 2.1.4 积分图快速计算Haar-like矩形特征 | 第19-20页 |
| 2.2 AdaBoost算法 | 第20-27页 |
| 2.2.1 AdaBoost算法简介 | 第20-21页 |
| 2.2.2 AdaBoost算法的基本原理 | 第21-24页 |
| 2.2.3 级联分类器 | 第24-27页 |
| 2.3 基于AdaBoost算法的级联分类器的训练与测试 | 第27-39页 |
| 2.3.1 总体框架 | 第27-28页 |
| 2.3.2 样本的选取 | 第28-29页 |
| 2.3.3 样本的预处理 | 第29-30页 |
| 2.3.4 基于OpenCV的级联分类器的训练 | 第30-35页 |
| 2.3.5 基于通用车辆数据集的分类器测试 | 第35-39页 |
| 2.4 本章小结 | 第39-42页 |
| 第3章 基于Kalman滤波的车辆跟踪 | 第42-52页 |
| 3.1 Kalman滤波基本原理 | 第42-44页 |
| 3.2 基于Kalman滤波的多车辆跟踪算法设计与实现 | 第44-49页 |
| 3.2.1 Kalman估计模型预测 | 第44-47页 |
| 3.2.2 匹配准则 | 第47页 |
| 3.2.3 模型更新 | 第47-48页 |
| 3.2.4 实现步骤 | 第48-49页 |
| 3.3 本章小结 | 第49-52页 |
| 第4章 监控场景中的车辆检测与跟踪测试 | 第52-66页 |
| 4.1 测试系统的构建 | 第52-55页 |
| 4.1.1 视频监控系统结构 | 第52页 |
| 4.1.2 监控摄像机的安装 | 第52-53页 |
| 4.1.3 摄像机的选择 | 第53-54页 |
| 4.1.4 监控照明 | 第54页 |
| 4.1.5 图像接口 | 第54-55页 |
| 4.2 典型监控场景中的车辆检测与跟踪测试分析 | 第55-64页 |
| 4.2.1 道路视频监控中的车辆检测与跟踪测试 | 第55-58页 |
| 4.2.2 加油站视频监控中的车辆检测与跟踪测试 | 第58-63页 |
| 4.2.3 监控视频测试总结 | 第63-64页 |
| 4.3 本章小结 | 第64-66页 |
| 结论 | 第66-68页 |
| 参考文献 | 第68-72页 |
| 攻读硕士学位期间所发表的论文和取得的科研成果 | 第72-74页 |
| 致谢 | 第74页 |
