| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 插图索引 | 第9-10页 |
| 附表索引 | 第10-11页 |
| 第1章 绪论 | 第11-16页 |
| 1.1 研究背景与意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.3 本文主要工作 | 第14页 |
| 1.4 本文的结构 | 第14-16页 |
| 第2章 课题相关理论及技术路线 | 第16-25页 |
| 2.1 车辆检测系统框架和挑战 | 第16-17页 |
| 2.1.1 道路车辆检测的系统框架 | 第16-17页 |
| 2.1.2 道路车辆检测中的一些挑战 | 第17页 |
| 2.2 车辆检测方法 | 第17-21页 |
| 2.2.1 两步策略 | 第17-20页 |
| 2.2.2 多步检测 | 第20-21页 |
| 2.3 道路车辆检测的技术路线 | 第21-24页 |
| 2.3.1 本文的主要技术路线 | 第22页 |
| 2.3.2 高斯滤波 | 第22-23页 |
| 2.3.3 检测结果后处理 | 第23-24页 |
| 2.4 小结 | 第24-25页 |
| 第3章 Haar-like 特征和 BRIEF 特征 | 第25-36页 |
| 3.1 Haar-like 特征 | 第25-27页 |
| 3.1.1 Haar-like 特征的表示 | 第26页 |
| 3.1.2 Haar-like 特征的计算 | 第26-27页 |
| 3.1.3 Haar-like 特征的数量 | 第27页 |
| 3.2 BRIEF 特征 | 第27-30页 |
| 3.2.1 BRIEF 特征的定义 | 第28-29页 |
| 3.2.2 BRIEF 特征的采样 | 第29-30页 |
| 3.2.3 BRIEF 特征的匹配 | 第30页 |
| 3.3 本文中的 Haar-like 特征和 BRIEF 特征 | 第30-35页 |
| 3.3.1 Haar-like 特征 | 第30-31页 |
| 3.3.2 BRIEF 特征 | 第31-32页 |
| 3.3.3 积分图像法 | 第32-33页 |
| 3.3.4 尺度不变性 | 第33-35页 |
| 3.4 小结 | 第35-36页 |
| 第4章 级联分类器设计和车辆跟踪 | 第36-44页 |
| 4.1 分类器的设计 | 第36-39页 |
| 4.1.1 Gentle Adaboost 算法 | 第36-37页 |
| 4.1.2 两种特征的弱分类器形式 | 第37-38页 |
| 4.1.3 弱分类器的学习 | 第38-39页 |
| 4.1.4 级联分类器设计 | 第39页 |
| 4.2 车辆跟踪 | 第39-43页 |
| 4.2.1 卡尔曼滤波器预测模型 | 第40页 |
| 4.2.2 状态模型 | 第40页 |
| 4.2.3 观察模型 | 第40-41页 |
| 4.2.4 参数列始化 | 第41-42页 |
| 4.2.5 算法流程 | 第42-43页 |
| 4.2.6 车辆跟踪步骤 | 第43页 |
| 4.3 小结 | 第43-44页 |
| 第5章 实验 | 第44-53页 |
| 5.1 实验平台介绍 | 第44页 |
| 5.2 分类器的训练 | 第44-47页 |
| 5.2.1 样本集的建立 | 第44-46页 |
| 5.2.2 分类器的训练 | 第46-47页 |
| 5.3 分类器性能测试 | 第47-50页 |
| 5.4 跟踪速度测试 | 第50-51页 |
| 5.5 小结 | 第51-53页 |
| 结论 | 第53-56页 |
| 参考文献 | 第56-61页 |
| 致谢 | 第61-62页 |
| 附录A 攻读学位期间所发表的学术论文 | 第62页 |