基于视觉的道路前方运动车辆检测与跟踪
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-9页 |
| 第一章 绪论 | 第9-17页 |
| ·研究背景及意义 | 第9-10页 |
| ·研究背景 | 第9页 |
| ·研究意义 | 第9-10页 |
| ·国内外研究现状 | 第10-14页 |
| ·车辆检测技术研究现状 | 第10-12页 |
| ·车辆跟踪技术研究现状 | 第12-14页 |
| ·研究现状评价及目标 | 第14页 |
| ·本文研究内容 | 第14-16页 |
| ·本文组织结构 | 第16-17页 |
| 第二章 图像预处理 | 第17-26页 |
| ·图像灰度化 | 第17-18页 |
| ·图像滤波 | 第18-22页 |
| ·图像增强 | 第22-24页 |
| ·本章小结 | 第24-26页 |
| 第三章 前方车辆检测 | 第26-48页 |
| ·车辆特征提取 | 第26-35页 |
| ·Haar-like 特征简介 | 第27-29页 |
| ·图像内 Haar-like 特征数量 | 第29-30页 |
| ·Haar-like 特征值计算公式 | 第30-32页 |
| ·积分图像加速特征值计算 | 第32-35页 |
| ·AdaBoost 算法原理 | 第35-38页 |
| ·AdaBoost 算法简介 | 第35-36页 |
| ·算法原理 | 第36-38页 |
| ·基于 AdaBoost 的车辆分类器训练 | 第38-43页 |
| ·构建弱分类器 | 第39-40页 |
| ·构建强分类器 | 第40页 |
| ·生成级联分类器 | 第40-43页 |
| ·车辆检测过程 | 第43-45页 |
| ·车辆验证 | 第45-47页 |
| ·本章小结 | 第47-48页 |
| 第四章 前方车辆跟踪 | 第48-62页 |
| ·粒子滤波算法原理 | 第48-58页 |
| ·递推贝叶斯滤波 | 第48-51页 |
| ·蒙特卡洛积分 | 第51-52页 |
| ·重要性采样 | 第52-55页 |
| ·序列重要性采样 SIS | 第55-56页 |
| ·粒子退化与重采样 | 第56-57页 |
| ·算法流程 | 第57-58页 |
| ·基于粒子滤波的车辆跟踪 | 第58-61页 |
| ·运动目标状态模型 | 第58-59页 |
| ·颜色观察模型 | 第59-61页 |
| ·目标位置的确定 | 第61页 |
| ·本章小结 | 第61-62页 |
| 第五章 实验结果 | 第62-70页 |
| ·开发工具简介 | 第62页 |
| ·样本集准备 | 第62-64页 |
| ·分类器训练 | 第64-65页 |
| ·车辆检测结果 | 第65-68页 |
| ·车辆跟踪结果 | 第68-69页 |
| ·本章小结 | 第69-70页 |
| 结论与展望 | 第70-72页 |
| 参考文献 | 第72-77页 |
| 攻读硕士学位期间取得的研究成果 | 第77-78页 |
| 致谢 | 第78-79页 |
| 答辩委员会对论文的评定意见 | 第79页 |
