基于车载红外夜视仪的道路行人检测与识别方法研究
| 摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第12-20页 |
| 1.1 课题的研究背景和意义 | 第12-14页 |
| 1.1.1 课题的研究背景 | 第12-13页 |
| 1.1.2 课题的研究意义 | 第13-14页 |
| 1.2 汽车辅助驾驶系统的国内外研究概况 | 第14-17页 |
| 1.2.1 国外研究概况 | 第14-16页 |
| 1.2.2 国内研究概况 | 第16-17页 |
| 1.3 本文主要研究内容 | 第17-18页 |
| 1.4 章节安排 | 第18-20页 |
| 第2章 红外图像技术及夜视仪标定方法 | 第20-36页 |
| 2.1 引言 | 第20页 |
| 2.2 红外成像原理及图像特征 | 第20-25页 |
| 2.2.1 红外成像原理 | 第20-22页 |
| 2.2.2 红外图像的特征 | 第22-25页 |
| 2.3 车载红外夜视仪 | 第25-29页 |
| 2.3.1 红外夜视仪的内部构造 | 第25-26页 |
| 2.3.2 红外夜视仪的功能特点 | 第26-29页 |
| 2.4 车载红外夜视仪的标定方法 | 第29-34页 |
| 2.4.1 坐标系间的相互变换关系 | 第29-30页 |
| 2.4.2 红外夜视仪的参数标定 | 第30-32页 |
| 2.4.3 红外夜视图像的畸变校正 | 第32-34页 |
| 2.5 本章小结 | 第34-36页 |
| 第3章 车载红外夜视图像增强方法研究 | 第36-47页 |
| 3.1 引言 | 第36页 |
| 3.2 小波-遗传图像增强算法 | 第36-37页 |
| 3.3 低频部分图像的遗传算法自适应增强 | 第37-40页 |
| 3.3.1 遗传算法的实现 | 第38-39页 |
| 3.3.2 低频部分图像的遗传增强算法步骤 | 第39-40页 |
| 3.4 高频部分图像的小波阈值增强 | 第40-41页 |
| 3.5 实验结果分析 | 第41-46页 |
| 3.5.1 实验结果定性分析 | 第41-43页 |
| 3.5.2 实验结果定量分析 | 第43-46页 |
| 3.6 本章小结 | 第46-47页 |
| 第4章 单目视觉的行人检测与识别方法研究 | 第47-57页 |
| 4.1 引言 | 第47-48页 |
| 4.2 基于单目视觉的行人检测方法 | 第48-53页 |
| 4.2.1 图像匹配 | 第48-49页 |
| 4.2.2 改进的三帧差分法 | 第49-52页 |
| 4.2.3 检测结果分析 | 第52-53页 |
| 4.3 行人的几何特征提取 | 第53-55页 |
| 4.3.1 最小外接矩形 | 第53-54页 |
| 4.3.2 几何特征识别结果分析 | 第54-55页 |
| 4.4 基于几何-运动速率的行人识别方法 | 第55-56页 |
| 4.4.1 单目视觉的行人几何-运动识别算法 | 第55-56页 |
| 4.4.2 识别结果分析 | 第56页 |
| 4.5 本章小结 | 第56-57页 |
| 第5章 单目视觉的行人测距方法研究 | 第57-71页 |
| 5.1 引言 | 第57-58页 |
| 5.2 单目视觉的行人测距方法 | 第58-62页 |
| 5.2.1 测距方法实现 | 第58-60页 |
| 5.2.2 测距结果分析 | 第60-62页 |
| 5.3 单目视觉的行人快速测距方法 | 第62-65页 |
| 5.3.1 两个位置目标的相机成像原理 | 第62-63页 |
| 5.3.2 单目视觉的行人快速测距算法实现 | 第63页 |
| 5.3.3 快速测距结果分析 | 第63-65页 |
| 5.4 行人测距方法在汽车安全驾驶中的应用 | 第65-70页 |
| 5.4.1 模拟红外夜视仪测距系统 | 第65-67页 |
| 5.4.2 测距系统实验结果 | 第67-70页 |
| 5.5 本章小结 | 第70-71页 |
| 结论 | 第71-73页 |
| 参考文献 | 第73-78页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第78-79页 |
| 致谢 | 第79页 |
