| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 引言 | 第10-17页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.2.1 国外研究现状 | 第11-12页 |
| 1.2.2 国内研究现状 | 第12-14页 |
| 1.3 本文研究内容及技术路线 | 第14-15页 |
| 1.4 论文组织结构 | 第15-17页 |
| 第二章 基于颜色空间模型的城市交通场景中信号灯的检测方法 | 第17-30页 |
| 2.1 图像预处理 | 第17-21页 |
| 2.1.1 图像去噪 | 第17-20页 |
| 2.1.2 光线补偿 | 第20-21页 |
| 2.1.3 感兴趣区域划分 | 第21页 |
| 2.2 色彩空间模型 | 第21-24页 |
| 2.2.1 RGB颜色空间 | 第22页 |
| 2.2.2 HSV颜色空间 | 第22-24页 |
| 2.2.3 YCbCr颜色空间 | 第24页 |
| 2.3 信号灯模板匹配 | 第24-28页 |
| 2.3.1 颜色直方图 | 第24-25页 |
| 2.3.2 氏系数 | 第25页 |
| 2.3.3 信号灯的模板匹配 | 第25-28页 |
| 2.4 基于颜色空间模型的信号灯检测 | 第28-29页 |
| 2.5 本章小结 | 第29-30页 |
| 第三章 基于车辆及车牌对称特征的车辆检测方法 | 第30-39页 |
| 3.1 基于车辆及车牌对称特征的车辆检测 | 第30-35页 |
| 3.1.1 车辆边缘检测 | 第30-32页 |
| 3.1.2 车辆轮廓对称轴检测 | 第32-33页 |
| 3.1.3 车牌对称轴检测 | 第33-34页 |
| 3.1.4 车辆区域定位 | 第34-35页 |
| 3.2 其他车辆检测方法 | 第35-37页 |
| 3.2.1 基于车牌的车辆检测 | 第35页 |
| 3.2.2 基于Gabor特征及支持向量机(SVM)的车辆检测 | 第35-36页 |
| 3.2.3 基于Haar-like特征及AdaBoost分类器的车辆检测 | 第36-37页 |
| 3.3 实验结果 | 第37-38页 |
| 3.4 本章小结 | 第38-39页 |
| 第四章 基于联合特征的城市交通场景中车辆异常行为检测方法 | 第39-51页 |
| 4.1 构建车辆行为数据集 | 第39-40页 |
| 4.2 梯度方向直方图 | 第40-42页 |
| 4.3 局部二值模式 | 第42-43页 |
| 4.4 边缘方向直方图 | 第43-44页 |
| 4.5 联合特征提取 | 第44-46页 |
| 4.6 支持向量机分类器 | 第46-48页 |
| 4.7 实验结果 | 第48-50页 |
| 4.8 本章小结 | 第50-51页 |
| 第五章 总结与展望 | 第51-53页 |
| 5.1 总结 | 第51页 |
| 5.2 展望 | 第51-53页 |
| 致谢 | 第53-54页 |
| 参考文献 | 第54-59页 |
| 硕士期间完成的研究成果 | 第59页 |
