| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 1 绪论 | 第9-16页 |
| 1.1 课题研究意义和背景 | 第9-10页 |
| 1.2 车辆主动避撞系统研究现状 | 第10-12页 |
| 1.2.1 车辆主动避撞系统概述 | 第10-11页 |
| 1.2.2 国内外车辆主动避撞系统的研究状况 | 第11-12页 |
| 1.2.3 车辆主动避撞系统存在的问题和发展趋势 | 第12页 |
| 1.3 前防撞的车辆检测概述 | 第12-14页 |
| 1.3.1 基于外观的方法 | 第13页 |
| 1.3.2 基于运动的方法 | 第13-14页 |
| 1.3.3 基于模板的方法 | 第14页 |
| 1.4 本文的主要研究内容 | 第14-16页 |
| 2 车辆图像预处理 | 第16-26页 |
| 2.1 引言 | 第16页 |
| 2.2 彩色图像快速灰度化 | 第16-18页 |
| 2.2.1 车辆图像灰度化 | 第16-17页 |
| 2.2.2 基于查找表的快速灰度化 | 第17页 |
| 2.2.3 实验结果分析 | 第17-18页 |
| 2.3 灰度图像快速去噪 | 第18-22页 |
| 2.3.1 常用的灰度图像去噪方法 | 第18-21页 |
| 2.3.2 基于滑动直方图的快速中值滤波 | 第21-22页 |
| 2.3.3 中值滤波实验结果分析 | 第22页 |
| 2.4 图像积分图 | 第22-25页 |
| 2.4.1 积分图的概念 | 第23页 |
| 2.4.2 基于积分图的区域特征计算 | 第23-25页 |
| 2.5 本章小结 | 第25-26页 |
| 3 基于车底阴影特征的车尾候选区域检测 | 第26-36页 |
| 3.1 引言 | 第26页 |
| 3.2 基于车底阴影特征的车尾检测基本思想 | 第26-27页 |
| 3.2.1 基于车底阴影的车尾检测方法综述 | 第26-27页 |
| 3.2.2 车尾候选区域生成流程 | 第27页 |
| 3.3 基于改进高斯混合模型的车底阴影提取 | 第27-33页 |
| 3.3.1 高斯混合模型的基本形式 | 第28页 |
| 3.3.2 改进的EM算法估计未知参数 | 第28-30页 |
| 3.3.3 车底阴影的分割 | 第30-31页 |
| 3.3.4 车底阴影与路面交线的提取 | 第31-33页 |
| 3.4 实验结果与分析 | 第33-34页 |
| 3.5 本章小结 | 第34-36页 |
| 4 基于车尾外观特征的车尾候选区域验证 | 第36-60页 |
| 4.1 引言 | 第36页 |
| 4.2 车尾外观特征分析 | 第36-37页 |
| 4.3 车尾外观特征提取 | 第37-45页 |
| 4.3.1 Haar-like特征 | 第37-40页 |
| 4.3.2 HOG特征 | 第40-45页 |
| 4.4 特征学习算法的选取 | 第45-53页 |
| 4.4.1 Adaboost算法 | 第45-49页 |
| 4.4.2 支持向量机SVM | 第49-53页 |
| 4.5 实验结果与分析 | 第53-58页 |
| 4.5.1 基于改进的Haar-like和Adaboost的车尾验证 | 第53-57页 |
| 4.5.2 基于HOG和SVM的车尾验证 | 第57-58页 |
| 4.6 本章小结 | 第58-60页 |
| 5 基于TLD算法的车尾跟踪 | 第60-73页 |
| 5.1 引言 | 第60页 |
| 5.2 车尾跟踪算法分析 | 第60-65页 |
| 5.2.1 Kalman滤波器 | 第60-62页 |
| 5.2.2 粒子滤波器 | 第62-65页 |
| 5.3 改进的TLD算法 | 第65-72页 |
| 5.3.1 TLD算法原理 | 第65-68页 |
| 5.3.2 基于改进的TLD算法的车尾跟踪 | 第68-70页 |
| 5.3.3 实验结果与分析 | 第70-72页 |
| 5.4 本章小结 | 第72-73页 |
| 6 总结与展望 | 第73-75页 |
| 6.1 工作总结 | 第73-74页 |
| 6.2 存在的问题 | 第74页 |
| 6.3 工作展望 | 第74-75页 |
| 致谢 | 第75-76页 |
| 参考文献 | 第76-79页 |