| 摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 插图索引 | 第11-13页 |
| 附表索引 | 第13-14页 |
| 第1章 绪论 | 第14-25页 |
| ·研究背景及意义 | 第14-15页 |
| ·国外研究现状 | 第15-17页 |
| ·国内研究现状 | 第17-18页 |
| ·车辆检测算法综述 | 第18-23页 |
| ·车辆候选区域产生 | 第18-21页 |
| ·车辆候选区域验证 | 第21-23页 |
| ·本文的主要工作 | 第23-24页 |
| ·本文的结构 | 第24-25页 |
| 第2章 预备知识 | 第25-38页 |
| ·颜色空间 | 第25-26页 |
| ·RGB 颜色空间 | 第25页 |
| ·YCrCb 颜色空间 | 第25-26页 |
| ·特征提取 | 第26-29页 |
| ·主成分分析 | 第26-27页 |
| ·Gabor 变换 | 第27-29页 |
| ·支持向量机 | 第29-35页 |
| ·线性可分 | 第30-31页 |
| ·线性不可分 | 第31-33页 |
| ·核函数 | 第33-34页 |
| ·模型选择 | 第34-35页 |
| ·D-S 证据理论 | 第35-37页 |
| ·识别框架 | 第35页 |
| ·基本信任分配函数 | 第35-36页 |
| ·信任函数 | 第36页 |
| ·证据组合规则 | 第36-37页 |
| ·本章小结 | 第37-38页 |
| 第3章 结合 SVM 和 Gabor 参数优化的白天车辆检测 | 第38-48页 |
| ·车辆候选区域产生 | 第38-42页 |
| ·自适应阴影检测 | 第38-40页 |
| ·边缘检测 | 第40-41页 |
| ·ROI 提取 | 第41-42页 |
| ·候选区域特征提取 | 第42-44页 |
| ·PCA 特征 | 第42-43页 |
| ·Gabor 小波特征 | 第43-44页 |
| ·车辆候选区域验证 | 第44-47页 |
| ·SVM 模型选择 | 第44-45页 |
| ·基于小生境遗传算法的 SVM 和 Gabor 参数优化 | 第45-47页 |
| ·车辆假设验证 | 第47页 |
| ·本章小结 | 第47-48页 |
| 第4章 基于 D-S 证据理论的夜间车辆检测 | 第48-56页 |
| ·夜间车辆候选区域产生 | 第48-52页 |
| ·明亮块分割 | 第48-49页 |
| ·形态学处理 | 第49-51页 |
| ·轮廓四邻域偏红度水平 | 第51-52页 |
| ·尾灯聚类算法 | 第52-53页 |
| ·基于 D-S 证据理论的车辆验证 | 第53-55页 |
| ·信任度函数的获取 | 第53-55页 |
| ·车辆假设验证 | 第55页 |
| ·本章小结 | 第55-56页 |
| 第5章 实验原型系统及结果分析 | 第56-67页 |
| ·系统软硬件环境 | 第56页 |
| ·开发环境及工具包 | 第56-57页 |
| ·白天车辆检测实验设计及结果分析 | 第57-63页 |
| ·实验原型系统 | 第58页 |
| ·实验场景 | 第58-60页 |
| ·实验结果及其分析 | 第60-63页 |
| ·夜间车辆检测实验设计及结果分析 | 第63-66页 |
| ·实验原型系统 | 第63-64页 |
| ·实验结果及其分析 | 第64-66页 |
| ·本章小结 | 第66-67页 |
| 结论 | 第67-69页 |
| 参考文献 | 第69-75页 |
| 致谢 | 第75-76页 |
| 附录 A 攻读学位期间所发表的学术论文目录 | 第76页 |