| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-15页 |
| 1.1 研究背景及研究意义 | 第9-10页 |
| 1.2 车辆检测相关技术 | 第10-12页 |
| 1.3 国内外研究现状及应用 | 第12-14页 |
| 1.4 本文创新点与结构框架 | 第14-15页 |
| 2 本文算法相关理论介绍 | 第15-21页 |
| 2.1 特征提取 | 第15-16页 |
| 2.1.1 直方图特征 | 第15-16页 |
| 2.1.2 颜色特征 | 第16页 |
| 2.2 支持向量机(SVM) | 第16-17页 |
| 2.3 图像匹配方法 | 第17-20页 |
| 2.4 本章小结 | 第20-21页 |
| 3 基于SVM与特征提取的视频图像救护车检测算法 | 第21-37页 |
| 3.1 引言 | 第21页 |
| 3.2 建立车辆库 | 第21-22页 |
| 3.3 救护车的特征提取 | 第22-29页 |
| 3.3.1 提取HOG特征 | 第22-25页 |
| 3.3.2 提取颜色特征 | 第25-29页 |
| 3.4 基于SVM分类器的救护车车型识别 | 第29-30页 |
| 3.5 基于模版匹配的救护车红十字标志匹配 | 第30-33页 |
| 3.6 算法实现步骤 | 第33页 |
| 3.7 实验结果分析 | 第33-36页 |
| 3.8 本章小结 | 第36-37页 |
| 4 基于稀疏表示与轮廓特征的视频图像救护车检测算法 | 第37-45页 |
| 4.1 引言 | 第37页 |
| 4.2 稀疏表示 | 第37-38页 |
| 4.3 基于稀疏表示与轮廓特征的救护车检测算法流程 | 第38-42页 |
| 4.3.1 K-SVD字典训练 | 第38页 |
| 4.3.2 救护车颜色检测算法 | 第38-41页 |
| 4.3.3 算法实现步骤 | 第41-42页 |
| 4.4 实验结果分析 | 第42-44页 |
| 4.5 总结 | 第44-45页 |
| 5 基于SVM与特征提取的视频图像救护车检测软件实现 | 第45-48页 |
| 5.1 软件环境及工作流程介绍 | 第45-47页 |
| 5.2 本章总结 | 第47-48页 |
| 6 归纳与总结 | 第48-50页 |
| 6.1 本文工作总结 | 第48页 |
| 6.2 展望 | 第48-50页 |
| 参考文献 | 第50-53页 |
| 攻读硕士学位期间发表学术论文情况 | 第53-54页 |
| 致谢 | 第54页 |
