基于SSD的车辆检测与跟踪算法研究
| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第一章 绪论 | 第8-14页 |
| 1.1 研究背景与意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-12页 |
| 1.2.1 国外研究现状 | 第9-10页 |
| 1.2.2 国内研究现状 | 第10-11页 |
| 1.2.3 技术研究难点 | 第11-12页 |
| 1.3 本文主要研究内容 | 第12-13页 |
| 1.4 论文组织结构 | 第13-14页 |
| 第二章 车辆检测相关技术概述 | 第14-27页 |
| 2.1 传统方法在车辆检测中的应用 | 第14-19页 |
| 2.1.1 传统方法的检测流程 | 第14-15页 |
| 2.1.2 常用的传统的车辆检测方法 | 第15-18页 |
| 2.1.3 传统车辆检测方法存在的问题 | 第18-19页 |
| 2.2 深度学习在车辆检测中的应用 | 第19-26页 |
| 2.2.1 卷积神经网络 | 第19-20页 |
| 2.2.2 车辆检测常用网络介绍 | 第20-26页 |
| 2.3 基于深度学习的方法与传统的车辆检测对比 | 第26页 |
| 2.4 本章小结 | 第26-27页 |
| 第三章 基于多尺度特征图预测的车辆检测算法研究 | 第27-43页 |
| 3.1 引言 | 第27页 |
| 3.2 基于SSD的车辆检测器设计 | 第27-35页 |
| 3.2.1 基于SSD的车辆检测流程设计 | 第27-29页 |
| 3.2.2 基于SSD的车辆检测器网络模型结构 | 第29-31页 |
| 3.2.3 基于SSD的车辆检测器网络训练 | 第31-34页 |
| 3.2.4 非极大值抑制算法 | 第34-35页 |
| 3.3 实验结果及分析 | 第35-42页 |
| 3.3.1 Stanford Cars数据集 | 第35-36页 |
| 3.3.2 车辆检测评价指标 | 第36-38页 |
| 3.3.3 性能评价与分析 | 第38-40页 |
| 3.3.4 真实场景的实验结果 | 第40-42页 |
| 3.4 本章小结 | 第42-43页 |
| 第四章 车辆检测跟踪系统的设计与开发 | 第43-56页 |
| 4.1 引言 | 第43页 |
| 4.2 基于高斯混合背景建模的运动检测模块 | 第43-47页 |
| 4.2.1 高斯混合模型 | 第43-45页 |
| 4.2.2 运动区域提取 | 第45-47页 |
| 4.3 车辆检测模块 | 第47-48页 |
| 4.4 车辆跟踪模块 | 第48-52页 |
| 4.5 车辆检测跟踪系统的实现 | 第52-55页 |
| 4.5.1 系统流程 | 第52-53页 |
| 4.5.2 开发环境介绍及实验结果 | 第53-55页 |
| 4.6 本章小结 | 第55-56页 |
| 第五章 总结与展望 | 第56-58页 |
| 5.1 总结 | 第56页 |
| 5.2 展望 | 第56-58页 |
| 参考文献 | 第58-62页 |
| 致谢 | 第62-63页 |
| 攻读硕士研究生期间参与的科研项目 | 第63页 |
