基于多特征的前方车辆检测与跟踪方法研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第一章 绪论 | 第10-20页 |
| ·课题的研究背景及意义 | 第10-11页 |
| ·车辆检测技术的研究与应用现状 | 第11-13页 |
| ·国外研究现状 | 第11-12页 |
| ·国内研究现状 | 第12-13页 |
| ·基于视觉的车辆检测算法概述 | 第13-18页 |
| ·车辆检测算法的组成 | 第13-14页 |
| ·车辆检测方法分类 | 第14-16页 |
| ·车辆跟踪方法分类 | 第16-18页 |
| ·本文的研究内容与结构 | 第18-20页 |
| ·本文的研究内容 | 第18-19页 |
| ·论文的结构 | 第19-20页 |
| 第二章 视频图像预处理 | 第20-27页 |
| ·视频图像的获取 | 第20-22页 |
| ·图像灰度化 | 第22-23页 |
| ·图像平滑去噪 | 第23-26页 |
| ·邻域平均法 | 第23-24页 |
| ·中值滤波法 | 第24-25页 |
| ·高斯滤波法 | 第25-26页 |
| ·本章小结 | 第26-27页 |
| 第三章 车辆感兴趣区域的确定 | 第27-34页 |
| ·路面有效区域划定 | 第27-28页 |
| ·结合梯度与灰度特征的车底部阴影检测 | 第28-32页 |
| ·车辆底部阴影特征分析 | 第28-29页 |
| ·路面灰度范围确定 | 第29-30页 |
| ·车辆底部阴影检测 | 第30-32页 |
| ·确定感兴趣区域 | 第32页 |
| ·本章小结 | 第32-34页 |
| 第四章 基于多特征融合的车辆检测 | 第34-51页 |
| ·车辆目标特征分析 | 第34-36页 |
| ·纹理特征 | 第34-35页 |
| ·形状特征 | 第35页 |
| ·对称性特征 | 第35-36页 |
| ·多特征信息提取与融合 | 第36-46页 |
| ·纹理特征提取 | 第36-39页 |
| ·形状特征提取 | 第39-42页 |
| ·边缘对称性特征提取 | 第42-43页 |
| ·基于方差测度的多特征信息融合判定 | 第43-46页 |
| ·车辆区域定位 | 第46-49页 |
| ·车辆检测流程 | 第49-50页 |
| ·本章小结 | 第50-51页 |
| 第五章 基于卡尔曼滤波的前方车辆跟踪 | 第51-64页 |
| ·卡尔曼滤波原理 | 第51-53页 |
| ·基于卡尔曼滤波的车辆跟踪 | 第53-61页 |
| ·车辆跟踪模型 | 第53-55页 |
| ·车辆跟踪的实现 | 第55-61页 |
| ·多车辆目标的跟踪策略 | 第61页 |
| ·跟踪效果分析 | 第61-63页 |
| ·本章小结 | 第63-64页 |
| 第六章 系统的设计与实现 | 第64-78页 |
| ·面向对象与UML模型 | 第64-66页 |
| ·原型系统的实现 | 第66-74页 |
| ·系统软硬件环境 | 第66页 |
| ·系统结构功能 | 第66-69页 |
| ·关键类设计 | 第69-74页 |
| ·实验结果与分析 | 第74-77页 |
| ·本章小结 | 第77-78页 |
| 第七章 总结与展望 | 第78-80页 |
| ·总结 | 第78页 |
| ·展望 | 第78-80页 |
| 参考文献 | 第80-83页 |
| 致谢 | 第83-84页 |
| 研究生期间已发表的论文 | 第84页 |
