| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第一章 绪论 | 第9-15页 |
| ·两轮车辆检测的背景和意义 | 第9页 |
| ·智能交通发展趋势和国内外研究综述 | 第9-12页 |
| ·智能交通监控系统的发展现状 | 第9-10页 |
| ·智能交通检测系统的发展趋势 | 第10-11页 |
| ·国内外研究方法综述 | 第11-12页 |
| ·本文研究内容的意义和方法 | 第12-14页 |
| ·主要研究的内容 | 第12页 |
| ·两轮车检测的意义 | 第12-13页 |
| ·主要研究方法 | 第13-14页 |
| ·论文章节概述 | 第14-15页 |
| 第二章 车辆检测技术研究 | 第15-19页 |
| ·传统的车辆检测技术 | 第15-16页 |
| ·雷达声波检测系统 | 第15页 |
| ·红外声学检测系统 | 第15-16页 |
| ·地磁环形线圈检测器 | 第16页 |
| ·常用检测算法 | 第16-18页 |
| ·光流法车辆检测 | 第16-17页 |
| ·基于模板匹配的车辆检测 | 第17页 |
| ·基于机器学习的车辆检测 | 第17-18页 |
| ·基于视频的车辆检测 | 第18页 |
| ·本章小结 | 第18-19页 |
| 第三章 基于组合前景提取的混合交通两轮车辆视频检测 | 第19-37页 |
| ·组合法前景提取 | 第19-31页 |
| ·图像噪声处理 | 第20-21页 |
| ·帧间差分法 | 第21-24页 |
| ·背景建模法 | 第24-30页 |
| ·前景提取 | 第30-31页 |
| ·基于模板匹配的两轮车辆检测 | 第31-33页 |
| ·模板匹配方法 | 第31页 |
| ·模板的生成 | 第31-32页 |
| ·模板匹配法两轮车检测 | 第32-33页 |
| ·两轮车车流量检测 | 第33-36页 |
| ·面积法车辆计数 | 第34页 |
| ·绊线法车流量统计 | 第34-35页 |
| ·质心位置分析两轮车辆计数 | 第35-36页 |
| ·本章小结 | 第36-37页 |
| 第四章 基于AdaBoost算法的两轮车辆检测 | 第37-60页 |
| ·AdaBoost方法 | 第37-46页 |
| ·BootStrap方法 | 第38页 |
| ·Bagging方法 | 第38-39页 |
| ·AdaBoost方法及分类示例 | 第39-46页 |
| ·HAAR特征分析 | 第46-49页 |
| ·梯度方向直方图（HOG） | 第49-50页 |
| ·局部二值模式（LBP） | 第50-53页 |
| ·基本LBP特征 | 第51页 |
| ·等价模式类 | 第51-53页 |
| ·初步检测 | 第53-55页 |
| ·连通域处理 | 第53-54页 |
| ·形状特征计算 | 第54页 |
| ·预检测 | 第54-55页 |
| ·样本选择以及分类器的训练 | 第55-58页 |
| ·样本的选择及处理 | 第55-56页 |
| ·分类器的训练 | 第56-58页 |
| ·两轮车的在线检测 | 第58-59页 |
| ·本章小结 | 第59-60页 |
| 第五章 总结与展望 | 第60-61页 |
| 参考文献 | 第61-65页 |
| 攻读学位期间的研究成果 | 第65-66页 |
| 致谢 | 第66-67页 |