摘要 | 第5-6页 |
Abstract | 第6-7页 |
第一章 绪论 | 第12-20页 |
1.1 课题研究背景及意义 | 第12页 |
1.2 智能交通系统 | 第12-13页 |
1.3 单目视频中车型识别相关技术的研究现状 | 第13-16页 |
1.3.1 摄像机标定 | 第15页 |
1.3.2 多变量相关的连续域分布估计算法现状 | 第15-16页 |
1.3.3 依据车脸特征进行车型识别 | 第16页 |
1.4 课题主要研究内容与组织结构安排 | 第16-18页 |
1.4.1 论文主要内容 | 第16-17页 |
1.4.2 论文章节安排 | 第17-18页 |
1.5 课题来源与名词约定 | 第18-20页 |
第二章 标准车型特征模型库 | 第20-26页 |
2.1 标准车型特征模型库设计 | 第20-23页 |
2.2 标准车型特征模型库特征分类入库 | 第23-25页 |
2.2.1 原始物理特征类 | 第23-24页 |
2.2.2 图片特征类 | 第24-25页 |
2.2.3 结构特征类 | 第25页 |
2.3 本章小结 | 第25-26页 |
第三章 单目摄像机标定 | 第26-40页 |
3.1 摄像机标定涉及到的坐标系 | 第26-27页 |
3.2 张正友摄像机标定算法 | 第27-29页 |
3.3 基于车道线角点的摄像机标定算法 | 第29-38页 |
3.3.1 从道路背景图像上提取出车道线角点 | 第29-32页 |
3.3.2 程序配置文件及实验结果分析 | 第32-38页 |
3.4 本章小结 | 第38-40页 |
第四章 单目视频中车辆三维几何特征提取及车型识别 | 第40-74页 |
4.1 车辆三维模型的建立 | 第40-45页 |
4.1.1 车辆三维模型参数的选择 | 第40-41页 |
4.1.2 三维模型中顶点坐标的计算 | 第41-45页 |
4.1.3 车辆三维模型参数初始化 | 第45页 |
4.2 三维模型投影到图像平面 | 第45-47页 |
4.2.1 三维模型投影到图像平面的数学原理推导 | 第45-46页 |
4.2.2 三维模型投影到图像平面的实验效果 | 第46-47页 |
4.3 三维模型投影与车辆对象的匹配度评价函数 | 第47-51页 |
4.3.1 基于贝叶斯最小错误分类器的评价函数 | 第47-50页 |
4.3.2 基于图像梯度的评价函数 | 第50-51页 |
4.4 分布估计算法 | 第51-55页 |
4.5 利用分布估计算法对车辆三维模型参数进行整体寻优 | 第55-67页 |
4.5.1 种群个体的适应度评价 | 第55页 |
4.5.2 AMaLGaM算法流程 | 第55-58页 |
4.5.3 多元高斯概率分布 | 第58页 |
4.5.4 最大似然估计 | 第58页 |
4.5.5 随机采样 | 第58-60页 |
4.5.6 自适应方差缩放 | 第60-61页 |
4.5.7 标准离差率 | 第61-62页 |
4.5.8 预期均值漂移 | 第62页 |
4.5.9 AMaLGaM | 第62-63页 |
4.5.10 (i)AMaLGaM | 第63页 |
4.5.11 实验及结果分析 | 第63-67页 |
4.6 车辆厢型判断 | 第67-68页 |
4.7 利用车辆对象三维几何特征进行车型识别 | 第68-73页 |
4.7.1 Kmeans算法 | 第68-69页 |
4.7.2 采用Kmeans算法进行车型识别 | 第69-73页 |
4.8 本章小结 | 第73-74页 |
第五章 车脸特征提取及识别 | 第74-92页 |
5.1 车脸定位原理及改进 | 第74-77页 |
5.1.1 Adaboost算法原理 | 第74-75页 |
5.1.2 Adaboost车脸定位方法 | 第75-76页 |
5.1.3 定位方法的改进 | 第76-77页 |
5.2 车脸特征提取及识别效果 | 第77-90页 |
5.2.1 EigenFaces提取及识别 | 第78-82页 |
5.2.2 FisherFaces提取及识别 | 第82-87页 |
5.2.3 Extended LBP特征提取及识别 | 第87-90页 |
5.3 本章小结 | 第90-92页 |
第六章 总结与展望 | 第92-94页 |
致谢 | 第94-96页 |
参考文献 | 第96-102页 |
附录A 攻读硕士期间发表论文与申请软件著作权 | 第102-104页 |
附录B 攻读硕士期间参与项目 | 第104页 |