| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-18页 |
| ·课题背景 | 第10-12页 |
| ·智能交通系统(ITS) | 第10-11页 |
| ·辅助驾驶系统(DAS) | 第11-12页 |
| ·车辆检测的发展现状和存在问题 | 第12-16页 |
| ·国外的发展现状 | 第12-14页 |
| ·国内的发展现状 | 第14-15页 |
| ·目前研究存在的问题 | 第15-16页 |
| ·本课题的目的和意义 | 第16页 |
| ·本文的主要工作 | 第16-18页 |
| ·研究内容 | 第16-17页 |
| ·本文的组织 | 第17-18页 |
| 第2章 车辆检测技术 | 第18-30页 |
| ·车辆检测的理论基础 | 第18-22页 |
| ·数字图像处理 | 第18-21页 |
| ·模式识别 | 第21-22页 |
| ·计算机视觉 | 第22页 |
| ·摄像机镜头选择 | 第22-23页 |
| ·常规镜头 | 第22-23页 |
| ·鱼眼镜头 | 第23页 |
| ·车辆检测算法概述 | 第23-28页 |
| ·常用车辆检测方法 | 第24页 |
| ·车辆存在假设 | 第24-27页 |
| ·车辆存在验证 | 第27-28页 |
| ·车辆检测系统描述 | 第28-29页 |
| ·本章小结 | 第29-30页 |
| 第3章 基于鱼眼图像的车辆分割和定位算法的研究与实现 | 第30-58页 |
| ·鱼眼图像校正算法 | 第30-43页 |
| ·相机成像模型 | 第30-34页 |
| ·鱼眼图像的成像原理 | 第34-35页 |
| ·鱼眼图像校正的基本原理 | 第35-37页 |
| ·鱼眼图像校正算法研究 | 第37-42页 |
| ·鱼眼图像校正算法小结 | 第42-43页 |
| ·车辆分割和定位算法的研究与实现 | 第43-57页 |
| ·基于阴影的车辆分割算法研究与实现 | 第43-46页 |
| ·属于多特征融合的车辆定位算法研究与实现 | 第46-56页 |
| ·车辆分割和定位算法小结 | 第56-57页 |
| ·本章小结 | 第57-58页 |
| 第4章 基于ADABOOST车辆识别算法研究与实现 | 第58-68页 |
| ·集成机器学习 | 第58-59页 |
| ·弱分类器 | 第58页 |
| ·集成方法 | 第58-59页 |
| ·AdaBoost算法 | 第59-60页 |
| ·弱分类器构造 | 第60-66页 |
| ·类Haar特征提取 | 第60-65页 |
| ·弱分类器的形式 | 第65页 |
| ·改进的弱分类器生成算法 | 第65-66页 |
| ·算法实现 | 第66-67页 |
| ·本章小结 | 第67-68页 |
| 第5章 算法评估 | 第68-72页 |
| ·评估方法 | 第68页 |
| ·AdaBoost算法实验评估 | 第68-70页 |
| ·实验数据来源 | 第68-69页 |
| ·实验结果及分析 | 第69-70页 |
| ·系统评估 | 第70-71页 |
| ·实验数据来源 | 第70页 |
| ·实验结果及分析 | 第70-71页 |
| ·本章小结 | 第71-72页 |
| 第6章 总结与展望 | 第72-74页 |
| ·本文的主要工作 | 第72页 |
| ·进一步的工作 | 第72-73页 |
| ·展望 | 第73-74页 |
| 参考文献 | 第74-78页 |
| 致谢 | 第78页 |