| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-17页 |
| 1.1 课题的研究背景及意义 | 第9-10页 |
| 1.2 课题的研究发展历史及现状 | 第10-15页 |
| 1.2.1 课题的研究发展历史 | 第10-11页 |
| 1.2.2 车辆检测的研究现状 | 第11-12页 |
| 1.2.3 尾灯检测的研究现状 | 第12-15页 |
| 1.3 论文的研究内容 | 第15页 |
| 1.4 论文的结构安排 | 第15-17页 |
| 第2章 基于FasterR-CNN模型的车辆检测方法及研究 | 第17-29页 |
| 2.1 车辆检测方法的分析及研究 | 第17页 |
| 2.2 FasterR-CNN模型概述 | 第17-19页 |
| 2.3 FasterR-CNN模型构建 | 第19-24页 |
| 2.4 实验结果及分析 | 第24-28页 |
| 2.4.1 实验过程 | 第24-26页 |
| 2.4.2 模型性能分析 | 第26-28页 |
| 2.5 本章小结 | 第28-29页 |
| 第3章 基于动态阈值的尾灯检测及识别方法研究 | 第29-41页 |
| 3.1 颜色空间选择 | 第29-30页 |
| 3.2 感兴趣区域提取及图像预处理 | 第30-33页 |
| 3.2.1 感兴趣区域提取 | 第30-31页 |
| 3.2.2 感兴趣区域图像预处理 | 第31-33页 |
| 3.3 图像特征描述 | 第33-34页 |
| 3.4 尾灯检测 | 第34-35页 |
| 3.5 灯语识别 | 第35-38页 |
| 3.5.1 背景帧与动态阈值的设定 | 第36页 |
| 3.5.2 刹车灯识别算法 | 第36-37页 |
| 3.5.3 转向灯和应急灯识别算法 | 第37-38页 |
| 3.6 实验结果及分析 | 第38-40页 |
| 3.6.1 实验过程 | 第38-39页 |
| 3.6.2 实验结果 | 第39-40页 |
| 3.7 本章小结 | 第40-41页 |
| 第4章 基于直方图特征的尾灯检测及识别方法研究 | 第41-55页 |
| 4.1 颜色空间转换 | 第41-42页 |
| 4.2 尾灯检测 | 第42-45页 |
| 4.2.1 基于梯度直方图的相关性检测 | 第43-44页 |
| 4.2.2 基于位置关系的相关性检测 | 第44页 |
| 4.2.3 基于颜色特征的相关性检测 | 第44-45页 |
| 4.3 灯语识别 | 第45-50页 |
| 4.3.1 直方图特征参数提取 | 第45-46页 |
| 4.3.2 刹车灯识别方法 | 第46-48页 |
| 4.3.3 转向灯识别方法 | 第48-50页 |
| 4.4 实验结果及分析 | 第50-53页 |
| 4.4.1 实验过程 | 第50页 |
| 4.4.2 实验结果 | 第50-52页 |
| 4.4.3 两种尾灯检测及识别方法的对比实验 | 第52-53页 |
| 4.5 结合灯语识别的前车驾驶意图分析 | 第53-54页 |
| 4.6 本章小结 | 第54-55页 |
| 结论 | 第55-57页 |
| 参考文献 | 第57-61页 |
| 攻读硕士学位期间所发表的论文 | 第61-63页 |
| 致谢 | 第63页 |