| 摘要 | 第1-4页 |
| Abstract | 第4-6页 |
| 目录 | 第6-8页 |
| 第一章 绪论 | 第8-16页 |
| ·研究背景 | 第8-13页 |
| ·智能交通系统简述 | 第9-10页 |
| ·车辆分类简述 | 第10-13页 |
| ·国内外研究现状 | 第13页 |
| ·论文的主要工作 | 第13-14页 |
| ·论文的创新 | 第14-16页 |
| 第二章 基于支持向量机的车辆分类器 | 第16-28页 |
| ·统计学习理论 | 第16-20页 |
| ·经验风险最小化 | 第16-17页 |
| ·VC维 | 第17-18页 |
| ·推广的界 | 第18-19页 |
| ·结构风险最小化 | 第19-20页 |
| ·支持向量机 | 第20-25页 |
| ·广义线性最优分类面 | 第21-23页 |
| ·核函数 | 第23-24页 |
| ·多类分类构造算法 | 第24-25页 |
| ·分类器的构造 | 第25-26页 |
| ·小结 | 第26-28页 |
| 第三章 特征提取 | 第28-38页 |
| ·从视频中获得原图像 | 第28-29页 |
| ·去除噪声 | 第29-32页 |
| ·邻域平均法 | 第29-30页 |
| ·多幅图像平均法 | 第30-31页 |
| ·空间域低通滤波法 | 第31页 |
| ·中值滤波法 | 第31-32页 |
| ·角点检测 | 第32-34页 |
| ·Harris角点检测算法 | 第32-33页 |
| ·改进的Harris算法 | 第33-34页 |
| ·角点的特征 | 第34-36页 |
| ·"触角"特征 | 第34-35页 |
| ·"耳朵"特征 | 第35-36页 |
| ·车身和车长的计算 | 第36-37页 |
| ·小结 | 第37-38页 |
| 第四章 测试与实验结果分析 | 第38-44页 |
| ·建立模型 | 第38-39页 |
| ·模型的框架 | 第38-39页 |
| ·模型的实现 | 第39页 |
| ·实验框架 | 第39-41页 |
| ·实验测试 | 第41页 |
| ·实验结果 | 第41-43页 |
| ·小结 | 第43-44页 |
| 第五章 总结与展望 | 第44-47页 |
| ·工作总结 | 第44-45页 |
| ·存在问题与展望 | 第45-47页 |
| 参考文献 | 第47-50页 |
| 附录1 攻读硕士学位期间参与的研究课题及完成的论文 | 第50-51页 |
| 致谢 | 第51页 |