行车安全自动检测关键技术研究与实现
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第11-18页 |
| 1.1 研究工作的背景与意义 | 第11页 |
| 1.2 行车安全自动检测技术研究历史与现状 | 第11-15页 |
| 1.2.1 车辆检测与跟踪技术研究历史与现状 | 第11-12页 |
| 1.2.2 车道线识别与定位技术研究历史及现状 | 第12-15页 |
| 1.3 本文研究的内容及创新点 | 第15-16页 |
| 1.3.1 本文研究的主要内容 | 第15页 |
| 1.3.2 本文的创新点 | 第15-16页 |
| 1.4 本论文的结构安排 | 第16-18页 |
| 第二章 基于串联AdaBoost车辆目标检测 | 第18-38页 |
| 2.1 车辆目标检测方法综述 | 第18-23页 |
| 2.1.1 帧差法 | 第18-19页 |
| 2.1.2 背景差法 | 第19-20页 |
| 2.1.3 光流场法 | 第20-21页 |
| 2.1.4 模板匹配法 | 第21-23页 |
| 2.2 哈尔特征 | 第23-27页 |
| 2.2.1 哈尔特征简介 | 第23-25页 |
| 2.2.2 哈尔特征选取 | 第25-26页 |
| 2.2.3 哈尔特征计算 | 第26-27页 |
| 2.3 串联AdaBoost算法 | 第27-31页 |
| 2.3.1 弱分类器 | 第28页 |
| 2.3.2 强分类器 | 第28-30页 |
| 2.3.3 串联强分类器 | 第30-31页 |
| 2.4 算法设计与实现 | 第31-35页 |
| 2.4.1 创建训练样本图像集 | 第31-33页 |
| 2.4.2 训练串联强分类器 | 第33-34页 |
| 2.4.3 算法整体工作流程 | 第34-35页 |
| 2.5 实验及结果分析 | 第35-37页 |
| 2.6 本章小结 | 第37-38页 |
| 第三章 基于MCMC粒子滤波车辆目标跟踪 | 第38-57页 |
| 3.1 车辆目标跟踪算法综述 | 第38-43页 |
| 3.1.1 区域跟踪法 | 第38-39页 |
| 3.1.2 特征跟踪法 | 第39-40页 |
| 3.1.3 活动轮廓跟踪法 | 第40-41页 |
| 3.1.4 运动估计跟踪法 | 第41-43页 |
| 3.2 基于MCMC粒子滤波跟踪算法 | 第43-48页 |
| 3.2.1 MCMC算法介绍 | 第43-45页 |
| 3.2.1.1 MCMC算法基本思路 | 第43页 |
| 3.2.1.2 MCMC算法分类 | 第43-45页 |
| 3.2.2 粒子滤波算法 | 第45-47页 |
| 3.2.2.1 序贯重要性采样 | 第45-46页 |
| 3.2.2.2 采样重要性重采样 | 第46-47页 |
| 3.2.3 基于MCMC粒子滤波跟踪算法流程 | 第47-48页 |
| 3.3 算法设计与实现 | 第48-54页 |
| 3.3.1 确定运动模型 | 第48-49页 |
| 3.3.2 获取初始状态 | 第49页 |
| 3.3.3 状态转移过程 | 第49-50页 |
| 3.3.4 权值更新过程 | 第50页 |
| 3.3.5 获取即时状态 | 第50页 |
| 3.3.6 重采样过程 | 第50-51页 |
| 3.3.7 整合与移除过程 | 第51-52页 |
| 3.3.8 算法整体框架及工作流程 | 第52-54页 |
| 3.4 实验及结果分析 | 第54-56页 |
| 3.5 本章小结 | 第56-57页 |
| 第四章 车道线识别与定位 | 第57-81页 |
| 4.1 预备知识 | 第57-65页 |
| 4.1.1 图像颜色模型 | 第57-60页 |
| 4.1.1.1 XYZ标准颜色模型 | 第57-58页 |
| 4.1.1.2 RGB颜色模型 | 第58-60页 |
| 4.1.2 图像增强技术 | 第60-65页 |
| 4.1.2.1 灰度变换法 | 第61-63页 |
| 4.1.2.2 图像平滑法 | 第63-65页 |
| 4.2 霍夫变换 | 第65-69页 |
| 4.2.1 霍夫变换基本原理 | 第65-67页 |
| 4.2.2 霍夫变换操作流程 | 第67-69页 |
| 4.3 算法设计与实现 | 第69-77页 |
| 4.3.1 车道线模型及定位原理 | 第69-71页 |
| 4.3.2 道路图像灰度化 | 第71页 |
| 4.3.3 图像去噪 | 第71-72页 |
| 4.3.4 边缘检测 | 第72-74页 |
| 4.3.5 确定感兴趣区域 | 第74-75页 |
| 4.3.6 霍夫变换检测直线 | 第75页 |
| 4.3.7 算法整体框架及工作流程 | 第75-77页 |
| 4.4 实验及结果分析 | 第77-80页 |
| 4.5 本章小结 | 第80-81页 |
| 第五章 全文总结与展望 | 第81-83页 |
| 5.1 全文总结 | 第81页 |
| 5.2 后续工作展望 | 第81-83页 |
| 致谢 | 第83-84页 |
| 参考文献 | 第84-87页 |
