| 摘要 | 第1-7页 |
| ABSTRACT | 第7-10页 |
| 目录 | 第10-13页 |
| 第一章 绪论 | 第13-31页 |
| ·研究背景 | 第13-16页 |
| ·智能交通系统 | 第13-14页 |
| ·车辆辅助驾驶系统 | 第14-16页 |
| ·车辆检测技术 | 第16-24页 |
| ·车辆检测的理论基础 | 第16-18页 |
| ·车辆检测技术研究现状 | 第18-24页 |
| ·目前车辆检测技术所存在的问题 | 第24页 |
| ·课题背景 | 第24-25页 |
| ·论文的主要工作及组织结构 | 第25-31页 |
| ·后方车辆检测所面临的困难 | 第25-27页 |
| ·论文的主要工作 | 第27-28页 |
| ·论文的组织结构 | 第28-31页 |
| 第二章 白天环境下基于车底阴影特征的感兴趣区域分割方法 | 第31-59页 |
| ·相关工作 | 第31-33页 |
| ·白天环境下基于车底阴影特征的感兴趣区域分割方法 | 第33-41页 |
| ·基于车底阴影特征的感兴趣区域分割的基本思想 | 第33-35页 |
| ·基于车底阴影特征的感兴趣区域分割过程 | 第35-41页 |
| ·白天环境下基于车底阴影特征感兴趣区域分割关键问题求解 | 第41-56页 |
| ·基于道路边缘特征的阴影阂值计算 | 第41-45页 |
| ·面向阴影候选生成的基于变化率的边缘提取 | 第45-47页 |
| ·基于3D几何约束的阴影候选聚类 | 第47-52页 |
| ·基于颜色特征的路面投射阴影处理 | 第52-56页 |
| ·本章小结 | 第56-59页 |
| 第三章 白天环境下基于多视觉特征融合的车辆定位技术 | 第59-75页 |
| ·相关工作 | 第59-60页 |
| ·白天环境下基于多视觉特征融合的车辆定位 | 第60-64页 |
| ·白天环境下基于多视觉特征融合的车辆定位基本思想 | 第60-63页 |
| ·白天环境下基于多视觉特征融合的后方车辆定位过程 | 第63-64页 |
| ·基于多视觉特征融合的车辆对称轴定位 | 第64-67页 |
| ·基本思想 | 第64-66页 |
| ·解决方法描述 | 第66-67页 |
| ·基于多视觉特征融合的车辆左右边缘定位 | 第67-70页 |
| ·基本思想 | 第67-69页 |
| ·解决方法描述 | 第69-70页 |
| ·基于多视觉特征融合的车辆上边缘定位 | 第70-74页 |
| ·基本思想 | 第71-72页 |
| ·解决方法描述 | 第72-74页 |
| ·本章小结 | 第74-75页 |
| 第四章 夜晚环境下基于车灯特征的车辆定位技术 | 第75-95页 |
| ·相关工作 | 第75-76页 |
| ·夜晚环境下基于车灯特征的车辆定位 | 第76-79页 |
| ·夜晚环境下基于车灯特征的车辆定位基本思想 | 第76-78页 |
| ·夜晚环境下基于车灯特征的车辆定位过程 | 第78-79页 |
| ·基于单灯特征的单灯识别 | 第79-85页 |
| ·基本思想 | 第79-83页 |
| ·解决方法描述 | 第83-85页 |
| ·基于灯对相似性和可组合性特征的头灯灯对定位 | 第85-94页 |
| ·基本思想 | 第85-92页 |
| ·解决方法描述 | 第92-94页 |
| ·本章小结 | 第94-95页 |
| 第五章 基于知识和特征统计的车辆存在性验证机制 | 第95-119页 |
| ·相关工作 | 第95-97页 |
| ·SVM支持向量机原理 | 第97-104页 |
| ·最优分类超平面 | 第98-101页 |
| ·广义最优分类超平面 | 第101-103页 |
| ·高维空间的最优分类超平面 | 第103-104页 |
| ·支持向量机SVM | 第104页 |
| ·基于知识和特征统计的车辆验证机制 | 第104-107页 |
| ·基于知识和特征统计的车辆验证的基本思想 | 第104-105页 |
| ·基于知识和特征统计的车辆存在性验证过程 | 第105-107页 |
| ·基于Gabor滤波器的车辆特征提取 | 第107-110页 |
| ·基本思想 | 第107-109页 |
| ·解决方法描述 | 第109-110页 |
| ·基于高斯径向核函数的分类器训练 | 第110-114页 |
| ·基本思想 | 第110-113页 |
| ·解决方法描述 | 第113-114页 |
| ·基于多视觉知识的背景过滤 | 第114-117页 |
| ·基本思想 | 第114-115页 |
| ·解决方法描述 | 第115-117页 |
| ·本章小结 | 第117-119页 |
| 第六章 基于多视觉特征融合的后方车辆检测技术的应用与性能评价 | 第119-135页 |
| ·基于多视觉特征融合的后方车辆检测原型系统 | 第119-122页 |
| ·AAC中车辆识别引擎架构 | 第119-121页 |
| ·车辆识别引擎中基于多视觉特征融合的后方车辆检测过程 | 第121-122页 |
| ·基于多视觉特征融合的后方车辆检测性能评价 | 第122-131页 |
| ·评估方法 | 第122-126页 |
| ·评估结果 | 第126-131页 |
| ·基于多视觉特征融合的后方车辆检测结果展示 | 第131-133页 |
| ·本章小结 | 第133-135页 |
| 第七章 结论及展望 | 第135-139页 |
| ·本文的主要贡献 | 第135-137页 |
| ·未来工作展望 | 第137-139页 |
| 参考文献 | 第139-151页 |
| 致谢 | 第151-152页 |
| 攻读博士学位期间的主要成果 | 第152-155页 |
| 发表论文情况 | 第152-153页 |
| 科研情况 | 第153-154页 |
| 获奖情况 | 第154页 |
| 专利情况 | 第154-155页 |
| 作者简介 | 第155页 |
