基于视频图像的车辆检测算法研究
| 摘要 | 第1-4页 |
| abstract | 第4-8页 |
| 第1章 绪论 | 第8-15页 |
| ·研究背景及应用 | 第8-9页 |
| ·车辆检测算法综述 | 第9-13页 |
| ·特征分类检测算法综述 | 第9-11页 |
| ·背景减除检测算法综述 | 第11-13页 |
| ·论文主要研究内容 | 第13页 |
| ·论文章节安排 | 第13-15页 |
| 第2章 特征分类的车辆检测算法理论 | 第15-28页 |
| ·车辆图像特征描述 | 第15-22页 |
| ·梯度特征基础 | 第15-17页 |
| ·Sift特征 | 第17-19页 |
| ·HOG特征 | 第19-22页 |
| ·车辆检测分类器理论 | 第22-27页 |
| ·SVM分类算法 | 第22-25页 |
| ·AdaBoost提升算法 | 第25-27页 |
| ·本章小结 | 第27-28页 |
| 第3章 基于多特征级联分类的车辆检测算法 | 第28-42页 |
| ·算法提出背景 | 第28页 |
| ·基于HOG-Haar级联分类的车辆检测算法 | 第28-35页 |
| ·HOG-Haar特征计算 | 第28-32页 |
| ·HOG-Haar特征分类器 | 第32-33页 |
| ·级联分类器设计 | 第33-35页 |
| ·算法实验与性能分析 | 第35-41页 |
| ·本章小结 | 第41-42页 |
| 第4章 背景减除的车辆检测算法理论 | 第42-49页 |
| ·背景减除检测的基础 | 第42-43页 |
| ·背景减除的定义 | 第42-43页 |
| ·背景减除面临的挑战 | 第43页 |
| ·背景减除检测算法的理论分析 | 第43-48页 |
| ·混合高斯背景减除 | 第43-44页 |
| ·核密度估计背景减除 | 第44-45页 |
| ·基于LBP纹理特征的背景减除 | 第45-47页 |
| ·ViBe背景减除 | 第47-48页 |
| ·本章小结 | 第48-49页 |
| 第5章 基于LSITP与ViBe的车辆检测算法 | 第49-60页 |
| ·算法提出背景 | 第49页 |
| ·局部不变模型描述 | 第49-52页 |
| ·基于LSITP与ViBe的车辆检测算法 | 第52-54页 |
| ·算法实验与性能分析 | 第54-59页 |
| ·本章小结 | 第59-60页 |
| 第6章 结论与展望 | 第60-62页 |
| 致谢 | 第62-63页 |
| 参考文献 | 第63-66页 |
| 攻读学位期间的研究成果 | 第66页 |
