| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-22页 |
| 1.1 研究背景和意义 | 第10-12页 |
| 1.2 国内外研究现状 | 第12-18页 |
| 1.2.1 车辆检测算法 | 第13-15页 |
| 1.2.2 车辆跟踪算法 | 第15-16页 |
| 1.2.3 车辆测距算法 | 第16-18页 |
| 1.3 论文的主要工作及组织结构 | 第18-22页 |
| 1.3.1 盲区车辆检测所面临的问题 | 第18-19页 |
| 1.3.2 论文的主要工作 | 第19-20页 |
| 1.3.3 论文的组织结构 | 第20-22页 |
| 第2章 盲区车辆检测算法 | 第22-42页 |
| 2.1 引言 | 第22-23页 |
| 2.2 基本原理 | 第23-28页 |
| 2.2.1 Haar-like特征 | 第23-26页 |
| 2.2.2 经典AdaBoost算法训练过程 | 第26-28页 |
| 2.3 基于改进AdaBoost算法的盲区车辆检测 | 第28-33页 |
| 2.3.1 ROI区域确定 | 第29-30页 |
| 2.3.2 提取盲区车辆特征 | 第30-31页 |
| 2.3.3 并行训练多个弱分类器 | 第31-32页 |
| 2.3.4 盲区车辆检测结果后处理融合 | 第32-33页 |
| 2.4 实验研究与结果分析 | 第33-40页 |
| 2.4.1 实验数据来源 | 第33-34页 |
| 2.4.2 CAdaBoost参数选择 | 第34-36页 |
| 2.4.3 多种分类器对比研究 | 第36-39页 |
| 2.4.4 多种盲区车辆检测方法的对比 | 第39-40页 |
| 2.5 本章小结 | 第40-42页 |
| 第3章 盲区车辆跟踪算法 | 第42-64页 |
| 3.1 引言 | 第42-43页 |
| 3.2 基于相关滤波的跟踪方法基本原理 | 第43-47页 |
| 3.2.1 相关滤波基本原理 | 第43-44页 |
| 3.2.2 快速傅立叶变换 | 第44-45页 |
| 3.2.3 循环卷积定理 | 第45-47页 |
| 3.3 相关滤波在目标跟踪领域的应用 | 第47-53页 |
| 3.3.1 MOSSE目标跟踪算法 | 第47-50页 |
| 3.3.2 KCF跟踪算法 | 第50-53页 |
| 3.4 多尺度自适应核相关滤波跟踪算法 | 第53-57页 |
| 3.4.1 多尺度自适应方法 | 第54-57页 |
| 3.4.2 模型更新方法 | 第57页 |
| 3.5 实验研究与结果分析 | 第57-63页 |
| 3.5.1 实验数据来源 | 第57-58页 |
| 3.5.2 评价标准 | 第58-59页 |
| 3.5.3 多种跟踪算法对比研究 | 第59-62页 |
| 3.5.4 多种盲区车辆跟踪算法的对比 | 第62-63页 |
| 3.6 本章小结 | 第63-64页 |
| 第4章 单目盲区车辆测距算法 | 第64-76页 |
| 4.1 引言 | 第64-65页 |
| 4.2 单目盲区车辆测距原理 | 第65-71页 |
| 4.2.1 单目测距模型 | 第65-66页 |
| 4.2.2 图像坐标变换 | 第66-69页 |
| 4.2.3 摄像机标定和畸变校正 | 第69-70页 |
| 4.2.4 计算盲区车辆的距离 | 第70-71页 |
| 4.3 实验研究与结果分析 | 第71-74页 |
| 4.3.1 摄像机标定 | 第71-74页 |
| 4.3.2 单目测距实验结果分析 | 第74页 |
| 4.4 本章小结 | 第74-76页 |
| 结论 | 第76-80页 |
| 参考文献 | 第80-88页 |
| 读硕士学位期间发表的学术论文 | 第88-90页 |
| 致谢 | 第90页 |