| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.2.1 基于车载视频的行人和骑行者检测研究现状 | 第12-13页 |
| 1.2.2 基于计算机视觉的测距研究现状 | 第13-14页 |
| 1.2.3 前方防碰撞预警系统的研究现状 | 第14-15页 |
| 1.3 本文研究内容及目的 | 第15-17页 |
| 第二章 基于深度学习的目标检测及跟踪算法 | 第17-33页 |
| 2.1 引言 | 第17页 |
| 2.2 YOLOV2网络结构及改进 | 第17-22页 |
| 2.2.1 YOLOv2网络结构 | 第17-19页 |
| 2.2.2 基于YOLOv2的改进网络YOLO-R | 第19-22页 |
| 2.3 网络模型训练 | 第22-26页 |
| 2.3.1 模型训练中的关键技术 | 第22-24页 |
| 2.3.2 模型训练过程 | 第24-26页 |
| 2.4 目标检测 | 第26-28页 |
| 2.4.1 目标检测过程 | 第26-27页 |
| 2.4.2 行人及骑行者分类 | 第27-28页 |
| 2.5 多目标跟踪 | 第28-32页 |
| 2.5.1 Kalman滤波基本原理 | 第28-29页 |
| 2.5.2 Kalman滤波的参数设置 | 第29-31页 |
| 2.5.3 基于Kalman滤波的多目标跟踪 | 第31-32页 |
| 2.6 本章小结 | 第32-33页 |
| 第三章 基于逆透视变换和数据回归建模的单目测距算法 | 第33-47页 |
| 3.1 引言 | 第33-34页 |
| 3.2 摄像头内参数确定 | 第34-37页 |
| 3.2.1 摄像头模型 | 第34-35页 |
| 3.2.2 摄像头标定 | 第35-37页 |
| 3.3 摄像头俯仰角计算 | 第37-41页 |
| 3.3.1 俯仰角对测距影响分析 | 第37-38页 |
| 3.3.2 基于道路消失点的俯仰角计算 | 第38-41页 |
| 3.4 基于逆透视变换和数据回归建模的相对距离估计 | 第41-46页 |
| 3.4.1 逆透视变换原理 | 第41-44页 |
| 3.4.2 相对距离估计 | 第44-46页 |
| 3.5 本章小结 | 第46-47页 |
| 第四章 前方防碰撞预警系统 | 第47-58页 |
| 4.1 引言 | 第47页 |
| 4.2 预警系统的激活 | 第47-50页 |
| 4.2.1 制动距离估计 | 第47-48页 |
| 4.2.2 预警激活区域设定 | 第48-50页 |
| 4.3 模糊预警算法 | 第50-57页 |
| 4.3.1 模糊综合评价法 | 第50-52页 |
| 4.3.2 预警指标计算及模糊化 | 第52-55页 |
| 4.3.3 模糊预警过程 | 第55-57页 |
| 4.4 本章小结 | 第57-58页 |
| 第五章 系统搭建与实验验证 | 第58-74页 |
| 5.1 系统硬件平台 | 第58-60页 |
| 5.2 软件整体架构 | 第60-64页 |
| 5.2.1 消失点检测及目标检测跟踪算法实现 | 第60-63页 |
| 5.2.2 相对距离检测及预警算法实现 | 第63-64页 |
| 5.3 实验结果分析 | 第64-72页 |
| 5.3.1 前方目标检测实验及结果分析 | 第64-67页 |
| 5.3.2 测距实验及结果分析 | 第67-70页 |
| 5.3.3 预警实验及结果分析 | 第70-72页 |
| 5.4 本章小结 | 第72-74页 |
| 第六章 总结与展望 | 第74-76页 |
| 6.1 全文总结 | 第74-75页 |
| 6.2 研究展望 | 第75-76页 |
| 参考文献 | 第76-79页 |
| 致谢 | 第79-80页 |
| 在学期间发表的学术论文及其他科研成果 | 第80页 |
