基于视觉的车辆检测算法研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 目录 | 第8-10页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 研究背景 | 第10-13页 |
| 1.1.1 智能交通系统(ITS) | 第10-12页 |
| 1.1.2 辅助驾驶系统(DAS) | 第12-13页 |
| 1.2 研究现状 | 第13-16页 |
| 1.2.1 国外研究现状 | 第14-16页 |
| 1.2.2 国内研究现状 | 第16页 |
| 1.3 本文主要内容及安排 | 第16-18页 |
| 第2章 车辆检测 | 第18-24页 |
| 2.1 车辆检测理论基础 | 第18-20页 |
| 2.1.1 图像处理 | 第18页 |
| 2.1.2 计算机视觉 | 第18-19页 |
| 2.1.3 模式识别 | 第19-20页 |
| 2.1.4 视觉传感器 | 第20页 |
| 2.2 车辆检测算法综述 | 第20-23页 |
| 2.2.1 假设生成 | 第21-22页 |
| 2.2.2 假设验证 | 第22-23页 |
| 2.3 车辆检测难点 | 第23页 |
| 2.4 本章小结 | 第23-24页 |
| 第3章 日间恶劣环境下车辆检测算法研究 | 第24-44页 |
| 3.1 算法简要描述 | 第24页 |
| 3.2 车辆假设生成 | 第24-30页 |
| 3.2.1 消失线定位 | 第25-29页 |
| 3.2.2 候选区域生成 | 第29-30页 |
| 3.3 车辆假设验证 | 第30-40页 |
| 3.3.1 图像标准差 | 第31页 |
| 3.3.2 AdaBoost级联分类器 | 第31-39页 |
| 3.3.3 图像水平梯度和 | 第39-40页 |
| 3.4 实验结果与分析 | 第40-43页 |
| 3.4.1 测试样本 | 第40-41页 |
| 3.4.2 测试结果 | 第41-42页 |
| 3.4.3 错误结果分析 | 第42-43页 |
| 3.5 本章小结 | 第43-44页 |
| 第4章 夜间环境下车辆检测算法研究 | 第44-52页 |
| 4.1 算法简要描述 | 第44-45页 |
| 4.2 车灯提取与配对 | 第45-46页 |
| 4.2.1 车灯提取 | 第45页 |
| 4.2.2 车灯配对 | 第45-46页 |
| 4.3 车灯跟踪与车辆定位 | 第46-50页 |
| 4.3.1 图像金字塔 | 第46-47页 |
| 4.3.2 金字塔L-K跟踪法 | 第47-49页 |
| 4.3.3 车辆定位 | 第49-50页 |
| 4.4 实验结果与分析 | 第50-51页 |
| 4.4.1 测试样本 | 第50页 |
| 4.4.2 测试结果 | 第50-51页 |
| 4.4.3 错误结果分析 | 第51页 |
| 4.5 本章小结 | 第51-52页 |
| 第5章 总结和展望 | 第52-54页 |
| 5.1 本文工作总结 | 第52页 |
| 5.2 未来工作展望 | 第52-54页 |
| 参考文献 | 第54-58页 |
| 致谢 | 第58页 |
