| 摘要 | 第1-11页 |
| Abstract | 第11-13页 |
| 第1章 绪论 | 第13-19页 |
| ·引言 | 第13页 |
| ·车辆检测技术 | 第13-14页 |
| ·研究现状 | 第14-17页 |
| ·国外研究现状 | 第14-16页 |
| ·国内研究现状 | 第16-17页 |
| ·基于视觉的车辆检测 | 第17页 |
| ·本文的主要工作及研究内容 | 第17-18页 |
| ·本文结构 | 第18-19页 |
| 第2章 基于距离的多尺度车辆候选区域提取 | 第19-37页 |
| ·车辆候选区域提取概念 | 第19页 |
| ·车辆候选区域提取技术现状 | 第19-27页 |
| ·基于运动的方法 | 第19-20页 |
| ·基于立体视觉的方法 | 第20-22页 |
| ·基于学习的方法 | 第22-27页 |
| ·三种方法的比较 | 第27页 |
| ·基于距离的多尺度车辆候选区域提取算法流程 | 第27-28页 |
| ·预处理 | 第28-31页 |
| ·灰度化 | 第28-30页 |
| ·平滑滤波 | 第30-31页 |
| ·水平和垂直边缘检测 | 第31-32页 |
| ·基于距离的多尺度边缘分析方法 | 第32-36页 |
| ·三个尺度的划分 | 第32-33页 |
| ·获取ROI基线 | 第33-35页 |
| ·分析垂直边缘,得到车辆候选区域 | 第35页 |
| ·得出结果 | 第35-36页 |
| ·小结 | 第36-37页 |
| 第3章 改进的GABOR小波特征和PPSVM分类器实现车辆识别 | 第37-69页 |
| ·基于模板的方法 | 第37-38页 |
| ·基于统计学习的方法 | 第38-43页 |
| ·特征提取 | 第38-41页 |
| ·分类识别 | 第41-43页 |
| ·GABOR小波基本原理 | 第43-49页 |
| ·小波变换 | 第43-45页 |
| ·Gabor函数 | 第45-47页 |
| ·Gabor小波 | 第47-49页 |
| ·GABOR小波车辆图像特征提取 | 第49-55页 |
| ·车辆图像区域划分 | 第49-50页 |
| ·Gabor小波特征提取 | 第50-52页 |
| ·改进的Gabor小波特征 | 第52-55页 |
| ·SVM基本原理 | 第55-60页 |
| ·SVM概述 | 第55页 |
| ·最优分类面 | 第55-58页 |
| ·支持向量机 | 第58-59页 |
| ·SVM算法实现 | 第59-60页 |
| ·PPSVM | 第60页 |
| ·PPSVM分类器训练和测试 | 第60-67页 |
| ·训练样本集 | 第61-62页 |
| ·特征提取 | 第62-63页 |
| ·分类器训练 | 第63-66页 |
| ·PPSVM分类器识别效果测试 | 第66页 |
| ·识别结果分析 | 第66-67页 |
| ·小结 | 第67-69页 |
| 第4章 实验结果与分析 | 第69-77页 |
| ·测试条件与结果 | 第69-71页 |
| ·测试条件 | 第69-70页 |
| ·测试结果 | 第70-71页 |
| ·结果分析 | 第71-77页 |
| ·不同的车型 | 第72-73页 |
| ·不同的天气状况 | 第73-74页 |
| ·不同的距离 | 第74-75页 |
| ·测试小结 | 第75-77页 |
| 第5章 全文总结及展望 | 第77-79页 |
| ·总结 | 第77-78页 |
| ·展望 | 第78-79页 |
| 参考文献 | 第79-84页 |
| 研究生期间参加的科研活动及科研成果 | 第84-85页 |
| 致谢 | 第85页 |