| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-22页 |
| 1.1 课题研究的目的与意义 | 第10-14页 |
| 1.2 车辆检测技术的研究与应用现状 | 第14-18页 |
| 1.2.1 国外研究现状 | 第14-17页 |
| 1.2.2 国内研究现状 | 第17-18页 |
| 1.3 本文的主要研究工作和论文组织 | 第18-22页 |
| 第2章 跟踪视频图像的预处理 | 第22-36页 |
| 2.1 引言 | 第22-23页 |
| 2.2 彩色图像灰度化 | 第23-24页 |
| 2.3 常用的图像增强算法 | 第24-31页 |
| 2.3.1 直方图均衡化 | 第24-26页 |
| 2.3.2 图像灰度增强 | 第26-27页 |
| 2.3.3 图像平滑去噪 | 第27-31页 |
| 2.4 小波变换 | 第31-34页 |
| 2.5 本章小结 | 第34-36页 |
| 第3章 基于单目视觉的车辆检测与跟踪 | 第36-50页 |
| 3.1 基于单目视觉的车辆检测 | 第37-44页 |
| 3.1.1 基于单目视觉的车辆检测的流程 | 第37-38页 |
| 3.1.2 基于单目视觉的车辆目标提取的常用方法 | 第38-44页 |
| 3.2 基于单目视觉的车辆跟踪 | 第44-48页 |
| 3.2.1 基于区域的方法 | 第44-45页 |
| 3.2.2 基于特征的方法 | 第45-46页 |
| 3.2.3 基于变形模板的方法 | 第46-47页 |
| 3.2.4 基于模型的方法 | 第47-48页 |
| 3.6 本章小结 | 第48-50页 |
| 第4章 基于不完整背景累加的车辆检测 | 第50-58页 |
| 4.1 视频图像预处理 | 第50-51页 |
| 4.2 车辆检测 | 第51-55页 |
| 4.2.1 背景获取 | 第52-54页 |
| 4.2.2 车辆检测 | 第54-55页 |
| 4.3 本章小结 | 第55-58页 |
| 第5章 基于卡尔曼滤波和特征匹配的车辆跟踪 | 第58-68页 |
| 5.1 卡尔曼跟踪算法 | 第59-62页 |
| 5.1.1 卡尔曼算法原理 | 第60-61页 |
| 5.1.2 卡尔曼跟踪算法过程 | 第61-62页 |
| 5.2 运动目标特征提取 | 第62-64页 |
| 5.2.1 前景二值图像运动目标块提取 | 第62-63页 |
| 5.2.2 运动目标块特征提取 | 第63-64页 |
| 5.3 基于卡尔曼滤波与特征模板匹配的目标跟踪方法 | 第64-66页 |
| 5.4 本章小结 | 第66-68页 |
| 第6章 总结与展望 | 第68-70页 |
| 6.1 总结 | 第68页 |
| 6.2 展望 | 第68-70页 |
| 参考文献 | 第70-74页 |
| 致谢 | 第74页 |