| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第1章 绪论 | 第9-14页 |
| 1.1 课题背景及研究的目的和意义 | 第9-10页 |
| 1.2 国内外该方向的研究现状及分析 | 第10-12页 |
| 1.2.1 国内研究现状 | 第10-11页 |
| 1.2.2 国外研究现状 | 第11页 |
| 1.2.3 国内外文献综述的简析 | 第11-12页 |
| 1.3 本文的主要研究内容 | 第12-14页 |
| 第2章 车载安全辅助驾驶系统的设计 | 第14-18页 |
| 2.1 系统基本结构 | 第14-15页 |
| 2.2 系统中各模块的构成 | 第15-17页 |
| 2.2.1 行人检测模块 | 第15-16页 |
| 2.2.2 车道检测模块 | 第16页 |
| 2.2.3 路标检测模块 | 第16-17页 |
| 2.3 本章小结 | 第17-18页 |
| 第3章 行人图像特征的提取与分类算法研究 | 第18-26页 |
| 3.1 目标特征提取 | 第18-21页 |
| 3.1.1 矩形特征 | 第19-20页 |
| 3.1.2 特征的快速计算 | 第20-21页 |
| 3.2 训练分类器方法 | 第21-25页 |
| 3.2.1 弱分类器的训练 | 第21-22页 |
| 3.2.2 强分类器的生成过程 | 第22-23页 |
| 3.2.3 级联强分类器 | 第23-25页 |
| 3.3 本章小结 | 第25-26页 |
| 第4章 行人检测算法的研究与优化 | 第26-40页 |
| 4.1 行人的样本获取及分类器的训练 | 第26-28页 |
| 4.1.1 行人样本的获取 | 第26-27页 |
| 4.1.2 级联分类器的训练 | 第27-28页 |
| 4.2 行人检测方法 | 第28-32页 |
| 4.2.1 单帧图像的行人检测 | 第28-29页 |
| 4.2.2 相邻帧间行人检测过程 | 第29-31页 |
| 4.2.3 实验结果分析 | 第31-32页 |
| 4.3 行人跟踪方法 | 第32-38页 |
| 4.3.1 Kalman滤波原理 | 第32-33页 |
| 4.3.2 基于Kalman滤波算法实现 | 第33-35页 |
| 4.3.3 基于Kalman滤波行人跟踪的优化 | 第35-36页 |
| 4.3.4 实验结果分析 | 第36-38页 |
| 4.4 本章小结 | 第38-40页 |
| 第5章 基于Cortex-A8行人检测算法的实现 | 第40-56页 |
| 5.1 Cortex-A8硬件平台的介绍 | 第40-42页 |
| 5.1.1 Cortex-A8介绍 | 第40-41页 |
| 5.1.2 REAL210核心板介绍 | 第41-42页 |
| 5.2 软件平台的介绍 | 第42-46页 |
| 5.2.1 Eclipse集成开发环境 | 第42页 |
| 5.2.2 Android系统架构和配置 | 第42-44页 |
| 5.2.3 OpenCV视觉图像处理库和配置 | 第44-46页 |
| 5.3 算法在Cortex-A8平台上的实现 | 第46-54页 |
| 5.3.1 软件系统软件框架 | 第46-47页 |
| 5.3.2 利用Java代码实现Android应用程序框架 | 第47-49页 |
| 5.3.3 利用本地代码实现JNI框架 | 第49-53页 |
| 5.3.4 脚本文件的编写和共享库的生成 | 第53-54页 |
| 5.4 实验结果与分析 | 第54-55页 |
| 5.5 本章小结 | 第55-56页 |
| 结论 | 第56-58页 |
| 参考文献 | 第58-62页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第62-64页 |
| 致谢 | 第64页 |