| 摘要 | 第1-6页 |
| Abstract | 第6-8页 |
| 目录 | 第8-10页 |
| 第1章 绪论 | 第10-18页 |
| ·研究背景 | 第10-13页 |
| ·机器视觉简介 | 第10-11页 |
| ·车辆视觉跟踪技术简介和发展 | 第11页 |
| ·快速移动车辆跟踪问题 | 第11-13页 |
| ·国内外研究现状 | 第13-15页 |
| ·研究目的和意义 | 第15-16页 |
| ·论文研究内容与结构组织 | 第16-18页 |
| ·论文主要研究内容 | 第16页 |
| ·论文的结构组织 | 第16-18页 |
| 第2章 快速移动车辆的图像预处理 | 第18-27页 |
| ·数字图像简介 | 第18-19页 |
| ·图像滤波 | 第19-25页 |
| ·图像噪声的分类 | 第20-21页 |
| ·中值滤波器 | 第21-22页 |
| ·均值滤波器 | 第22-23页 |
| ·高斯滤波器及其实现 | 第23-25页 |
| ·基于光流原理的图像滤波技术研究 | 第25-26页 |
| ·本章小结 | 第26-27页 |
| 第3章 基于级联分类器的移动车辆检测技术研究 | 第27-37页 |
| ·分类器组合方式研究 | 第27-28页 |
| ·基于adaboost分类器框架 | 第28-29页 |
| ·级联分类器设计 | 第29-36页 |
| ·基于图像方差分类器的设计 | 第29-30页 |
| ·基于随机森林的集合分类器设计 | 第30-34页 |
| ·基于相似性的最近邻分类器设计 | 第34-36页 |
| ·实验结果与分析 | 第36页 |
| ·本章小结 | 第36-37页 |
| 第4章 基于反馈光流的移动车辆跟踪技术研究 | 第37-47页 |
| ·典型跟踪算法简介 | 第37-39页 |
| ·基于反馈光流的跟踪 | 第39-45页 |
| ·金字塔L-K光流的前向跟踪技术研究 | 第39-43页 |
| ·光流反馈及误差分析 | 第43-44页 |
| ·反馈光流误差处理 | 第44-45页 |
| ·实验结果与分析 | 第45-47页 |
| 第5章 基于在线学习的移动车辆跟踪算法及Android实现 | 第47-68页 |
| ·基于P-N专家的在线学习方法 | 第48-53页 |
| ·P-N学习方法简介 | 第48-50页 |
| ·误差稳定性分析 | 第50-52页 |
| ·车辆跟踪应用 | 第52-53页 |
| ·在线学习的车辆跟踪算法框架与实现 | 第53-59页 |
| ·模块组成分析 | 第54-55页 |
| ·算法框架和流程分析 | 第55-59页 |
| ·Android平台实现 | 第59-62页 |
| ·Android手机硬件结构 | 第59页 |
| ·Android软件框架 | 第59-60页 |
| ·快速移动车辆视觉跟踪的移植 | 第60-62页 |
| ·实验及分析 | 第62-67页 |
| ·跟踪性能评估 | 第63-64页 |
| ·实验结果分析 | 第64-67页 |
| ·本章小结 | 第67-68页 |
| 第6章 总结与展望 | 第68-70页 |
| ·总结 | 第68-69页 |
| ·展望 | 第69-70页 |
| 参考文献 | 第70-74页 |
| 致谢 | 第74-75页 |
| 附录 | 第75页 |