| 摘要 | 第1-4页 |
| ABSTRACT | 第4-10页 |
| 第一章 绪论 | 第10-18页 |
| ·研究背景和研究意义 | 第10-11页 |
| ·国内外研究现状 | 第11-14页 |
| ·研究内容和实施方案 | 第14-17页 |
| ·面向车辆行驶状况的视频数据实时采集 | 第15-16页 |
| ·基于离线机器学习算法的视频对象识别 | 第16页 |
| ·基于Android的行车监控原型系统实现 | 第16-17页 |
| ·系统性能测试与分析 | 第17页 |
| ·论文主要内容和组织结构 | 第17-18页 |
| 第二章 行车监控系统的相关技术概述 | 第18-26页 |
| ·运动目标检测算法 | 第19-23页 |
| ·背景差分法 | 第19-20页 |
| ·帧差分法 | 第20-21页 |
| ·光流法 | 第21-22页 |
| ·基于学习的方法 | 第22页 |
| ·运动目标检测算法比较 | 第22-23页 |
| ·背景建模 | 第23-25页 |
| ·均值背景模型 | 第23-24页 |
| ·中值背景模型 | 第24页 |
| ·高斯背景模型 | 第24-25页 |
| ·背景建模方法比较 | 第25页 |
| ·本章小结 | 第25-26页 |
| 第三章 基于学习方法的车辆识别算法研究 | 第26-51页 |
| ·基于HOG与SVM的车辆识别算法研究 | 第26-35页 |
| ·Hog特征提取简介 | 第26-27页 |
| ·Hog特征提取具体流程 | 第27-30页 |
| ·SVM算法简介 | 第30-31页 |
| ·SVM算法划分情况 | 第31-35页 |
| ·基于类Haar与AdaBoost的车辆识别算法研究 | 第35-41页 |
| ·类Haar特征简介 | 第35-38页 |
| ·Adaboost分类器简介 | 第38-40页 |
| ·级联型AdaBoost算法 | 第40-41页 |
| ·Kalman跟踪算法确定待检测区域 | 第41-43页 |
| ·Kalman算法简介 | 第41-42页 |
| ·Kalman算法流程 | 第42-43页 |
| ·算法的总体设计与程序实现 | 第43-50页 |
| ·程序整体处理过程 | 第43-46页 |
| ·Hog+SVM在Opencv上的实现 | 第46-48页 |
| ·Haar+AdaBoost在Opencv上的实现 | 第48-49页 |
| ·程序展示 | 第49-50页 |
| ·本章小结 | 第50-51页 |
| 第四章 基于智能移动终端的监控系统 | 第51-64页 |
| ·UI设计和布局 | 第51-54页 |
| ·Android程序的整体设计和实现 | 第54-61页 |
| ·Android端视频数据流的处理 | 第54-57页 |
| ·车辆识别算法的移动端封装与调用 | 第57-58页 |
| ·Android端视频回放功能的设计与实现 | 第58-59页 |
| ·Android端查找最近加油站的设计与实现 | 第59-61页 |
| ·数据的处理和存储 | 第61-63页 |
| ·本章小结 | 第63-64页 |
| 第五章 实验与性能分析 | 第64-69页 |
| ·实验条件 | 第64页 |
| ·实验具体流程 | 第64-65页 |
| ·评价指标 | 第65-66页 |
| ·实验结果及分析 | 第66-68页 |
| ·本章小结 | 第68-69页 |
| 第六章 总结与展望 | 第69-71页 |
| ·总结 | 第69页 |
| ·展望 | 第69-71页 |
| 参考文献 | 第71-75页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第75-76页 |
| 致谢 | 第76-77页 |