基于视频的全天候车辆检测方法研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 课题的研究背景及意义 | 第9-11页 |
| 1.1.1 课题研究背景 | 第9页 |
| 1.1.2 课题研究意义 | 第9-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.2.1 日间车辆检测研究现状 | 第11-12页 |
| 1.2.2 夜间车辆检测研究现状 | 第12-13页 |
| 1.3 主要研究内容和结构安排 | 第13-15页 |
| 第二章 基于检测区域的日间车辆检测 | 第15-30页 |
| 2.1 引言 | 第15-16页 |
| 2.2 车辆检测理论基础 | 第16-19页 |
| 2.2.1 车辆检测 | 第16页 |
| 2.2.2 特征选择 | 第16-17页 |
| 2.2.3 机器学习算法 | 第17-19页 |
| 2.2.4 级联分类器 | 第19页 |
| 2.3 基于检测区域的车辆检测 | 第19-26页 |
| 2.3.1 图像预处理 | 第19-20页 |
| 2.3.2 检测区域的划分 | 第20-21页 |
| 2.3.3 检测区域的提取与处理 | 第21-23页 |
| 2.3.4 检测区域车辆检测 | 第23-24页 |
| 2.3.5 检测结果复原 | 第24-26页 |
| 2.4 实验 | 第26-29页 |
| 2.4.1 分类器的训练 | 第26-27页 |
| 2.4.2 检测尺度选择 | 第27-28页 |
| 2.4.3 实验对比 | 第28-29页 |
| 2.5 本章小结 | 第29-30页 |
| 第三章 基于虚拟线圈的夜间车辆检测 | 第30-45页 |
| 3.1 视频图像预处理 | 第30-33页 |
| 3.1.1 高斯滤波 | 第30-32页 |
| 3.1.2 视频图像二值化 | 第32-33页 |
| 3.2 车前灯的提取及定位 | 第33-38页 |
| 3.2.1 车前灯提取 | 第33-35页 |
| 3.2.2 车前灯定位 | 第35-38页 |
| 3.3 车前灯匹配 | 第38-42页 |
| 3.4 实验结果分析 | 第42-44页 |
| 3.5 本章小结 | 第44-45页 |
| 第四章 基于均值-方差的昼夜模式自适应切换 | 第45-52页 |
| 4.1 图像的均值和方差 | 第45-47页 |
| 4.1.1 图像的均值和方差 | 第45-46页 |
| 4.1.2 图像均值与方差分析 | 第46-47页 |
| 4.2 昼夜模式自适应切换 | 第47-51页 |
| 4.2.1 阈值的选择 | 第48-49页 |
| 4.2.2 车前灯的检测 | 第49页 |
| 4.2.3 日间模式切换夜间模式 | 第49-50页 |
| 4.2.4 夜间模式切换日间模式 | 第50-51页 |
| 4.3 本章小结 | 第51-52页 |
| 第五章 系统设计与实现 | 第52-59页 |
| 5.1 系统结构设计 | 第52-53页 |
| 5.2 系统流程设计 | 第53-54页 |
| 5.3 系统界面与基本功能 | 第54-56页 |
| 5.3.1 系统界面 | 第54-55页 |
| 5.3.2 系统功能 | 第55-56页 |
| 5.4 运行效果 | 第56-57页 |
| 5.5 本章小结 | 第57-59页 |
| 第六章 总结与展望 | 第59-61页 |
| 6.1 总结 | 第59-60页 |
| 6.2 展望 | 第60-61页 |
| 参考文献 | 第61-65页 |
| 攻读学位期间主要的研究成果 | 第65-66页 |
| 致谢 | 第66页 |
