基于单目视觉的车辆检测与跟踪
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-8页 |
| 目录 | 第8-10页 |
| 第一章 绪论 | 第10-18页 |
| ·研究背景 | 第10-13页 |
| ·交通事故的现状 | 第10-11页 |
| ·交通事故频发的原因 | 第11页 |
| ·前方防碰撞预警系统 | 第11-13页 |
| ·国内外研究现状 | 第13-15页 |
| ·国外研究现状 | 第13-14页 |
| ·国内研究现状 | 第14-15页 |
| ·选题动机和研究内容 | 第15-16页 |
| ·选题动机 | 第15-16页 |
| ·研究内容 | 第16页 |
| ·本文组织结构 | 第16-18页 |
| 第二章 车辆检测与跟踪中的图像理论介绍 | 第18-28页 |
| ·图像基本知识 | 第18-24页 |
| ·RGB 图像、灰度图像和二值图像 | 第18-20页 |
| ·提取图像边缘常用方法 | 第20-23页 |
| ·连通区域 | 第23-24页 |
| ·常见的车辆检测算法 | 第24-26页 |
| ·基于特征的方法 | 第24-25页 |
| ·基于机器学习的方法 | 第25页 |
| ·基于光流的方法 | 第25页 |
| ·基于模型的方法 | 第25-26页 |
| ·常见的车辆跟踪算法 | 第26-27页 |
| ·基于三维模型的方法 | 第26页 |
| ·基于 Camshift 的方法 | 第26页 |
| ·基于区域的方法 | 第26-27页 |
| ·本章小结 | 第27-28页 |
| 第三章 白天场景的前方车辆检测 | 第28-44页 |
| ·路面有效区域的测定 | 第28-31页 |
| ·消失点与天空部分的划定 | 第28-29页 |
| ·路面边缘的增强 | 第29页 |
| ·利用 hough 变换检测车道边缘 | 第29-31页 |
| ·基于阴影特征的车辆检测算法 | 第31-37页 |
| ·确定路面灰度值自适应的方法 | 第31-32页 |
| ·车底阴影的灰度特征 | 第32-34页 |
| ·车底阴影的梯度特征 | 第34-36页 |
| ·车底阴影的检测 | 第36-37页 |
| ·对称性的验证算法 | 第37-41页 |
| ·对称性特征的分析 | 第37-38页 |
| ·基于垂直边缘对称性的验证算法 | 第38-41页 |
| ·实验结果与分析 | 第41-42页 |
| ·本章小结 | 第42-44页 |
| 第四章 夜间场景的前方车辆检测 | 第44-56页 |
| ·基于颜色和亮度特征的尾灯图像分割 | 第44-48页 |
| ·划分需要检测的区域 | 第44-45页 |
| ·基于颜色和亮度特征分割红色与白色区域图像 | 第45-48页 |
| ·基于空间特征的候选尾灯提取 | 第48-49页 |
| ·基于空间分布特征提取候选尾灯区域 | 第48-49页 |
| ·获取候选尾灯区域量化信息 | 第49页 |
| ·基于几何规则的候选尾灯配对 | 第49-52页 |
| ·实验结果与分析 | 第52-55页 |
| ·本章小结 | 第55-56页 |
| 第五章 基于邻域的前方运动车辆跟踪 | 第56-66页 |
| ·预跟踪队列方法 | 第56-58页 |
| ·获取摄像头输入的图像 | 第56页 |
| ·预跟踪队列筛选稳定跟踪目标 | 第56-58页 |
| ·基于邻域的稳定跟踪队列方法 | 第58-61页 |
| ·稳定队列的跟踪方法 | 第58-59页 |
| ·标记已跟踪区域 | 第59-61页 |
| ·实验结果与分析 | 第61-65页 |
| ·白天场景车辆跟踪结果分析 | 第61-62页 |
| ·夜间场景车辆跟踪结果分析 | 第62-65页 |
| ·本章小结 | 第65-66页 |
| 第六章 总结与展望 | 第66-68页 |
| ·论文总结 | 第66-67页 |
| ·论文展望 | 第67-68页 |
| 致谢 | 第68-69页 |
| 参考文献 | 第69-73页 |
| 详细摘要 | 第73-76页 |
