| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第10-15页 |
| 1.1 课题研究背景和意义 | 第10-12页 |
| 1.2 课题内容 | 第12-13页 |
| 1.2.1 研究对象 | 第12-13页 |
| 1.2.2 主要内容和贡献 | 第13页 |
| 1.3 论文工作安排 | 第13-14页 |
| 1.4 本章小结 | 第14-15页 |
| 第2章 相关研究现状分析 | 第15-23页 |
| 2.1 常用的车辆检测方法 | 第15-20页 |
| 2.1.1 基于先验知识的车辆检测 | 第15-17页 |
| 2.1.2 基于运动信息的车辆检测 | 第17-18页 |
| 2.1.3 基于机器学习的车辆检测 | 第18-20页 |
| 2.2 常见的车辆跟踪方法 | 第20-22页 |
| 2.2.1 基于卡尔曼滤波的车辆跟踪 | 第20页 |
| 2.2.2 基于MeanShift的车辆跟踪 | 第20-21页 |
| 2.2.3 基于特征的车辆跟踪 | 第21页 |
| 2.2.4 基于On-line boosting的车辆跟踪 | 第21-22页 |
| 2.3 本章小结 | 第22-23页 |
| 第3章 无人机航拍视频预处理 | 第23-30页 |
| 3.1 无人机航拍视频的采集与处理 | 第23-26页 |
| 3.1.1 无人机航拍视频的采集 | 第23-25页 |
| 3.1.2 车辆样本的获取和标注 | 第25-26页 |
| 3.2 无人机视频的偏转矫正 | 第26-29页 |
| 3.2.1 特征检测 | 第26页 |
| 3.2.2 特征匹配 | 第26-27页 |
| 3.2.3 计算变换参数 | 第27页 |
| 3.2.4 实验结果 | 第27-29页 |
| 3.3 本章小结 | 第29-30页 |
| 第4章 无人机航拍视频中的车辆检测 | 第30-45页 |
| 4.1 深度学习的理论基础 | 第30-34页 |
| 4.1.1 人工神经网络 | 第30-32页 |
| 4.1.2 卷积神经网络 | 第32-34页 |
| 4.2 基于深度学习的车辆检测 | 第34-39页 |
| 4.2.1 图像特征提取 | 第35-36页 |
| 4.2.2 RPN生成候选框 | 第36-37页 |
| 4.2.3 ROI Pooling层 | 第37-38页 |
| 4.2.4 分类和回归 | 第38-39页 |
| 4.3 实验结果与分析 | 第39-44页 |
| 4.4 本章小结 | 第44-45页 |
| 第5章 无人机航拍视频中的车辆跟踪 | 第45-54页 |
| 5.1 卡尔曼滤波算法原理 | 第45-47页 |
| 5.2 卡尔曼滤波运动模型的建立 | 第47-48页 |
| 5.3 基于卡尔曼滤波的车辆跟踪算法 | 第48页 |
| 5.4 实验结果与分析 | 第48-53页 |
| 5.5 本章小结 | 第53-54页 |
| 第6章 总结与展望 | 第54-56页 |
| 6.1 本文工作总结 | 第54页 |
| 6.2 未来工作及展望 | 第54-56页 |
| 参考文献 | 第56-62页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第62-63页 |
| 致谢 | 第63页 |