基于车载视觉系统的目标检测优化算法研究
| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7页 |
| 1 引言 | 第10-16页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.3 本文主要内容和安排 | 第13-16页 |
| 1.3.1 主要研究内容 | 第13-14页 |
| 1.3.2 论文各章安排 | 第14-16页 |
| 2 目标检测算法 | 第16-32页 |
| 2.1 Subcat目标检测算法 | 第16-25页 |
| 2.1.1 人工设计特征描述 | 第16-20页 |
| 2.1.2 快速特征金字塔 | 第20-21页 |
| 2.1.3 多视角分类器的训练 | 第21-25页 |
| 2.2 Faster-RCNN目标检测算法 | 第25-29页 |
| 2.2.1 Faster-RCNN的整体框架 | 第25-26页 |
| 2.2.2 RPN网络 | 第26-28页 |
| 2.2.3 Faster-RCNN网络训练 | 第28-29页 |
| 2.3 检测算法的应用 | 第29-31页 |
| 2.4 本章小结 | 第31-32页 |
| 3 车载系统中目标的几何约束 | 第32-45页 |
| 3.1 基于摄像机标定的目标几何约束 | 第32-38页 |
| 3.1.1 摄像机内外参数模型 | 第33-35页 |
| 3.1.2 摄像机的标定原理 | 第35-37页 |
| 3.1.3 车载摄像机的模型建立 | 第37-38页 |
| 3.2 无摄像机标定的目标几何约束 | 第38-41页 |
| 3.3 几何约束的概率模型 | 第41-43页 |
| 3.3.1 非极大值抑制算法 | 第41页 |
| 3.3.2 概率模型的建立 | 第41-43页 |
| 3.4 本章小结 | 第43-45页 |
| 4 连续运动信息融合 | 第45-55页 |
| 4.1 条件随机场 | 第47页 |
| 4.2 运动信息融合模型建立 | 第47-53页 |
| 4.2.1 目标连续信息势能 | 第47-52页 |
| 4.2.2 目标置信度势能 | 第52-53页 |
| 4.2.3 集成模型 | 第53页 |
| 4.3 本章小结 | 第53-55页 |
| 5 实验结论 | 第55-64页 |
| 5.1 实验数据库 | 第55-57页 |
| 5.2 算法评价指标 | 第57页 |
| 5.3 实验结果对比与分析 | 第57-62页 |
| 5.3.1 实验环境 | 第57-58页 |
| 5.3.2 几何概率模型的性能对比实验 | 第58-59页 |
| 5.3.3 运动信息融合模型的性能对比实验 | 第59-61页 |
| 5.3.4 运动信息融合模型的参数实验 | 第61-62页 |
| 5.4 本章小结 | 第62-64页 |
| 6 总结与展望 | 第64-66页 |
| 6.1 工作总结 | 第64-65页 |
| 6.2 展望 | 第65-66页 |
| 参考文献 | 第66-70页 |
| 作者简历及攻读硕士学位期间取得的研究成果 | 第70-72页 |
| 学位论文数据集 | 第72页 |
