| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 第一章 绪论 | 第12-20页 |
| 1.1 研究背景和意义 | 第12页 |
| 1.2 国内外研究现状 | 第12-18页 |
| 1.2.1 图像特征及匹配方法研究简介 | 第12-16页 |
| 1.2.1.1 图像特征研究简介 | 第12-15页 |
| 1.2.1.2 匹配方法研究简介 | 第15-16页 |
| 1.2.2 车辆检测和跟踪研究简介 | 第16-18页 |
| 1.2.2.1 车辆检测研究简介 | 第16-17页 |
| 1.2.2.2 车辆跟踪研究简介 | 第17-18页 |
| 1.3 本文研究内容与章节安排 | 第18-20页 |
| 第二章 基于特征描述及匹配的车辆检测及跟踪技术概述 | 第20-29页 |
| 2.1 引言 | 第20页 |
| 2.2 目标特征提取与匹配 | 第20-23页 |
| 2.2.1 梯度特征 | 第20-21页 |
| 2.2.2 形状特征 | 第21-22页 |
| 2.2.3 模式特征 | 第22页 |
| 2.2.4 特征匹配 | 第22-23页 |
| 2.3 基于模型的目标检测 | 第23-27页 |
| 2.3.1 DPM模型 | 第23-24页 |
| 2.3.2 HIT模型 | 第24-27页 |
| 2.3.3 AOT模型 | 第27页 |
| 2.4 目标跟踪技术概述 | 第27-28页 |
| 2.4.1 MeanShift算法 | 第27-28页 |
| 2.4.2 TLD算法 | 第28页 |
| 2.5 本章小结 | 第28-29页 |
| 第三章 基于部件模型的复杂场景车辆检测方法 | 第29-38页 |
| 3.1 引言 | 第29页 |
| 3.2 部件模型构建 | 第29-33页 |
| 3.2.1 部件区域选择 | 第29-30页 |
| 3.2.2 部件模型化 | 第30-31页 |
| 3.2.3 部件模型学习 | 第31-33页 |
| 3.2.4 算法流程 | 第33页 |
| 3.3 基于部件模型的车辆检测 | 第33-36页 |
| 3.3.1 基于滤波的候选车辆区域求取 | 第33-35页 |
| 3.3.2 基于迭代的车辆检测方法 | 第35页 |
| 3.3.3 算法流程 | 第35-36页 |
| 3.4 实验结果与分析 | 第36-37页 |
| 3.4.1 实验结果 | 第36页 |
| 3.4.2 实验对比 | 第36-37页 |
| 3.5 本章小结 | 第37-38页 |
| 第四章 基于SURF特征哈希匹配的车辆跟踪方法 | 第38-46页 |
| 4.1 引言 | 第38页 |
| 4.2 SURF算法特征的提取和描述 | 第38-40页 |
| 4.2.1 关键点的提取 | 第38-40页 |
| 4.2.2 特征描述子生成 | 第40页 |
| 4.3 基于扩展哈希的空间及色彩约束的车辆图像匹配算法 | 第40-43页 |
| 4.3.1 局部敏感哈希 | 第40-41页 |
| 4.3.2 扩展的局部敏感哈希 | 第41-42页 |
| 4.3.3 基于邻近特征点集夹角一致性的空间约束 | 第42-43页 |
| 4.3.3.1 邻近特征点夹角定义 | 第42页 |
| 4.3.3.2 邻近特征点集夹角一致性约束 | 第42-43页 |
| 4.3.4 基于区域色调值的色彩约束 | 第43页 |
| 4.4 实验结果及分析 | 第43-45页 |
| 4.4.1 实验结果 | 第43-44页 |
| 4.4.2 实验对比 | 第44-45页 |
| 4.5 本章小结 | 第45-46页 |
| 第五章 复杂场景车辆检测跟踪系统 | 第46-55页 |
| 5.1 引言 | 第46页 |
| 5.2 复杂场景车辆检测跟踪系统流程 | 第46-47页 |
| 5.3 系统结构设计 | 第47-51页 |
| 5.3.1 输入模块 | 第48页 |
| 5.3.2 训练模块 | 第48-49页 |
| 5.3.3 检测模块 | 第49页 |
| 5.3.4 跟踪模块 | 第49-50页 |
| 5.3.5 输出模块 | 第50-51页 |
| 5.4 功能界面展示 | 第51-54页 |
| 5.5 本章小结 | 第54-55页 |
| 第六章 总结与展望 | 第55-56页 |
| 6.1 本文工作总结 | 第55页 |
| 6.2 未来工作展望 | 第55-56页 |
| 参考文献 | 第56-64页 |
| 致谢 | 第64-65页 |
| 在学期间的研究成果及发表的学术论文 | 第65页 |