基于无人机航拍的车辆检测系统
| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 1 绪论 | 第7-13页 |
| 1.1 智能交通系统概述 | 第7-8页 |
| 1.2 研究背景与意义 | 第8-10页 |
| 1.3 本文主要完成工作 | 第10-13页 |
| 2 无人机航拍系统 | 第13-19页 |
| 2.1 航拍系统工作原理 | 第13-14页 |
| 2.2 摄像模块 | 第14-16页 |
| 2.3 视频压缩解压模块 | 第16-17页 |
| 2.4 图传模块 | 第17-18页 |
| 2.5 本章小结 | 第18-19页 |
| 3 基于运动信息的车辆检测算法 | 第19-37页 |
| 3.1 目标检测中的图像预处理技术 | 第19-22页 |
| 3.1.1 图像滤波去噪 | 第19-20页 |
| 3.1.2 边缘检测 | 第20-22页 |
| 3.2 阴影检测技术 | 第22-26页 |
| 3.2.1 改进的大津阈值法 | 第22-24页 |
| 3.2.2 实验结果与分析 | 第24-26页 |
| 3.3 背景差和帧差融合法 | 第26-36页 |
| 3.3.1 背景差法 | 第26-31页 |
| 3.3.2 帧差法 | 第31-33页 |
| 3.3.3 背景差和帧差融合法 | 第33-36页 |
| 3.4 本章小结 | 第36-37页 |
| 4 基于特征学习的车辆检测算法 | 第37-51页 |
| 4.1 Haar-like特征的原理与改进 | 第37-44页 |
| 4.1.1 Haar-like特征的定义与改进 | 第38-40页 |
| 4.1.2 Haar-like矩形特征的计算 | 第40-42页 |
| 4.1.3 积分图计算Haar-like矩形特征 | 第42-44页 |
| 4.2 Adaboost算法 | 第44-46页 |
| 4.3 分类器训练过程 | 第46-47页 |
| 4.4 实验结果与分析 | 第47-50页 |
| 4.5 本章小结 | 第50-51页 |
| 5 手持终端应用实现 | 第51-60页 |
| 5.1 应用开发环境 | 第51-53页 |
| 5.2 图像预处理模块 | 第53-54页 |
| 5.3 阴影去除模块 | 第54-55页 |
| 5.4 车辆检测模块 | 第55-59页 |
| 5.4.1 基于运动信息车辆检测模块 | 第55-57页 |
| 5.4.2 基于特征学习车辆检测模块 | 第57-59页 |
| 5.5 本章小结 | 第59-60页 |
| 6 总结与展望 | 第60-62页 |
| 6.1 工作总结 | 第60页 |
| 6.2 工作展望 | 第60-62页 |
| 致谢 | 第62-63页 |
| 参考文献 | 第63-67页 |
| 附录 | 第67页 |
