| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-15页 |
| 1.1 本课题研究的背景和意义 | 第10-11页 |
| 1.2 前车检测技术的发展与现状 | 第11-13页 |
| 1.2.1 前车检测技术简介 | 第11-12页 |
| 1.2.2 前车检测技术发展现状 | 第12-13页 |
| 1.3 论文的主要研究内容和结构 | 第13-15页 |
| 1.3.1 论文的主要研究内容 | 第13-14页 |
| 1.3.2 论文的结构 | 第14-15页 |
| 第二章 基于视觉的车辆检测算法概述 | 第15-20页 |
| 2.1 生成车辆假设区域的方法 | 第15-17页 |
| 2.2 车辆假设区域验证 | 第17-18页 |
| 2.3 基于阴影特征和 HOG+SVM 算法流程 | 第18-19页 |
| 2.4 本章小结 | 第19-20页 |
| 第三章 基于阴影的车辆假设区域生成 | 第20-42页 |
| 3.1 图像的预处理 | 第20-24页 |
| 3.1.1 选取感兴趣区域 | 第20-21页 |
| 3.1.2 图像灰度化 | 第21页 |
| 3.1.3 滤波 | 第21-23页 |
| 3.1.4 结果对比 | 第23-24页 |
| 3.2 阴影特征 | 第24-25页 |
| 3.3 分割阴影 | 第25-31页 |
| 3.3.1 固定阈值分割 | 第26-28页 |
| 3.3.2 基于路面灰度级的分割方法 | 第28-31页 |
| 3.4 形态滤波 | 第31-33页 |
| 3.5 基于阴影形状特征的阴影位置确定及假设区域生成 | 第33-36页 |
| 3.5.1 通过阴影的形状特征找出阴影 | 第33-35页 |
| 3.5.2 生成车辆假设区域 | 第35-36页 |
| 3.6 根据阴影底部边缘确定阴影位置及生成车辆假设区域 | 第36-40页 |
| 3.6.1 阴影初步提取 | 第37-38页 |
| 3.6.2 阴影的拼接与合并 | 第38-39页 |
| 3.6.3 确定最终的阴影边缘 | 第39页 |
| 3.6.4 生成车辆假设区域 | 第39-40页 |
| 3.7 本章小结 | 第40-42页 |
| 第四章 基于车辆边缘对称性和 HOG+SVM 的车辆假设区域验证 | 第42-55页 |
| 4.1 基于边缘对称性的车辆假设区域初步验证 | 第43-45页 |
| 4.2 基于 HOG+SVM 的车辆假设区域验证 | 第45-54页 |
| 4.2.1 采集训练样本 | 第46-47页 |
| 4.2.2 HOG 特征的提取 | 第47-49页 |
| 4.2.3 支持向量机(SVM)对样本的训练 | 第49-53页 |
| 4.2.4 用分类器验证车辆假设区域 | 第53-54页 |
| 4.3 本章小结 | 第54-55页 |
| 第五章 实验结果分析 | 第55-60页 |
| 5.1 多种情况下车辆检测算法测试 | 第55-59页 |
| 5.2 本章小结 | 第59-60页 |
| 总结与展望 | 第60-62页 |
| 参考文献 | 第62-67页 |
| 攻读硕士学位期间取得的研究成果 | 第67-68页 |
| 致谢 | 第68-69页 |
| 附件 | 第69页 |
