| 声明 | 第1-5页 |
| 中文摘要 | 第5-6页 |
| ABSTRACT | 第6-11页 |
| 第一章 绪论 | 第11-22页 |
| ·智能交通系统(ITS) | 第11-14页 |
| ·ITS的发展背景 | 第11-12页 |
| ·ITS概念 | 第12页 |
| ·ITS的作用 | 第12-13页 |
| ·ITS的国内外发展状况 | 第13-14页 |
| ·车辆辅助驾驶系统(DAS) | 第14-18页 |
| ·车辆安全系统 | 第15页 |
| ·车辆辅助驾驶系统 | 第15-16页 |
| ·车辆辅助驾驶系统的应用 | 第16-17页 |
| ·车辆辅助驾驶系统的发展前景 | 第17-18页 |
| ·辅助驾驶系统的研究状况 | 第18-21页 |
| ·国外的研究状况 | 第18-20页 |
| ·国内的研究现状 | 第20-21页 |
| ·本文的主要工作 | 第21-22页 |
| ·研究内容 | 第21页 |
| ·本文的组织 | 第21-22页 |
| 第二章 车辆检测算法的研究 | 第22-40页 |
| ·车辆检测的理论基础 | 第22-24页 |
| ·计算机视觉 | 第22页 |
| ·图像处理 | 第22-23页 |
| ·模式识别 | 第23页 |
| ·传感器技术 | 第23-24页 |
| ·车辆检测算法概述 | 第24-29页 |
| ·候选区域确定阶段 | 第25-28页 |
| ·车辆认证阶段 | 第28-29页 |
| ·车辆检测系统的功能实现 | 第29-32页 |
| ·车辆检测系统的总体框架 | 第29-30页 |
| ·模块功能说明 | 第30-31页 |
| ·车辆识别算法 | 第31-32页 |
| ·基于单目摄像机的车辆距离信息获得 | 第32-39页 |
| ·通用摄像机模型 | 第32-35页 |
| ·摄像机标定 | 第35-38页 |
| ·车距信息恢复 | 第38-39页 |
| ·本章小结 | 第39-40页 |
| 第三章 车辆的特征提取 | 第40-58页 |
| ·统计模式识别概述 | 第40-42页 |
| ·特征预处理及归一化处理 | 第42-44页 |
| ·特征预处理 | 第42-44页 |
| ·归一化处理 | 第44页 |
| ·车辆特征提取 | 第44-56页 |
| ·特征提取概述 | 第44-45页 |
| ·Gabor 算法 | 第45-51页 |
| ·PCA算法 | 第51-54页 |
| ·Wavelet算法 | 第54-56页 |
| ·本章小结 | 第56-58页 |
| 第四章 车辆的特征选择 | 第58-71页 |
| ·特征选择概述 | 第58-60页 |
| ·特征选择的原理 | 第58-59页 |
| ·特征选择的作用 | 第59-60页 |
| ·遗传算法 | 第60-67页 |
| ·遗传算法的基本原理 | 第60-62页 |
| ·遗传算法的基本实现 | 第62-64页 |
| ·遗传算法的操作步骤 | 第64-66页 |
| ·遗传算法的处理流程 | 第66-67页 |
| ·车辆特征选择的设计 | 第67-70页 |
| ·染色体编码设计 | 第67-68页 |
| ·适应度函数设计 | 第68页 |
| ·选择算子 | 第68-69页 |
| ·交叉算子 | 第69页 |
| ·变异算子 | 第69-70页 |
| ·遗传算法的运行参数 | 第70页 |
| ·本章小结 | 第70-71页 |
| 第五章 分类器设计 | 第71-87页 |
| ·概述 | 第71-73页 |
| ·统计模式识别方法 | 第71-72页 |
| ·机器学习理论原理 | 第72-73页 |
| ·支持向量机原理 | 第73-77页 |
| ·最优分类超平面 | 第73-74页 |
| ·最优分类超平面的构造 | 第74-75页 |
| ·广义的最优分类超平面 | 第75-77页 |
| ·核函数 | 第77-80页 |
| ·高维空间的最优分类面 | 第77-79页 |
| ·核函数的分类 | 第79-80页 |
| ·支持向量机参数的选择 | 第80-82页 |
| ·双线性法 | 第81页 |
| ·梯度下降法 | 第81-82页 |
| ·训练样本的选择 | 第82-84页 |
| ·自动配合手动方式进行样本选择 | 第82-83页 |
| ·自举(bootstrapping)的方法进行样本选择 | 第83-84页 |
| ·交叉验证法 | 第84页 |
| ·实验结果与分析 | 第84-87页 |
| ·测试条件 | 第84-85页 |
| ·实验结果 | 第85-87页 |
| 第六章 总结和展望 | 第87-89页 |
| ·本文的主要工作 | 第87页 |
| ·进一步的工作 | 第87-88页 |
| ·展望 | 第88-89页 |
| 参考文献 | 第89-94页 |
| 致谢 | 第94-95页 |
| 论文情况 | 第95页 |