| 摘要 | 第1-7页 |
| ABSTRACT | 第7-14页 |
| 1 绪论 | 第14-34页 |
| ·引言 | 第14-15页 |
| ·智能车辆技术概述 | 第15-28页 |
| ·智能车辆研究目的和意义 | 第15-17页 |
| ·智能车辆研究进展 | 第17-24页 |
| ·智能车辆研究内容 | 第24-26页 |
| ·智能车辆研究关键技术 | 第26-28页 |
| ·智能车辆中的目标检测技术概述 | 第28-31页 |
| ·行车信息感知方式 | 第28页 |
| ·智能车辆中目标检测研究进展 | 第28-30页 |
| ·当前不足及改进思考 | 第30-31页 |
| ·课题提出 | 第31-32页 |
| ·本文研究内容及主要创新点 | 第32-34页 |
| ·本文研究内容 | 第32-33页 |
| ·主要创新点 | 第33-34页 |
| 2 基于机器视觉的目标检测技术模型 | 第34-52页 |
| ·引言 | 第34-35页 |
| ·机器视觉理论模型 | 第35-41页 |
| ·计算视觉理论模型 | 第35-36页 |
| ·主动视觉理论模型 | 第36-37页 |
| ·基于知识的视觉理论模型 | 第37-38页 |
| ·一种改进的计算视觉理论模型 | 第38-41页 |
| ·基于视觉的目标检测技术分析 | 第41-48页 |
| ·基于视觉的候选目标检测技术 | 第41-44页 |
| ·基于视觉的目标确认识别技术 | 第44-46页 |
| ·基于视觉的目标跟踪技术 | 第46-48页 |
| ·基于单目视觉的目标检测算法模型 | 第48-51页 |
| ·本章小结 | 第51-52页 |
| 3 基于小波模极大值的候选目标检测 | 第52-73页 |
| ·引言 | 第52-53页 |
| ·目标视觉特征分析 | 第53-55页 |
| ·水平/垂直边缘特征 | 第53页 |
| ·对称性特征 | 第53-54页 |
| ·底部阴影特征 | 第54页 |
| ·颜色特征 | 第54页 |
| ·外形特征 | 第54页 |
| ·纹理特征 | 第54-55页 |
| ·运动特征 | 第55页 |
| ·小波变换及奇异信号检测理论基础 | 第55-61页 |
| ·小波变换的基本概念 | 第56-57页 |
| ·小波变换多分辨率分析 | 第57-59页 |
| ·小波模极大值奇异信号检测理论 | 第59-61页 |
| ·基于小波模极大值的候选目标检测 | 第61-68页 |
| ·基于投票机制的特征映射 | 第62-63页 |
| ·基于小波模极大值的对称轴检测 | 第63-65页 |
| ·基于多特征组合的外接矩形框定 | 第65-66页 |
| ·候选目标滤波 | 第66-68页 |
| ·实验及结果分析 | 第68-72页 |
| ·典型交通环境下的候选目标检测 | 第69-71页 |
| ·算法统计结果分析 | 第71-72页 |
| ·本章小结 | 第72-73页 |
| 4 基于支持向量机的目标分类识别 | 第73-98页 |
| ·引言 | 第73页 |
| ·统计学习理论与支持向量机 | 第73-82页 |
| ·机器学习的基本问题 | 第74-75页 |
| ·统计学习理论 | 第75-77页 |
| ·支持向量机 | 第77-80页 |
| ·多分类支持向量机 | 第80-82页 |
| ·集成学习 | 第82-85页 |
| ·个体生成方法分析 | 第82-84页 |
| ·结论生成方法分析 | 第84-85页 |
| ·基于二叉树支持向量机的多类目标识别 | 第85-92页 |
| ·本文多类分类策略 | 第85页 |
| ·基于混合核函数的改进 | 第85-88页 |
| ·基于集成学习的改进 | 第88-89页 |
| ·多类分类器设计及实现 | 第89-92页 |
| ·实验及结果分析 | 第92-97页 |
| ·仿真实验 | 第92-94页 |
| ·应用实例 | 第94-97页 |
| ·本章小结 | 第97-98页 |
| 5 基于均值漂移算法的目标跟踪 | 第98-120页 |
| ·引言 | 第98-99页 |
| ·均值漂移算法理论 | 第99-102页 |
| ·无参数密度估计 | 第99-100页 |
| ·核密度梯度估计过程 | 第100-101页 |
| ·算法收敛性分析 | 第101-102页 |
| ·基于 Mean Shift 的智能车辆目标跟踪算法 | 第102-114页 |
| ·前方障碍物目标描述 | 第103-104页 |
| ·基于Bhattacharyya 系数的相似性度量 | 第104-105页 |
| ·前方障碍物目标定位 | 第105-106页 |
| ·跟踪起始点的运动估计 | 第106-108页 |
| ·目标遮挡情况的处理 | 第108-110页 |
| ·目标模型更新机制 | 第110-112页 |
| ·完整的目标跟踪算法流程 | 第112-114页 |
| ·实验及结果分析 | 第114-118页 |
| ·简单交通场景中的目标跟踪 | 第114-117页 |
| ·复杂交通场景中的目标跟踪 | 第117-118页 |
| ·本章小结 | 第118-120页 |
| 6 总结与展望 | 第120-123页 |
| ·总结 | 第120-122页 |
| ·后续工作展望 | 第122-123页 |
| 致谢 | 第123-124页 |
| 参考文献 | 第124-136页 |
| 附录 | 第136-139页 |