| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第13-27页 |
| 1.1 研究背景和意义 | 第13-16页 |
| 1.2 国内外研究现状 | 第16-20页 |
| 1.2.1 国外研究现状 | 第16-18页 |
| 1.2.2 国内研究现状 | 第18-20页 |
| 1.3 基于视觉的车辆检测与跟踪算法概述 | 第20-25页 |
| 1.3.1 车辆检测算法概述 | 第20-24页 |
| 1.3.2 车辆跟踪算法概述 | 第24-25页 |
| 1.4 本文的主要研究内容 | 第25-26页 |
| 1.5 本文组织结构 | 第26-27页 |
| 第2章 智能车前方车辆检测与跟踪系统的总体设计 | 第27-34页 |
| 2.1 交通信息机器视觉感知与智能交互处理系统简介 | 第27-28页 |
| 2.2 智能车前方车辆检测与跟踪系统的设计概述 | 第28-33页 |
| 2.2.1 智能车前方车辆检测与跟踪系统的硬件 | 第28-30页 |
| 2.2.2 智能车前方车辆检测与跟踪系统的算法 | 第30-32页 |
| 2.2.3 智能车前方车辆检测与跟踪系统的软件 | 第32-33页 |
| 2.3 本章小结 | 第33-34页 |
| 第3章 智能车的前方车辆检测方法 | 第34-47页 |
| 3.1 ACF检测算法 | 第34-38页 |
| 3.1.1 ACF的通道 | 第35页 |
| 3.1.2 ACF的快速特征金字塔 | 第35-36页 |
| 3.1.3 ADABOOST分类算法 | 第36-38页 |
| 3.2 基于改进ACF算法的车辆检测算法 | 第38-43页 |
| 3.2.1 改进的ACF特征 | 第38-39页 |
| 3.2.2 NMS抑制多余检测窗口 | 第39-41页 |
| 3.2.3 车尾灰度对称性验证 | 第41-42页 |
| 3.2.4 加权得到最终结果 | 第42-43页 |
| 3.3 实验结果分析 | 第43-46页 |
| 3.4 本章小结 | 第46-47页 |
| 第4章 智能车的前方车辆跟踪方法 | 第47-57页 |
| 4.1 NCC匹配算法 | 第47-48页 |
| 4.2 基于多子模板的NCC匹配跟踪算法 | 第48-53页 |
| 4.2.1 目标模型 | 第48-50页 |
| 4.2.2 目标跟踪 | 第50-52页 |
| 4.2.3 模型更新 | 第52-53页 |
| 4.3 实验结果分析 | 第53-56页 |
| 4.4 本章小结 | 第56-57页 |
| 第5章 智能车前方车辆检测与跟踪系统的软件开发 | 第57-61页 |
| 5.1 图像采集模块开发 | 第57-58页 |
| 5.2 车辆检测与跟踪模块开发 | 第58-59页 |
| 5.3 决策模块开发 | 第59页 |
| 5.4 显示控制模块开发 | 第59-60页 |
| 5.5 本章总结 | 第60-61页 |
| 总结与展望 | 第61-63页 |
| 总结 | 第61-62页 |
| 展望 | 第62-63页 |
| 参考文献 | 第63-68页 |
| 致谢 | 第68-69页 |
| 附录A 攻读硕士学位期间所获论文和专利 | 第69-70页 |
| 附录B 攻读学位期间所参加的科研项目目录 | 第70页 |