| 摘要 | 第4-6页 |
| abstract | 第6-8页 |
| 第一章 绪论 | 第12-22页 |
| 1.1 研究背景与意义 | 第12-14页 |
| 1.1.1 研究背景 | 第12-13页 |
| 1.1.2 研究意义 | 第13-14页 |
| 1.2 国内外研究现状 | 第14-18页 |
| 1.2.1 基于视频的交通监控系统研究进展 | 第14-16页 |
| 1.2.2 视频车辆检测技术研究现状 | 第16-18页 |
| 1.3 基于视频的交通场景中车辆检测目前存在问题 | 第18-19页 |
| 1.4 主要研究内容及章节安排 | 第19-22页 |
| 1.4.1 主要研究内容 | 第19-21页 |
| 1.4.2 具体章节安排 | 第21-22页 |
| 第二章 融合多灭点和DLT的单目相机非现场标定 | 第22-46页 |
| 2.1 标定模型确定 | 第22-27页 |
| 2.1.1 齐次坐标归一化表示 | 第22-23页 |
| 2.1.2 参考坐标系设置 | 第23-26页 |
| 2.1.3 线性针孔模型建模 | 第26-27页 |
| 2.2 融合灭点的DLT线性变换相机标定 | 第27-38页 |
| 2.2.1 基于灭点的相机标定 | 第28-35页 |
| 2.2.2 引入空间虚拟标识点的DLT标定 | 第35-38页 |
| 2.3 实验结果与分析 | 第38-44页 |
| 2.3.1 模拟环境标定分析 | 第38-41页 |
| 2.3.2 实际交通场景标定分析 | 第41-44页 |
| 2.4 本章小结 | 第44-46页 |
| 第三章 共面约束逆投影变换下目标局部表面非变形3D重建 | 第46-65页 |
| 3.1 共面约束模式下的逆投影变换 | 第46-49页 |
| 3.1.1 共平面约束模式解析 | 第46-47页 |
| 3.1.2 逆投影变换 | 第47-49页 |
| 3.2 逆投影面设计 | 第49-50页 |
| 3.2.1 位置设计 | 第49页 |
| 3.2.2 大小设计 | 第49-50页 |
| 3.3 基于3D点云再投影的表面数据重建 | 第50-54页 |
| 3.3.1 数据重建 | 第50-53页 |
| 3.3.2 伪数据剔除 | 第53-54页 |
| 3.4 基于深度卷积生成对抗网络模型的超分辨数据重建 | 第54-59页 |
| 3.4.1 深度学习超分辨重建 | 第54-56页 |
| 3.4.2 深度卷积对抗生成网络建模 | 第56-58页 |
| 3.4.3 任务实现 | 第58-59页 |
| 3.5 实验结果与分析 | 第59-64页 |
| 3.5.1 实验参数设置与实验结果 | 第60-62页 |
| 3.5.2 结果量化分析 | 第62-64页 |
| 3.6 本章小结 | 第64-65页 |
| 第四章 基于车头灯对夜间3D表观特征的车辆检测 | 第65-93页 |
| 4.1 基于多3D表观特征级联ADABOOST的车辆检测 | 第65-80页 |
| 4.1.1 AdaBoost分类原理 | 第65-67页 |
| 4.1.2 3D表观特征性能分析 | 第67-76页 |
| 4.1.3 单分类器训练算法 | 第76-77页 |
| 4.1.4 分类器级联规则 | 第77-78页 |
| 4.1.5 车辆检测实现 | 第78-80页 |
| 4.2 基于DSVM的车辆检测 | 第80-83页 |
| 4.2.1 DSVM网络模型 | 第80-82页 |
| 4.2.2 DSVM检测车辆算法 | 第82-83页 |
| 4.3 实验结果与分析 | 第83-92页 |
| 4.3.1 多3D表观特征级联AdaBoost检测车辆结果与分析 | 第83-88页 |
| 4.3.2 DSVM检测车辆结果与分析 | 第88-92页 |
| 4.4 本章小结 | 第92-93页 |
| 第五章 基于目标表面3D-BOX骨架建模的车辆检测 | 第93-118页 |
| 5.1 基于部件3D-BOX混合建模的车辆检测 | 第93-103页 |
| 5.1.1 车辆多部件3D-box混合建模 | 第93-96页 |
| 5.1.2 HOG特征稀疏表示检测部件 | 第96-102页 |
| 5.1.3 部件质心3D聚类 | 第102-103页 |
| 5.2 基于改进FASTERR-CNN的车辆检测 | 第103-111页 |
| 5.2.1 FasterR-CNN网络模型 | 第104-109页 |
| 5.2.2 改进FasterR-CNN的车辆3D-Box模型训练 | 第109-111页 |
| 5.3 实验结果与分析 | 第111-116页 |
| 5.3.1 多部件3D混合模型检测车辆结果与分析 | 第111-114页 |
| 5.3.2 改进的FasterR-CNN网络检测车辆结果与分析 | 第114-115页 |
| 5.3.3 结果对比分析 | 第115-116页 |
| 5.4 本章小结 | 第116-118页 |
| 结论 | 第118-122页 |
| 参考文献 | 第122-130页 |
| 攻读学位期间取得的研究成果 | 第130-132页 |
| 致谢 | 第132页 |
