| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 1. 绪论 | 第10-16页 |
| 1.1 研究背景和意义 | 第10-12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.3 论文研究重点与组织结构 | 第15-16页 |
| 2. 基于背景差分的汽车目标检测算法 | 第16-20页 |
| 2.1 统计平均背景差分算法 | 第16-17页 |
| 2.2 移动平均背景差分算法 | 第17页 |
| 2.3 高斯背景建模差分算法 | 第17-18页 |
| 2.4 图像区域生成算法 | 第18-19页 |
| 2.5 本章小结 | 第19-20页 |
| 3. 基于Adaboost的汽车目标检测算法 | 第20-30页 |
| 3.1 Adaboost原理 | 第20-22页 |
| 3.2 AdaBoost训练算法 | 第22-24页 |
| 3.3 Adaboost级联分类器 | 第24-26页 |
| 3.4 Adaboost弱分类器的选择 | 第26-29页 |
| 3.5 本章小结 | 第29-30页 |
| 4. 基于卷积神经网络的图像识别算法 | 第30-38页 |
| 4.1 神经网络和卷积神经网络的概念 | 第30-32页 |
| 4.2 卷积神经网络的结构 | 第32-33页 |
| 4.3 卷积神经网络的特性 | 第33-37页 |
| 4.4 本章小结 | 第37-38页 |
| 5. 逐步求精的分层汽车目标检测 | 第38-49页 |
| 5.1 结合背景差分和Adaboost的汽车目标检测算法 | 第40-42页 |
| 5.2 基于道路三维信息的多尺度窗口扫描 | 第42-44页 |
| 5.3 基于卷积神经网络的汽车目标二次识别 | 第44-47页 |
| 5.4 本章小结 | 第47-49页 |
| 6. 实验和结论 | 第49-56页 |
| 6.1 实验结果和分析 | 第49-53页 |
| 6.2 车辆目标检测系统展示 | 第53-54页 |
| 6.3 总结和展望 | 第54-55页 |
| 6.4 存在问题 | 第55-56页 |
| 致谢 | 第56-57页 |
| 参考文献 | 第57-61页 |
| 个人简历 | 第61页 |