声明
摘要
第1章 绪论
1.1 研究背景及意义
1.1.1 研究背景
1.1.2 研究意义
1.2 国内外研究现状
1.2.1 单目视觉车辆检测
1.2.2 视觉车辆跟踪技术
1.3 训练、测评数据及评价指标
1.3.1 训练数据
1.3.2 测评数据
1.3.3 评价指标
1.4 本文主要研究内容及创新点
1.5 论文章节安排
第2章 基于主动学习的分类器模型训练
2.1 主动学习简介
2.2 主动学习的一般过程及分类
2.3 主动学习查询抽样策略
2.3.1 不确定抽样
2.3.2 委员会投票
2.3.3 其它抽样策略
2.4 基于错误分类主动学习的分类器训练
2.4.1 初始分类器训练
2.4.2 查询抽样策略设计
2.4.3 样本查询归档工具设计
2.5 实验对比及分析
2.5.1 分类器检测率提升对比实验
2.5.2 分类器准确率提升对比实验
2.6 本章小结
第3章 Adaboost级联多目标车辆检测
3.1 车辆特征描述
3.1.1 Haar-like特征
3.1.2 MB-LBP特征
3.2 Adaboost级联分类器训练
3.2.1 弱分类器训练
3.2.2 强分类器训练
3.2.3 级联分类器车辆检测
3.3 多分辨率(Multi-scale)加速车辆检测
3.3.1 定义不同矩形检测窗口检测目标尺度
3.3.2 不同矩形检测窗口纵向位置确定
3.3.3 不同矩形检测窗口横向位置确定
3.3.4 多分辨前向车辆检测
3.4 分区域多分类器车辆检测
3.4.1 车辆正样本准备
3.4.2 多分类器训练
3.4.3 检测区域划分
3.4.4 分区域检测及结果融合
3.5 实验结果及分析
3.5.1 多分辨率检测实时性对比实验
3.5.2 MB-LBP与Haar-likc特征检测斜侧向车辆对比实验
3.5.3 多分类器与单分类器检测结果对比
3.6 本章小结
第4章 基于Adaboost与HOG特征的实时车辆检测跟踪
4.1 HOG特征提取计算
4.1.1 梯度方向直方图
4.1.2 HOG特征提取
4.1.3 HOG特征提取的快速算法
4.2 跟踪目标区域建模及初始化
4.2.1 跟踪目标区域建模
4.2.2 初始化跟踪目标
4.3 自适应目标大小车辆跟踪
4.3.1 自适应大小跟踪目标搜索
4.3.2 特征匹配计算及相似性度量
4.3.3 检测跟踪结果融合
4.4 实验结果及分析
4.4.1 检测率、误检率对比实验
4.4.2 车辆检测跟踪定位准确度对比实验
4.5 本章小结
第5章 前碰撞预警系统设计
5.1 前碰撞预警系统设计
5.1.1 系统总体框架设计
5.1.2 系统主要功能模块设计
5.2 单目视觉前方车辆测距
5.2.1 单目视觉测距模型
5.2.2 单目视觉前方车距测量
5.3 前向碰撞预警系统实验验证
5.3.1 测距准确性对比实验
5.3.2 实时性和检测率对比实验
5.3.3 实际场景碰撞预警实验验证
5.4 本章小结
第6章 总结与展望
6.1 总结
6.2 展望
参考文献
致谢
在读期间发表的学术论文与取得的其他研究成果