声明
致谢
摘要
1.1 研究背景及意义
1.2 国内外研究现状
1.3 本文主要内容和安排
1.3.1 主要研究内容
1.3.2 论文各章安排
2 基于图论的车辆候选区域确定
2.1 图论的基础
2.1.1 图的定义
2.1.2 无向图、有向图和混合图
2.1.3 边和结点
2.1.4 图与网络
2.2 基于图论的超像素分割与融合
2.3 灵活边界框生成算法
2.3.1 边界框起始位置的确定
2.3.2 候选边界框位置确定
2.4 车辆候选边界框的选择
2.4.1 溢出率和漏缺率
2.4.2 边界框的相似度
2.4.3 车辆可能存在分数(Vehicle Proposal Score,VPS)
2.4.4 非极大值抑制的候选框筛选
2.5 实验结果与分析
2.6 本章小结
3 基于多特征金字塔模型的车辆检测
3.1 图像视觉特征
3.1.1 颜色特征
3.1.2 梯度特征
3.2 金字塔模型的建立
3.3 分类器的选择
3.3.1 SVM分类器
3.3.2 AdaBoost分类器
3.3.3 多视角分类器的训练
3.3.4 小轿车分类器的训练
3.3.5 典型车分类器的训练
3.4 本章小结
4 实验结论
4.1 实验数据库及评价标准
4.1.1 实验数据库的介绍
4.1.2 评价指标
4.1.3 实验参数设置
4.2 中国交通图像数据库的建立
4.2.1 建立拍摄采集环境
4.2.2 视频数据采集
4.2.3 目标标定
4.2.4 小结
4.3 车辆检测实验
4.3.1 与其他车辆检测方法比较
4.3.2 结果分析与讨论
4.4 本章小结
5.1 工作总结
5.2 展望
参考文献
作者简历
学位论文数据集