声明
摘要
第一章 绪论
1．1 研究背景和意义
1．2 图像大数据车辆搜索及关键技术
1．3 图像车辆检测研究现状概要
1．4 论文的主要工作和组织结构
第二章 车辆检测的假设-验证法
2．1 可疑区域的假设生成方法
2．1．1 基于知识的方法
2．1．2 基于立体视觉的方法
2．1．3 基于运动特性的方法
2．2 车辆区域的判断验证方法
2．2．1 基于模板的方法
2．2．2 基于表征的方法
2．2．3 基于特征融合的方法
2．3 本章小结
第三章 基于流形学习的车辆子类聚类
3．1 流形学习简介
3．2 流形的概念及常用流形学习算法
3．2．1 流形的基本概念
3．2．2 等距特征映射
3．2．3 局部线性嵌入
3．2．4 拉普拉斯特征映射
3．3 车辆子类聚类的流形学习算法
3．3．1 车辆子类聚类问题分析
3．3．2 特征描述算子选取
3．3．3 维数约简与聚类
3．3．4 车辆子类聚类算法
3．4 本章小结
第四章 改进的可变部件模型在车辆检测中的应用
4．1 可变部件模型简介
4．1．1 滤波器的构造和特征金字塔
4．1．2 根滤波器和部件滤波器
4．1．3 混合模型及其初始化过程
4．2 可变部件模型的改进思路
4．2．1 问题提出
4．2．2 可变部件模型的改进
4．3 基于改进可变部件模型的车辆检测算法
4．3．1 算法处理流程
4．3．2 关键算法环节分析
4．3．3 多角度、部分遮挡、多尺度等情况下的算法适应性分析
4．4 本章小结
第五章 实验设计与结果分析
5．1 实验方案
5．2 实验结果
5．3 结果分析
5．4 本章小结
第六章 论文总结与展望
6．1 主要研究内容总结
6．2 展望
参考文献
研究生期间科研成果介绍
致谢
