车辆路口滞留违章自动取证系统关键技术研究及实现
| 摘要 | 第3-5页 |
| ABSTRACT | 第5-6页 |
| 缩略语表 | 第9-10页 |
| 第一章 绪论 | 第10-19页 |
| 1.1 智能交通系统研究背景 | 第10-14页 |
| 1.2 违章取证系统研究现状 | 第14-17页 |
| 1.3 论文研究内容及创新点 | 第17-19页 |
| 第二章 通用违章自动取证监控系统软硬件设计 | 第19-30页 |
| 2.1 通用违章自动取证监控系统设计思路 | 第20-25页 |
| 2.1.1 通用违章自动取证监控系统硬件设计结构 | 第20-23页 |
| 2.1.2 通用违章自动取证监控系统软件设计结构 | 第23-25页 |
| 2.2 路口滞留违章自动取证系统软件设计方案 | 第25-29页 |
| 2.2.1 基于车辆识别和跟踪的违章信息取证 | 第28页 |
| 2.2.2 基于背景建模的拥堵判断 | 第28-29页 |
| 2.3 本章小结 | 第29-30页 |
| 第三章 基于路口视频序列的车辆识别与跟踪 | 第30-59页 |
| 3.1 基于路口监控视频的车辆识别检测跟踪框架 | 第31-33页 |
| 3.2 基于级联分类器的路口车辆识别算法设计 | 第33-50页 |
| 3.2.1 车辆后视图像样本的筛选 | 第33-36页 |
| 3.2.2 车辆图像特征的提取 | 第36-42页 |
| 3.2.3 分类器的训练及组合方法分析选取 | 第42-46页 |
| 3.2.4 多特征分类器的级联设计 | 第46-49页 |
| 3.2.5 实验结果 | 第49-50页 |
| 3.3 基于相对位置约束和尺度约束的多目标跟踪 | 第50-58页 |
| 3.3.1 P-N学习跟踪框架的分析与应用 | 第50-52页 |
| 3.3.2 相对位置约束生成树的建立与更新 | 第52-55页 |
| 3.3.3 目标的尺度约束的选取 | 第55-56页 |
| 3.3.4 实验结果 | 第56-58页 |
| 3.4 本章小结 | 第58-59页 |
| 第四章 基于背景建模的道路车辆拥堵情况判别 | 第59-75页 |
| 4.1 道路车辆拥堵情况判别算法架构 | 第59-61页 |
| 4.2 背景建模算法的选取与改进 | 第61-66页 |
| 4.2.1 GMM算法与ViBe算法的分析与对比 | 第61-64页 |
| 4.2.2 对ViBe算法的收敛速度的改进 | 第64-66页 |
| 4.3 对前景目标的图像形态学处理与连通域检测 | 第66-68页 |
| 4.4 视频帧间的前景跟踪 | 第68-70页 |
| 4.5 路面资源占用率的估计模型 | 第70-73页 |
| 4.6 本章小结 | 第73-75页 |
| 第五章 路口违章自动取证监控系统硬件平台 | 第75-84页 |
| 5.1 图像信息采集方案 | 第75-78页 |
| 5.2 图像运算处理布局方案 | 第78-83页 |
| 5.2.1 图像运算布局的结构设计 | 第79-81页 |
| 5.2.2 图像运算平台的选取 | 第81-83页 |
| 5.3 本章小结 | 第83-84页 |
| 第六章 总结与展望 | 第84-86页 |
| 6.1 研究内容总结 | 第84-85页 |
| 6.2 未来研究展望 | 第85-86页 |
| 参考文献 | 第86-90页 |
| 致谢 | 第90-91页 |
| 攻读硕士学位期间已发表或录用的论文 | 第91-93页 |
