| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 引言 | 第10-16页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 智能交通系统运动目标检测研究现状及发展 | 第11-14页 |
| 1.2.1 智能交通系统现状 | 第11-12页 |
| 1.2.2 运动目标检测技术的研究现状 | 第12-14页 |
| 1.3 智能交通系统运动目标检测技术存在的问题及课题来源 | 第14-15页 |
| 1.4 论文的研究内容及章节安排 | 第15-16页 |
| 第2章 运动目标检测技术基础 | 第16-27页 |
| 2.1 运动目标检测预处理 | 第16-17页 |
| 2.2 运动目标图像分割 | 第17-22页 |
| 2.2.1 基于边缘检测的分割方法 | 第18-20页 |
| 2.2.2 基于区域的分割方法 | 第20-22页 |
| 2.3 运动目标特征提取 | 第22-24页 |
| 2.4 运动目标的判决识别分类 | 第24-26页 |
| 2.4.1 统计模式识别 | 第24-25页 |
| 2.4.2 其他分类方法 | 第25-26页 |
| 2.5 本章小结 | 第26-27页 |
| 第3章 运动目标检测技术算法研究 | 第27-41页 |
| 3.1 运动目标检测的基本流程 | 第27-28页 |
| 3.2 运动目标检测技术常用的方法 | 第28-31页 |
| 3.2.1 光流法 | 第29页 |
| 3.2.2 帧间差分法 | 第29-30页 |
| 3.2.3 背景差减法 | 第30-31页 |
| 3.3 智能交通系统中视频监控的背景建模 | 第31-34页 |
| 3.4 改进的双模型自适应背景建模方法 | 第34-40页 |
| 3.4.1 双模型建模思路 | 第34-35页 |
| 3.4.2 双模型运动目标检测算法 | 第35-38页 |
| 3.4.3 实验结果及分析 | 第38-40页 |
| 3.5 本章小结 | 第40-41页 |
| 第4章 改进 GMM 的阴影抑制算法研究与实现 | 第41-52页 |
| 4.1 颜色模型 | 第41-43页 |
| 4.1.1 RGB 颜色模型 | 第41-42页 |
| 4.1.2 HSV 颜色模型 | 第42-43页 |
| 4.2 HSV 颜色模型变换的阴影抑制 | 第43-44页 |
| 4.3 算法流程 | 第44-46页 |
| 4.3.1 疑似阴影模型 | 第44页 |
| 4.3.2 高斯混合阴影模型 | 第44-45页 |
| 4.3.3 阴影抑制 | 第45-46页 |
| 4.4 实验结果及分析 | 第46-51页 |
| 4.5 本章小结 | 第51-52页 |
| 第5章 运动目标检测技术在交通监控系统中的实现 | 第52-63页 |
| 5.1 基于 ADSP-BF561 的交通视频监控系统 | 第52-54页 |
| 5.2 交通视频监控终端的硬件结构 | 第54-59页 |
| 5.2.1 ADSP-BF561 处理器 | 第54-56页 |
| 5.2.2 采集视频模块 | 第56-57页 |
| 5.2.3 存储器模块 | 第57-58页 |
| 5.2.4 网络传输部分 | 第58-59页 |
| 5.3 交通视频监控终端软件流程 | 第59-61页 |
| 5.3.1 交通视频监控终端软件总流程 | 第59-60页 |
| 5.3.2 视频目标检测和跟踪算法的实现 | 第60-61页 |
| 5.4 实验结果及分析 | 第61-62页 |
| 5.5 本章小结 | 第62-63页 |
| 总结与展望 | 第63-65页 |
| 参考文献 | 第65-69页 |
| 致谢 | 第69-70页 |
| 附录 A 攻读学位期间所发表的学术论文目录 | 第70-71页 |
| 附录 B 攻读学位期间所参与的主要科研项目 | 第71页 |