| 摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 第1章 绪论 | 第10-16页 |
| ·引言 | 第10-11页 |
| ·课题相关领域研究现状 | 第11-14页 |
| ·基于视频的智能监控系统发展现状 | 第11-12页 |
| ·基于视频的图像处理技术发展现状 | 第12页 |
| ·目标检测与跟踪方法发展现状 | 第12-14页 |
| ·本文主要研究内容 | 第14-15页 |
| ·研究目标 | 第14页 |
| ·研究内容 | 第14-15页 |
| ·本章小结 | 第15-16页 |
| 第2章 视频图像预处理技术 | 第16-31页 |
| ·视频图像预处理方法综述 | 第16页 |
| ·视频图像对比度增强方法 | 第16-20页 |
| ·直方图变换 | 第16-19页 |
| ·灰度等级变换 | 第19-20页 |
| ·视频降噪处理方法 | 第20-26页 |
| ·视频噪声背景知识 | 第20-21页 |
| ·视频降噪算法 | 第21-26页 |
| ·本文采用的视频图像预处理方案 | 第26-29页 |
| ·视频图像预处理实验 | 第29页 |
| ·本章小结 | 第29-31页 |
| 第3章 运动车辆检测技术研究 | 第31-53页 |
| ·运动车辆检测方法综述 | 第31-36页 |
| ·光流法 | 第31-33页 |
| ·背景差分法 | 第33-34页 |
| ·帧间差分法 | 第34-36页 |
| ·本文选用的车辆检测方法 | 第36页 |
| ·常用的几种背景更新模型 | 第36-43页 |
| ·统计平均法背景模型 | 第37-39页 |
| ·ⅡR滤波背景模型 | 第39-40页 |
| ·高斯分布背景模型 | 第40-43页 |
| ·一种改进的背景更新模型 | 第43-47页 |
| ·实验验证及总结 | 第45-47页 |
| ·阴影的检测与去除 | 第47-49页 |
| ·基于HSV模型的阴影检测和消除 | 第47-48页 |
| ·实验结果 | 第48-49页 |
| ·形态滤波后续处理 | 第49-52页 |
| ·腐蚀和膨胀 | 第50-51页 |
| ·膨胀和腐蚀组合 | 第51-52页 |
| ·本章小结 | 第52-53页 |
| 第4章 运动车辆跟踪技术研究 | 第53-62页 |
| ·运动车辆跟踪方法综述 | 第53-54页 |
| ·基于卡尔曼滤波模型与车辆特征的车辆跟踪算法 | 第54-59页 |
| ·卡尔曼滤波的基本思想与原理 | 第55页 |
| ·卡尔曼滤波算法 | 第55-57页 |
| ·动车辆特征提取 | 第57-59页 |
| ·动车辆的多特征加权匹配规则 | 第59页 |
| ·基于车辆跟踪的交通参数提取 | 第59-61页 |
| ·车速 | 第59页 |
| ·车流量 | 第59-60页 |
| ·车辆运动状态 | 第60-61页 |
| ·本章小结 | 第61-62页 |
| 第5章 基于城市公路隧道监控视频的车辆分析系统设计与仿真实验 | 第62-68页 |
| ·城市公路隧道视频监控系统概述 | 第62-63页 |
| ·基于城市公路隧道监控视频的车辆分析系统设计 | 第63-65页 |
| ·MATLAB仿真实验 | 第65-67页 |
| ·MATLAB介绍 | 第65页 |
| ·MATLAB仿真实验结果 | 第65-67页 |
| ·本章小结 | 第67-68页 |
| 第6章 总结与展望 | 第68-70页 |
| ·全文总结 | 第68页 |
| ·展望 | 第68-70页 |
| 致谢 | 第70-71页 |
| 参考文献 | 第71-73页 |