交通状态视觉识别方法研究
| 摘要 | 第1-7页 |
| ABSTRACT | 第7-13页 |
| 第一章 绪论 | 第13-28页 |
| ·课题的研究背景与意义 | 第13-20页 |
| ·交通拥堵现状 | 第13-14页 |
| ·缓解交通拥堵的方法 | 第14-18页 |
| ·交通诱导系统现状与分析 | 第18-20页 |
| ·课题相关工作研究现状及分析 | 第20-27页 |
| ·交通参数测量方法现状与分析 | 第20-22页 |
| ·视觉交通参数提取方法现状与分析 | 第22-25页 |
| ·交通状态识别方法现状与分析 | 第25-27页 |
| ·论文结构 | 第27页 |
| ·本章小结 | 第27-28页 |
| 第二章 交通状态视觉识别基础理论 | 第28-35页 |
| ·“信息-知识-智能”的转换与统一理论 | 第28-31页 |
| ·全信息理论 | 第29页 |
| ·知识理论 | 第29-31页 |
| ·视频图像分析技术 | 第31-34页 |
| ·模式分类技术 | 第34页 |
| ·本章小节 | 第34-35页 |
| 第三章 交通状态视觉识别方法研究总体方案 | 第35-44页 |
| ·交通状态视觉识别系统的体系结构 | 第35-37页 |
| ·“信息-知识-智能”的转换系统的体系结构 | 第37-40页 |
| ·交通状态视觉识别系统的研究内容 | 第40-41页 |
| ·交通状态视觉识别系统的研究方案 | 第41-42页 |
| ·本章小结 | 第42-44页 |
| 第四章 交通状态特征参数研究 | 第44-65页 |
| ·基于信息转换理论的交通特征参数选择 | 第44-53页 |
| ·经典交通参数概述 | 第44-46页 |
| ·基于信息转换原理的交通状态特征参数选择 | 第46-53页 |
| ·灰度特征特征参数研究 | 第53-63页 |
| ·占路比特征参数研究 | 第53-59页 |
| ·灰度特征参数研究 | 第59-63页 |
| ·速度特征参数研究 | 第63-64页 |
| ·本章小结 | 第64-65页 |
| 第五章 交通特征参数提取方法研究 | 第65-91页 |
| ·背景模型研究 | 第65-77页 |
| ·混合高斯模型 | 第65-67页 |
| ·非参数模型 | 第67-70页 |
| ·LBP模型 | 第70-73页 |
| ·统计模型 | 第73页 |
| ·组直方图背景模型 | 第73-74页 |
| ·高斯组直方图自适应模型 | 第74-77页 |
| ·无需车辆分割的交通特征参数提取方法研究 | 第77-84页 |
| ·灰度特征参数提取方法研究 | 第78-80页 |
| ·速度特性参数提取方法研究 | 第80-84页 |
| ·交通特征参数提取实验与分析 | 第84-90页 |
| ·高斯组直方图自适应背景模型背景建模实验与分析 | 第84-86页 |
| ·灰度参数提取实验与分析 | 第86-87页 |
| ·速度参数提取实验与分析 | 第87-90页 |
| ·本章小结 | 第90-91页 |
| 第六章 全天交通状态识别方法研究 | 第91-111页 |
| ·基于知识理论的交通状态识别方法研究 | 第92-103页 |
| ·基于RBF神经网络的交通状态识别方法研究 | 第96-99页 |
| ·基于模糊集合的两层交通状态分类器研究 | 第99-103页 |
| ·交通场景分类方法研究 | 第103-106页 |
| ·全天交通状态识别方法研究 | 第106-107页 |
| ·交通路况识别实验与分析 | 第107-110页 |
| ·基于RBF网络的交通状态识别实验与分析 | 第107-108页 |
| ·基于模糊集合的两层交通状态分类器实验与分析 | 第108-110页 |
| ·本章小结 | 第110-111页 |
| 第七章 总结与展望 | 第111-115页 |
| ·总结 | 第111-112页 |
| ·展望 | 第112-115页 |
| 参考文献 | 第115-122页 |
| 致谢 | 第122-123页 |
| 作者攻读学位期间发表的学术论文目录 | 第123页 |
