| 摘要 | 第1-7页 |
| ABSTRACT | 第7-11页 |
| 第一章 绪论 | 第11-20页 |
| ·课题背景 | 第11-14页 |
| ·本研究的研究意义和研究内容 | 第14-19页 |
| ·研究意义 | 第14-17页 |
| ·研究内容 | 第17-19页 |
| ·本论文的体系结构 | 第19-20页 |
| 第二章 交通信息采集技术介绍 | 第20-38页 |
| ·国内外研究现状与发展趋势及存在的主要问题 | 第20-28页 |
| ·研究现状和发展趋势 | 第20-23页 |
| ·视频检测技术的发展 | 第23-25页 |
| ·主要成果和存在的主要问题 | 第25-28页 |
| ·全方位视觉传感器原理与研究 | 第28-35页 |
| ·全方位视觉传感器技术介绍 | 第28-30页 |
| ·全方位视觉传感器的研究意义 | 第30-31页 |
| ·全方位视觉光学装置的设计 | 第31-33页 |
| ·全方位视觉传感器视频服务器平台设计 | 第33-35页 |
| ·本研究涉及的相关技术介绍 | 第35-37页 |
| ·嵌入式技术 | 第35页 |
| ·嵌入式 Java 虚拟机技术 | 第35-36页 |
| ·JMF 技术 | 第36-37页 |
| ·Open CV 图像处理库 | 第37页 |
| ·本章小结 | 第37-38页 |
| 第三章 运动目标检测算法研究 | 第38-50页 |
| ·引言 | 第38-39页 |
| ·运动目标检测算法的介绍 | 第39-41页 |
| ·帧间差分 | 第39页 |
| ·光流法 | 第39-40页 |
| ·背景差分 | 第40-41页 |
| ·自适应混合高斯分布模型的背景建模 | 第41-45页 |
| ·自适应混合高斯分布模型原理 | 第41-43页 |
| ·基于 YUV 颜色空间的自适应混合高斯分布模型的建立与更新 | 第43-45页 |
| ·阴影抑制 | 第45-47页 |
| ·阴影检测机制原理 | 第45-47页 |
| ·本研究中的阴影检测算法 | 第47页 |
| ·数学形态学处理 | 第47-48页 |
| ·连通区域标识 | 第48-49页 |
| ·本章小结 | 第49-50页 |
| 第四章 运动目标自动跟踪算法研究 | 第50-61页 |
| ·引言 | 第50页 |
| ·常见的运动目标跟踪方法 | 第50-52页 |
| ·基于模型的跟踪 | 第50-51页 |
| ·基于区域的跟踪 | 第51页 |
| ·基于动态边界的跟踪 | 第51页 |
| ·基于特征的跟踪 | 第51-52页 |
| ·基于颜色特征的跟踪算法介绍 | 第52-54页 |
| ·MEANSHIFT 算法模型 | 第52-54页 |
| ·基于颜色特征的跟踪算法模型 | 第54页 |
| ·多运动目标自动跟踪算法模型设计 | 第54-60页 |
| ·简单的基于颜色特征跟踪算法模型所无法处理的情况 | 第54-55页 |
| ·基于颜色特征的多运动目标自动跟踪算法模型 | 第55-57页 |
| ·多运动目标自动跟踪算法流程 | 第57-58页 |
| ·多目标跟踪存在的问题及解决方案 | 第58-60页 |
| ·本章小结 | 第60-61页 |
| 第五章 基于全方位视觉传感器的交通流检测系统 | 第61-82页 |
| ·系统的总体结构及系统软硬件配置 | 第61-62页 |
| ·系统详细设计及其实现 | 第62-78页 |
| ·动态图像理解语义模型 | 第62-65页 |
| ·全方位视觉图像采集子系统 | 第65-70页 |
| ·运动目标检测子系统 | 第70-73页 |
| ·运动目标跟踪子系统 | 第73-76页 |
| ·交通参数检测子系统 | 第76-78页 |
| ·车辆定位子系统 | 第78页 |
| ·试验结果 | 第78-81页 |
| ·本章小结 | 第81-82页 |
| 第六章 总结和展望 | 第82-85页 |
| ·本论文工作总结 | 第82-83页 |
| ·有待进一步解决的问题 | 第83-84页 |
| ·展望 | 第84-85页 |
| 参考文献 | 第85-93页 |
| 致谢 | 第93-94页 |
| 读学位期间发表的学术论文目录 | 第94页 |