| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 本文研究背景及其意义 | 第10-12页 |
| 1.2 研究现状 | 第12-15页 |
| 1.3 本文主要研究工作与论文组织 | 第15-18页 |
| 第2章 基于运动分割的交通参数提取方法 | 第18-30页 |
| 2.1 引言 | 第18-19页 |
| 2.2 基于动态阈值背景分割的车辆检测 | 第19-22页 |
| 2.3 基于粒子群分割与合并的车辆追踪 | 第22-24页 |
| 2.4 基于改进三帧差法的车辆测速 | 第24-26页 |
| 2.5 实验结果及分析 | 第26-29页 |
| 2.6 本章小结 | 第29-30页 |
| 第3章 基于Grassmann流形的交通状态分析方法 | 第30-42页 |
| 3.1 引言 | 第30-31页 |
| 3.2 Grassmann流形模型 | 第31-34页 |
| 3.3 基于Grassmann流形和神经网络的交通状态分类 | 第34-36页 |
| 3.4 实验结果及分析 | 第36-40页 |
| 3.5 本章小结 | 第40-42页 |
| 第4章 基于视频的交通状态实时智能分析系统 | 第42-54页 |
| 4.1 引言 | 第42-43页 |
| 4.2 系统框架 | 第43-44页 |
| 4.3 手动标定感兴趣区域 | 第44-46页 |
| 4.4 基于流媒体技术的实时分析 | 第46-47页 |
| 4.5 基于跳帧技术的效率改进 | 第47-48页 |
| 4.6 实验结果及分析 | 第48-53页 |
| 4.7 本章小结 | 第53-54页 |
| 总结与展望 | 第54-56页 |
| 参考文献 | 第56-62页 |
| 攻读硕士学位期间所取得的研究成果 | 第62-64页 |
| 致谢 | 第64页 |