摘要 | 第4-6页 |
abstract | 第6-7页 |
第一章 绪论 | 第11-17页 |
1.1 研究背景及意义 | 第11-13页 |
1.1.1 研究背景 | 第11-12页 |
1.1.2 研究意义 | 第12-13页 |
1.2 国内外研究现状 | 第13-15页 |
1.2.1 国外研究现状 | 第13-14页 |
1.2.2 国内研究现状 | 第14-15页 |
1.3 主要研究内容 | 第15页 |
1.4 章节安排 | 第15-16页 |
1.5 本章小结 | 第16-17页 |
第二章 基于视频的道路识别方法研究 | 第17-32页 |
2.1 视频采集与预处理 | 第17-20页 |
2.1.1 高空视频的采集 | 第17-18页 |
2.1.2 图像灰度化 | 第18-19页 |
2.1.3 图像平滑 | 第19-20页 |
2.1.4 图像二值化 | 第20页 |
2.2 道路识别方法概述 | 第20-26页 |
2.2.1 灰度直方图法 | 第21-22页 |
2.2.2 延时摄影法 | 第22-24页 |
2.2.3 边缘检测算法概述 | 第24-26页 |
2.3 基于Canny边缘检测算法的道路识别 | 第26-31页 |
2.3.1 基于Canny边缘检测算法的道路识别 | 第26-27页 |
2.3.2 Hough变换 | 第27-29页 |
2.3.3 实验结果及分析 | 第29-31页 |
2.4 本章小结 | 第31-32页 |
第三章 运动目标检测方法研究 | 第32-45页 |
3.1 运动目标检测方法概述 | 第32-38页 |
3.1.1 运动目标检测理论基础 | 第32页 |
3.1.2 帧间差分法 | 第32-34页 |
3.1.3 背景差分法 | 第34-38页 |
3.2 基于Vibe算法的运动目标检测 | 第38-41页 |
3.2.1 背景模型初始化 | 第38-39页 |
3.2.2 前景目标判定方法 | 第39-40页 |
3.2.3 背景模型更新策略 | 第40-41页 |
3.3 运动目标检测后处理 | 第41-43页 |
3.3.1 形态学处理 | 第41-43页 |
3.3.2 连通区域分析 | 第43页 |
3.4 本章小结 | 第43-45页 |
第四章 交通参数统计方法研究 | 第45-63页 |
4.1 交通参数分析 | 第45-47页 |
4.1.1 交通参数介绍 | 第45-46页 |
4.1.2 交通参数之间的关系分析 | 第46-47页 |
4.2 车辆速度检测方法研究 | 第47-51页 |
4.2.1 车辆速度检测原理 | 第47-48页 |
4.2.2 基于车辆跟踪的速度检测方法 | 第48-50页 |
4.2.3 基于虚拟线圈的速度检测方法 | 第50-51页 |
4.3 基于Camshift跟踪算法的车速统计 | 第51-54页 |
4.3.1 Camshift跟踪算法基本原理 | 第51-52页 |
4.3.2 Camshift跟踪算法的步骤 | 第52-54页 |
4.3.3 基于Camshift跟踪算法的车速计算 | 第54页 |
4.4 基于灰度匹配的车速统计 | 第54-60页 |
4.4.1 虚拟线圈的设置 | 第54-57页 |
4.4.2 基于灰度匹配的统计算法 | 第57-59页 |
4.4.3 基于灰度匹配的车速计算 | 第59-60页 |
4.5 交通参数统计实验结果及分析 | 第60-62页 |
4.6 本章小结 | 第62-63页 |
第五章 交通参数统计系统的设计与实现 | 第63-68页 |
5.1 相关技术介绍 | 第63-64页 |
5.1.1 C++ | 第63页 |
5.1.2 OpenCV | 第63页 |
5.1.3 MFC | 第63-64页 |
5.2 交通参数统计系统的设计 | 第64-66页 |
5.2.1 需求分析 | 第64页 |
5.2.2 系统架构 | 第64-66页 |
5.3 交通参数统计系统的实现 | 第66-67页 |
5.4 本章小结 | 第67-68页 |
总结与展望 | 第68-70页 |
总结 | 第68页 |
展望 | 第68-70页 |
参考文献 | 第70-73页 |
攻读学位期间取得的研究成果 | 第73-74页 |
致谢 | 第74页 |