基于视频分析的道路交通状态检测研究
| 摘要 | 第3-4页 |
| ABSTRACT | 第4页 |
| 1 绪论 | 第7-12页 |
| 1.1 选题背景及意义 | 第7-8页 |
| 1.2 国内外研究现状 | 第8-9页 |
| 1.3 交通状态检测系统存在的问题及需要解决方案 | 第9-10页 |
| 1.3.1 存在的问题 | 第9页 |
| 1.3.2 解决方案 | 第9-10页 |
| 1.4 本文创新点 | 第10页 |
| 1.5 研究的主要内容及结构安排 | 第10-12页 |
| 2 基于视频监控的运动目标检测 | 第12-17页 |
| 2.1 运动目标检测 | 第12-15页 |
| 2.1.1 光流法 | 第12-13页 |
| 2.1.2 相邻帧间差法 | 第13页 |
| 2.1.3 背景差法 | 第13-14页 |
| 2.1.4 边缘检测法 | 第14-15页 |
| 2.2 数学形态学基本方法 | 第15-16页 |
| 2.2.1 腐蚀与膨胀 | 第15-16页 |
| 2.2.2 开运算与闭运算 | 第16页 |
| 2.3 本章小结 | 第16-17页 |
| 3 交通特征参数提取 | 第17-29页 |
| 3.1 交通特征参数选择 | 第17-19页 |
| 3.1.1 经典交通参数概述 | 第17-18页 |
| 3.1.2 交通特征参数选择 | 第18-19页 |
| 3.2 边缘特征参数提取 | 第19-25页 |
| 3.2.1 改进混合高斯模型背景建模 | 第20-22页 |
| 3.2.2 图像边缘特征提取 | 第22-24页 |
| 3.2.3 道路空间占有率估计 | 第24-25页 |
| 3.3 速度特征参数提取 | 第25-28页 |
| 3.3.1 块匹配算法 | 第26-28页 |
| 3.4 本章小结 | 第28-29页 |
| 4 道路交通状态分类识别 | 第29-37页 |
| 4.1 K-MEANS聚类算法 | 第29-30页 |
| 4.2 交通状态分类器设计 | 第30-32页 |
| 4.3 交通状态识别实验结果与分析 | 第32-36页 |
| 4.4 本章小结 | 第36-37页 |
| 5 总结与展望 | 第37-39页 |
| 5.1 本文主要工作总结 | 第37页 |
| 5.2 展望 | 第37-39页 |
| 参考文献 | 第39-42页 |
| 致谢 | 第42-43页 |
| 个人简历 | 第43页 |
