| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第一章 绪论 | 第10-19页 |
| ·研究背景 | 第10-11页 |
| ·交通事件自动检测算法 | 第11-14页 |
| ·模式识别算法 | 第12-13页 |
| ·统计预测算法 | 第13-14页 |
| ·突变理论算法 | 第14页 |
| ·人工神经网络算法 | 第14页 |
| ·基于图像处理的交通事件检测算法 | 第14页 |
| ·交通检测器的介绍与对比 | 第14-16页 |
| ·论文研究内容 | 第16-17页 |
| ·论文结构 | 第17-19页 |
| 第二章 结合视频与微波技术的交通事件自动检测系统 | 第19-23页 |
| ·系统原理 | 第19-20页 |
| ·交通视频处理技术 | 第19页 |
| ·交通微波检测技术 | 第19-20页 |
| ·系统组成及工作流程 | 第20-22页 |
| ·系统实现关键技术 | 第22页 |
| ·小结 | 第22-23页 |
| 第三章 运动车辆检测技术 | 第23-35页 |
| ·常见的运动车辆检测方法 | 第23-24页 |
| ·光流法 | 第23页 |
| ·相邻帧差法 | 第23-24页 |
| ·背景差分法 | 第24页 |
| ·背景模型的建立与更新 | 第24-29页 |
| ·常见的背景估计算法 | 第25-26页 |
| ·自适应背景模型 | 第26-29页 |
| ·车辆目标分割 | 第29-31页 |
| ·图像的差分 | 第29-30页 |
| ·阈值的选取 | 第30-31页 |
| ·形态学滤波 | 第31-32页 |
| ·膨胀与腐蚀 | 第31页 |
| ·开启运算和闭合运算 | 第31-32页 |
| ·矩形区域的提取 | 第32-34页 |
| ·连通区域的标记 | 第32-33页 |
| ·矩形区域的提取 | 第33-34页 |
| ·小结 | 第34-35页 |
| 第四章 运动车辆跟踪与事件检测技术 | 第35-46页 |
| ·运动车辆跟踪的常用方法 | 第35-36页 |
| ·基于区域的车辆跟踪方法 | 第35页 |
| ·基于特征的车辆跟踪方法 | 第35-36页 |
| ·基于模型的车辆跟踪方法 | 第36页 |
| ·基于轮廓的车辆跟踪方法 | 第36页 |
| ·Camshift算法 | 第36-40页 |
| ·Meanshift算法 | 第36-38页 |
| ·Camshift算法介绍 | 第38-40页 |
| ·基于Kalman滤波预测与Camshift结合的跟踪算法 | 第40-42页 |
| ·车速与流量的检测 | 第42页 |
| ·交通事件判断 | 第42-45页 |
| ·车辆碰撞事件的判断 | 第42-45页 |
| ·交通拥堵的判断 | 第45页 |
| ·小结 | 第45-46页 |
| 第五章 微波车辆检测技术 | 第46-52页 |
| ·微波交通检测器 | 第46-47页 |
| ·工作原理 | 第47-48页 |
| ·安装与设置 | 第48-49页 |
| ·微波交通数据采集 | 第49-51页 |
| ·小结 | 第51-52页 |
| 第六章 结合视频与微波技术的交通事件检测系统的实现 | 第52-65页 |
| ·微波交通检测器的布设 | 第52-57页 |
| ·事件检测对交通检测器布设的要求 | 第52-53页 |
| ·冲击波理论 | 第53-56页 |
| ·交通事件多发路段微波检测器的布设 | 第56-57页 |
| ·微波交通检测器数据采集周期的确定 | 第57-59页 |
| ·基于视频数据分析的交通事件对道路通行能力影响的规律 | 第57-58页 |
| ·交通事件多发路段固定微波检测器数据采集周期的确定 | 第58-59页 |
| ·实验与结果分析 | 第59-64页 |
| ·BP神经网络 | 第59-61页 |
| ·基于BP神经网络的交通事件自动检测实验 | 第61-64页 |
| ·小结 | 第64-65页 |
| 总结与展望 | 第65-67页 |
| 参考文献 | 第67-70页 |
| 攻读学位期间取得的研究成果 | 第70-71页 |
| 致谢 | 第71页 |
