| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-14页 |
| 1.1 课题的研究背景及意义 | 第9-11页 |
| 1.1.1 课题的研究背景 | 第9-10页 |
| 1.1.2 课题的研究意义 | 第10-11页 |
| 1.2 交通事件检测算法的研究现状 | 第11-12页 |
| 1.3 本文的主要工作和论文结构安排 | 第12-14页 |
| 2 交通异常事件检测系统概述 | 第14-18页 |
| 2.1 高速公路交通异常事件检测 | 第14-15页 |
| 2.2 交通异常事件检测系统的组成 | 第15-17页 |
| 2.3 本章小结 | 第17-18页 |
| 3 运动目标检测算法研究 | 第18-36页 |
| 3.1 常见的运动目标检测方法 | 第18-20页 |
| 3.1.1 帧差法 | 第18页 |
| 3.1.2 光流法 | 第18-20页 |
| 3.1.3 背景差法 | 第20页 |
| 3.2 交通异常事件检测中背景的建立 | 第20-25页 |
| 3.2.1 高斯混合背景建模 | 第21-22页 |
| 3.2.2 均值背景建模及背景更新 | 第22-23页 |
| 3.2.3 背景建模实验对比 | 第23-25页 |
| 3.3 阴影检测去除 | 第25-32页 |
| 3.3.1 基于边缘的阴影去除 | 第25-27页 |
| 3.3.2 基于HSV颜色空间的阴影去除 | 第27-29页 |
| 3.3.3 基于边缘和HSV颜色空间融合的阴影去除方法 | 第29-32页 |
| 3.4 有效运动区域的提取和标记 | 第32-35页 |
| 3.4.1 形态学处理 | 第32-34页 |
| 3.4.2 连通区域标记 | 第34-35页 |
| 3.5 本章小结 | 第35-36页 |
| 4 基于特征的运动目标跟踪算法研究 | 第36-47页 |
| 4.1 常见的运动目标跟踪算法 | 第36-38页 |
| 4.2 Kalman滤波原理 | 第38-39页 |
| 4.3 基于质心的运动目标跟踪 | 第39-45页 |
| 4.3.1 运动目标的特征提取 | 第39-40页 |
| 4.3.2 Kalman滤波特征值估计 | 第40-41页 |
| 4.3.3 基于面积筛选的特征匹配 | 第41-44页 |
| 4.3.4 基于面积筛选的特征匹配跟踪实验结果 | 第44-45页 |
| 4.4 运动目标跟踪轨迹的获得 | 第45-46页 |
| 4.5 本章小结 | 第46-47页 |
| 5 异常事件检测方法研究 | 第47-60页 |
| 5.1 车辆运动轨迹模型 | 第47-48页 |
| 5.2 交通异常逆行事件检测 | 第48-50页 |
| 5.2.1 车辆逆行事件的判断原理 | 第48-49页 |
| 5.2.2 车辆逆行事件的检测结果分析 | 第49-50页 |
| 5.3 交通异常停车事件检测 | 第50-53页 |
| 5.3.1 车辆停车事件的判断原理 | 第50-52页 |
| 5.3.2 车辆停车事件的检测结果分析 | 第52-53页 |
| 5.4 交通异常变道事件检测 | 第53-58页 |
| 5.4.1 车道线检测 | 第53-55页 |
| 5.4.2 车辆变道事件的判断原理 | 第55-56页 |
| 5.4.3 车辆变道事件的检测结果分析 | 第56-58页 |
| 5.5 异常事件检测效果分析 | 第58-59页 |
| 5.5.1 实验平台 | 第58页 |
| 5.5.2 实验效果分析 | 第58-59页 |
| 5.6 本章小结 | 第59-60页 |
| 结论 | 第60-62页 |
| 致谢 | 第62-63页 |
| 参考文献 | 第63-66页 |
| 攻读学位期间的研究成果 | 第66页 |