基于交通视频的车辆检测与研究
| 摘要 | 第2-3页 |
| ABSTRACT | 第3-4页 |
| 第一章 绪论 | 第7-12页 |
| 1.1 课题背景 | 第7-8页 |
| 1.2 课题目的及意义 | 第8页 |
| 1.3 智能交通的国内外研究现状 | 第8-10页 |
| 1.3.1 国外研究现状 | 第8-9页 |
| 1.3.2 国内研究现状 | 第9-10页 |
| 1.4 本文主要内容 | 第10-12页 |
| 第二章 交通图像处理与车辆检测方法概述 | 第12-18页 |
| 2.1 交通图像预处理 | 第12-15页 |
| 2.1.1 车道背景提取 | 第12-13页 |
| 2.1.2 车道线检测 | 第13-15页 |
| 2.2 恶劣光照条件的车辆检测 | 第15-17页 |
| 2.2.1 雨雾环境检测 | 第15-16页 |
| 2.2.2 夜间车辆识别 | 第16-17页 |
| 2.3 本章小结 | 第17-18页 |
| 第三章 车辆类型检测算法的研究 | 第18-25页 |
| 3.1 车型检测现状 | 第18-19页 |
| 3.2 车辆检测硬件系统 | 第19-20页 |
| 3.3 基于傅里叶描述子的算法设计 | 第20-21页 |
| 3.4 检测模板选取方案 | 第21-22页 |
| 3.5 基准特征向量构建与实验结果 | 第22-23页 |
| 3.6 工作现场及车型检测结果 | 第23-24页 |
| 3.7 本章小结 | 第24-25页 |
| 第四章 粘连车辆识别算法的研究 | 第25-37页 |
| 4.1 车辆轮廓提取与检测框设置 | 第25-27页 |
| 4.1.1 车辆轮廓提取 | 第25-26页 |
| 4.1.2 检测框设置 | 第26-27页 |
| 4.2 基于纹理的车辆检测 | 第27-29页 |
| 4.3 基于滤波扫描的定位方法 | 第29-33页 |
| 4.3.1 滤波器设计 | 第30-31页 |
| 4.3.2 算法描述 | 第31-32页 |
| 4.3.3 滤波值曲线分析 | 第32-33页 |
| 4.4 聚类分析与仿真实验 | 第33-36页 |
| 4.4.1 聚类分析基本概念 | 第33-34页 |
| 4.4.2 仿真实验 | 第34-36页 |
| 4.5 本章小节 | 第36-37页 |
| 第五章 车辆外廓尺寸算法测量的研究 | 第37-51页 |
| 5.1 外廓尺寸参数 | 第37-39页 |
| 5.1.1 车辆外廓尺寸 | 第37页 |
| 5.1.2 像素 | 第37-39页 |
| 5.2 车道空间模型的设计 | 第39-43页 |
| 5.2.1 算法思想 | 第39-40页 |
| 5.2.2 空间映射算法 | 第40-43页 |
| 5.3 特征点定位的实现过程 | 第43-46页 |
| 5.3.1 模板卷积运算 | 第43-44页 |
| 5.3.2 卷积扫描判别 | 第44-46页 |
| 5.4 车辆长度误差修正算法设计与分析 | 第46-47页 |
| 5.4.1 纵向误差修正方案 | 第46页 |
| 5.4.2 垂直误差修正方案 | 第46-47页 |
| 5.5 车辆宽度测量的算法设计与分析 | 第47-50页 |
| 5.5.1 欧几里得横向视差分析 | 第47-49页 |
| 5.5.2 AOli分段模型 | 第49页 |
| 5.5.3 车宽计算过程 | 第49-50页 |
| 5.6 本章小结 | 第50-51页 |
| 第六章 总结与展望 | 第51-53页 |
| 6.1 总结 | 第51页 |
| 6.2 展望 | 第51-53页 |
| 参考文献 | 第53-57页 |
| 致谢 | 第57-58页 |
| 攻读硕士学位期间取得的研究成果 | 第58-59页 |
