| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 专用术语注释表 | 第9-10页 |
| 第一章 绪论 | 第10-14页 |
| 1.1 课题研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-12页 |
| 1.3 本文研究内容与章节安排 | 第12-14页 |
| 1.3.1 论文研究内容 | 第12-13页 |
| 1.3.2 论文章节安排 | 第13-14页 |
| 第二章 车流量检测技术基础 | 第14-24页 |
| 2.1 压缩域运动目标检测 | 第14-16页 |
| 2.1.1 视频编码技术标准 | 第14-15页 |
| 2.1.2 压缩域运动目标检测算法 | 第15-16页 |
| 2.2 像素域运动目标检测算法 | 第16-21页 |
| 2.2.1 传统的像素域运动物体检测算法 | 第16-19页 |
| 2.2.2 基于深度学习的车辆检测技术 | 第19-21页 |
| 2.3 多目标车辆追踪计数算法 | 第21-23页 |
| 2.3.1 车辆跟踪与计数关键技术 | 第21-22页 |
| 2.3.2 车辆跟踪计数常用算法介绍 | 第22-23页 |
| 2.4 车流量检测难点分析 | 第23页 |
| 2.5 本章小结 | 第23-24页 |
| 第三章 基于HEVC压缩域运动目标检测算法研究 | 第24-43页 |
| 3.1 HEVC标准关键技术 | 第24-26页 |
| 3.2 基于运动矢量的车辆检测 | 第26-32页 |
| 3.2.1 运动矢量产生原理 | 第26-28页 |
| 3.2.2 运动矢量信息的提取与预处理 | 第28-31页 |
| 3.2.3 基于运动矢量的目标检测算法 | 第31-32页 |
| 3.3 联合运动矢量和编码块信息的运动车辆检测 | 第32-36页 |
| 3.3.1 编码单元分割原理 | 第33-34页 |
| 3.3.2 编码单元信息提取与预处理 | 第34-35页 |
| 3.3.3 联合运动矢量和编码单元信息的运动车辆检测算法实现 | 第35-36页 |
| 3.4 实验结果及分析 | 第36-42页 |
| 3.4.1 性能指标 | 第36-37页 |
| 3.4.2 实验对比及分析 | 第37-42页 |
| 3.4.3 存在的问题 | 第42页 |
| 3.5 本章小结 | 第42-43页 |
| 第四章 融合压缩域信息的Faster R-CNN车辆检测算法 | 第43-58页 |
| 4.1 深度学习常用的目标检测网络 | 第43-46页 |
| 4.1.1 基于深度学习车辆检测算法 | 第43-45页 |
| 4.1.2 算法比较及选取 | 第45-46页 |
| 4.2 Faster R-CNN车辆检测 | 第46-47页 |
| 4.2.1 车辆检测系统架构 | 第46页 |
| 4.2.2 车辆检测模型实现 | 第46-47页 |
| 4.2.3 Faster R-CNN算法存在的问题 | 第47页 |
| 4.3 压缩域信息对RPN的改进 | 第47-50页 |
| 4.3.1 RPN提取目标候选区域 | 第48-49页 |
| 4.3.2 压缩域信息对RPN候选区域筛选 | 第49-50页 |
| 4.4 融合压缩域信息的Faster R-CNN车辆检测算法 | 第50-53页 |
| 4.4.1 设计思路 | 第50-51页 |
| 4.4.2 算法实现 | 第51-53页 |
| 4.5 实验结果及分析 | 第53-57页 |
| 4.5.1 实验环境 | 第53页 |
| 4.5.2 实验结果及分析 | 第53-57页 |
| 4.6 本章小结 | 第57-58页 |
| 第五章 多目标车辆追踪计数算法研究 | 第58-72页 |
| 5.1 车辆跟踪计数问题描述 | 第58页 |
| 5.2 基于卡尔曼滤波的车辆跟踪计数模型 | 第58-60页 |
| 5.3 基于重叠面积率的特征匹配车辆计数算法 | 第60-65页 |
| 5.3.1 目标车辆匹配模板建立 | 第60页 |
| 5.3.2 目标车辆匹配准则 | 第60-62页 |
| 5.3.3 基于重叠面积率的车辆计数算法实现及分析 | 第62-64页 |
| 5.3.4 算法存在的问题 | 第64-65页 |
| 5.4 基于预测机制的车辆匹配计数算法 | 第65-69页 |
| 5.4.1 卡尔曼滤波预测模型 | 第65-67页 |
| 5.4.2 匈牙利匹配算法 | 第67页 |
| 5.4.3 基于预测机制的车辆匹配计数算法 | 第67-69页 |
| 5.5 仿真实验与结果分析 | 第69-71页 |
| 5.5.1 性能指标 | 第69页 |
| 5.5.2 实验结果及分析 | 第69-71页 |
| 5.6 本章小结 | 第71-72页 |
| 第六章 总结与展望 | 第72-74页 |
| 6.1 总结 | 第72-73页 |
| 6.2 展望 | 第73-74页 |
| 参考文献 | 第74-78页 |
| 附录 攻读硕士学位期间撰写的论文 | 第78-79页 |
| 致谢 | 第79页 |
