基于车辆检测与跟踪的交通事件检测方法研究
| 摘要 | 第5-6页 |
| abstract | 第6页 |
| 第1章 绪论 | 第9-20页 |
| 1.1 研究背景与意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-14页 |
| 1.2.1 违章检测的研究现状 | 第10-11页 |
| 1.2.2 视频车辆检测技术研究现状 | 第11-13页 |
| 1.2.3 视频车辆跟踪技术研究现状 | 第13-14页 |
| 1.3 主要研究内容 | 第14-18页 |
| 1.3.1 存在的问题 | 第14页 |
| 1.3.2 研究内容 | 第14-18页 |
| 1.4 论文组织结构 | 第18-20页 |
| 第2章 交叉路口多车辆检测 | 第20-46页 |
| 2.1 运动区域检测方法 | 第20-24页 |
| 2.1.1 帧间差分法 | 第20-22页 |
| 2.1.2 光流法 | 第22-23页 |
| 2.1.3 背景差分法 | 第23-24页 |
| 2.2 背景建模方法 | 第24-32页 |
| 2.2.1 基于滤波方法法背景建模 | 第24-25页 |
| 2.2.2 基于混合高斯背景建模 | 第25-27页 |
| 2.2.3 改进的ViBe背景建模 | 第27-31页 |
| 2.2.4 实验结果对比 | 第31-32页 |
| 2.3 交叉路口多车辆检测方法 | 第32-37页 |
| 2.3.1 前景目标分割 | 第32-34页 |
| 2.3.2 基于快速车牌检测的车辆检测 | 第34-37页 |
| 2.4 交叉路口多车辆检测结果分析 | 第37-45页 |
| 2.4.1 改进ViBe算法背景提取 | 第37-38页 |
| 2.4.2 车辆检测 | 第38-42页 |
| 2.4.3 算法比较 | 第42-45页 |
| 2.5 本章小结 | 第45-46页 |
| 第3章 交叉路口多车辆跟踪 | 第46-63页 |
| 3.1 车辆跟踪常用算法 | 第46-47页 |
| 3.2 压缩跟踪算法简介 | 第47页 |
| 3.3 改进的基于压缩感知的多车辆跟踪方法 | 第47-53页 |
| 3.3.1 随机多通道特征模型 | 第49-50页 |
| 3.3.2 多尺度跟踪 | 第50-52页 |
| 3.3.3 自适应更新策略 | 第52-53页 |
| 3.4 多车辆跟踪异常处理 | 第53-56页 |
| 3.5 实验结果分析 | 第56-62页 |
| 3.5.1 仿真实验比较 | 第57-60页 |
| 3.5.2 比较分析 | 第60-61页 |
| 3.5.3 交叉路口多车辆跟踪实验 | 第61-62页 |
| 3.5.4 算法讨论 | 第62页 |
| 3.6 本章小结 | 第62-63页 |
| 第4章 交叉路口交通事件检测 | 第63-73页 |
| 4.1 交通事件 | 第63页 |
| 4.2 车辆违章行为检测 | 第63-68页 |
| 4.2.1 交叉路口数学模型 | 第63-65页 |
| 4.2.2 跨车道线行驶 | 第65-67页 |
| 4.2.3 不按导向车道行驶 | 第67页 |
| 4.2.4 闯红灯检测 | 第67-68页 |
| 4.2.5 无牌车辆 | 第68页 |
| 4.3 交通参数计算 | 第68-70页 |
| 4.3.1 平均通过时间 | 第69页 |
| 4.3.2 单位时间通过车辆数 | 第69页 |
| 4.3.3 平均车速 | 第69-70页 |
| 4.4 实验结果分析 | 第70-71页 |
| 4.5 本章小结 | 第71-73页 |
| 第5章 总结与展望 | 第73-75页 |
| 5.1 工作总结 | 第73-74页 |
| 5.2 未来工作展望 | 第74-75页 |
| 参考文献 | 第75-79页 |
| 致谢 | 第79-80页 |
| 攻读学位期间参加的科研项目和成果 | 第80页 |
