基于视频图像处理的车辆违章行为检测方法研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第8-12页 |
| 1.1 研究背景及意义 | 第8页 |
| 1.2 智能交通系统研究现状 | 第8-9页 |
| 1.3 视频检测技术国内外研究现状 | 第9-10页 |
| 1.3.1 国外研究现状 | 第9-10页 |
| 1.3.2 国内研究现状 | 第10页 |
| 1.4 本文研究的主要内容 | 第10-11页 |
| 1.5 论文内容安排 | 第11-12页 |
| 第2章 数字图像处理知识 | 第12-19页 |
| 2.1 图像数字化 | 第12-13页 |
| 2.2 图像的二值化 | 第13页 |
| 2.3 图像边缘检测 | 第13-16页 |
| 2.3.1 Sobel算子 | 第13-14页 |
| 2.3.2 Canny算子 | 第14-15页 |
| 2.3.3 Prewitt算子 | 第15-16页 |
| 2.4 图像的滤波 | 第16-17页 |
| 2.4.1 邻域平均滤波 | 第16页 |
| 2.4.2 加权平均滤波 | 第16页 |
| 2.4.3 中值滤波 | 第16-17页 |
| 2.5 图像的形态学处理 | 第17-18页 |
| 2.5.1 腐蚀 | 第17页 |
| 2.5.2 膨胀 | 第17-18页 |
| 2.5.3 开运算与闭运算 | 第18页 |
| 2.6 本章小结 | 第18-19页 |
| 第3章 运动目标检测算法研究 | 第19-26页 |
| 3.1 Vibe运动目标检测算法 | 第19页 |
| 3.2 改进的Vibe算法 | 第19-25页 |
| 3.2.1 基于五帧差分的背景初始化 | 第19-20页 |
| 3.2.2 融合混合高斯模型的运动目标检测 | 第20-21页 |
| 3.2.3 阴影检测与去除 | 第21-23页 |
| 3.2.4 实验结果分析 | 第23-25页 |
| 3.3 本章小结 | 第25-26页 |
| 第4章 车辆识别算法研究 | 第26-37页 |
| 4.1 车辆训练样本采集 | 第26页 |
| 4.2 车辆特征提取 | 第26-30页 |
| 4.2.1 Haar-like特征 | 第26-28页 |
| 4.2.2 HOG特征 | 第28-30页 |
| 4.3 车辆检测 | 第30-36页 |
| 4.3.1 Adaboost | 第30-32页 |
| 4.3.2 支持向量机SVM | 第32-34页 |
| 4.3.3 多特征分类器的级联设计 | 第34页 |
| 4.3.4 实验结果分析 | 第34-36页 |
| 4.4 本章小结 | 第36-37页 |
| 第5章 车辆违章停车行为检测 | 第37-41页 |
| 5.1 车辆违章停车检测原理 | 第37-38页 |
| 5.2 车辆违章停车检测实验结果与分析 | 第38-40页 |
| 5.3 本章小结 | 第40-41页 |
| 第6章 总结与展望 | 第41-42页 |
| 参考文献 | 第42-44页 |
| 攻读学位期间的研究成果 | 第44-45页 |
| 致谢 | 第45页 |
