基于视觉的交通路口车辆智能检测技术研究
| 摘要 | 第1-6页 |
| Abstract | 第6-14页 |
| 第1章 绪论 | 第14-32页 |
| ·研究背景与意义 | 第14-15页 |
| ·智能交通运输系统发展现状 | 第15-16页 |
| ·车辆智能检测关键技术研究现状 | 第16-29页 |
| ·目标检测方法概述 | 第17-23页 |
| ·目标分类方法概述 | 第23-24页 |
| ·目标跟踪方法概述 | 第24-27页 |
| ·冲突检测方法概述 | 第27-29页 |
| ·论文主要研究内容 | 第29-32页 |
| 第2章 运动目标检测 | 第32-59页 |
| ·引言 | 第32-33页 |
| ·基于GMM的运动目标检测 | 第33-41页 |
| ·基于GMM的背景建模 | 第33-37页 |
| ·改进的形态学滤波方法 | 第37-41页 |
| ·基于多特征融合的阴影检测与消除 | 第41-48页 |
| ·MRF框架下的阴影检测算法原理 | 第41-44页 |
| ·多特征信息提取 | 第44-47页 |
| ·基于Graph Cut算法的MRF能量函数优化 | 第47-48页 |
| ·实验结果与分析 | 第48-57页 |
| ·阴影检测结果 | 第48-55页 |
| ·实时性分析 | 第55-57页 |
| ·本章小结 | 第57-59页 |
| 第3章 运动目标分类 | 第59-76页 |
| ·引言 | 第59-60页 |
| ·基于KPCA-HOG的图像特征描述子 | 第60-65页 |
| ·HOG图像特征描述子 | 第60-61页 |
| ·基于KPCA的图像特征降维 | 第61-64页 |
| ·KPCA-HOG算法流程 | 第64-65页 |
| ·基于二叉决策树SVM的目标分类方法 | 第65-71页 |
| ·分类器的构建 | 第65-68页 |
| ·分类器的训练和识别 | 第68-71页 |
| ·实验结果与分析 | 第71-75页 |
| ·KPCA-HOG描述子性能分析 | 第72-73页 |
| ·实际目标分类结果 | 第73-75页 |
| ·本章小结 | 第75-76页 |
| 第4章 运动目标跟踪 | 第76-94页 |
| ·引言 | 第76-77页 |
| ·基于人工免疫的粒子滤波算法 | 第77-84页 |
| ·粒子滤波器及存在的问题 | 第77-81页 |
| ·人工免疫粒子滤波算法流程 | 第81-84页 |
| ·基于多特征信息融合的目标跟踪方法 | 第84-88页 |
| ·观测模型 | 第84-87页 |
| ·多特征自适应融合 | 第87-88页 |
| ·实验结果与分析 | 第88-93页 |
| ·AIS-PF性能比较 | 第88-91页 |
| ·目标跟踪结果 | 第91-93页 |
| ·本章小结 | 第93-94页 |
| 第5章 交通冲突检测 | 第94-119页 |
| ·引言 | 第94-95页 |
| ·运动目标轨迹特征提取 | 第95-96页 |
| ·轨迹预处理 | 第95-96页 |
| ·轨迹特征提取 | 第96页 |
| ·基于HMM的轨迹分类 | 第96-101页 |
| ·基于Mean-Shift算法的轨迹聚类 | 第97-100页 |
| ·HMM模型训练 | 第100-101页 |
| ·轨迹分类 | 第101页 |
| ·基于临界安全区域的交通冲突判别 | 第101-109页 |
| ·交通冲突检测 | 第102-106页 |
| ·交通冲突判别 | 第106-109页 |
| ·实验结果与分析 | 第109-118页 |
| ·轨迹分类 | 第110-112页 |
| ·交通冲突检测 | 第112-117页 |
| ·系统运算时间 | 第117-118页 |
| ·本章小结 | 第118-119页 |
| 结论 | 第119-121页 |
| 参考文献 | 第121-132页 |
| 攻读博士学位期间发表的论文 | 第132-134页 |
| 致谢 | 第134-135页 |
| 个人简历 | 第135页 |
