基于LBP的隧道车辆检测跟踪与分类研究
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 1 绪论 | 第9-14页 |
| ·选题背景及意义 | 第9-10页 |
| ·国内外研究现状 | 第10-12页 |
| ·视频智能交通系统研究现状及进展 | 第10-11页 |
| ·目标检测与分类跟踪研究现状 | 第11-12页 |
| ·本文主要研究工作 | 第12-14页 |
| 2 图像处理技术概述 | 第14-22页 |
| ·颜色空间 | 第14-15页 |
| ·彩色图像 | 第14页 |
| ·灰度化 | 第14-15页 |
| ·图像预处理 | 第15-17页 |
| ·图象滤波方法 | 第15-16页 |
| ·图象对比度增强方法 | 第16-17页 |
| ·数学形态学 | 第17-19页 |
| ·基本定义 | 第17页 |
| ·二值形态学基本运算 | 第17-19页 |
| ·连通性分析 | 第19-21页 |
| ·连通性基本定义 | 第19-20页 |
| ·连通分量标记 | 第20-21页 |
| ·图像填充 | 第21-22页 |
| 3 运动车辆检测与阴影去除 | 第22-35页 |
| ·隧道场景特征分析 | 第22页 |
| ·运动目标检测算法 | 第22-27页 |
| ·光流场法 | 第22-23页 |
| ·帧间差分 | 第23-25页 |
| ·背景差分 | 第25-26页 |
| ·检测线法 | 第26-27页 |
| ·背景模型的建立 | 第27-29页 |
| ·背景模型分析 | 第27-29页 |
| ·改进的背景建模方法 | 第29页 |
| ·阈值的选取 | 第29-31页 |
| ·阴影处理 | 第31-32页 |
| ·本文采用的方法模型 | 第32-35页 |
| 4 车辆分类模型 | 第35-46页 |
| ·车辆分类的建模方法 | 第35-38页 |
| ·目标特征的提取及描述 | 第35页 |
| ·基于模板的车型识别分类 | 第35-38页 |
| ·基于代数特征的车辆识别分类 | 第38页 |
| ·LBP算法 | 第38-42页 |
| ·LBP算法的提出 | 第38-39页 |
| ·LBP算子的均匀模式 | 第39-40页 |
| ·LBP算子的旋转不变模式 | 第40-41页 |
| ·LBP的直方图特征 | 第41页 |
| ·LBP算子的特点 | 第41-42页 |
| ·基于改进LBP特征的分类 | 第42-44页 |
| ·改进的LBP算子 | 第42-43页 |
| ·降维处理 | 第43页 |
| ·车辆分类的建模过程 | 第43-44页 |
| ·实验与分析 | 第44-46页 |
| 5 车辆跟踪模型 | 第46-54页 |
| ·车辆跟踪的建模方法 | 第46-48页 |
| ·基于区域的车辆跟踪 | 第46页 |
| ·基于轮廓的车辆跟踪 | 第46-47页 |
| ·基于特征的车辆跟踪 | 第47-48页 |
| ·基于模型的车辆跟踪 | 第48页 |
| ·基于区域特征的跟踪算法描述 | 第48-51页 |
| ·基于区域特征跟踪的一般方法 | 第48-49页 |
| ·运动目标特征选取 | 第49-50页 |
| ·目标区域分裂状况的解决 | 第50-51页 |
| ·车辆跟踪状态处理 | 第51页 |
| ·车辆跟踪的流程 | 第51-52页 |
| ·车辆跟踪结果分析 | 第52-54页 |
| 结论 | 第54-55页 |
| 参考文献 | 第55-58页 |
| 攻读硕士学位期间发表学术论文情况 | 第58-59页 |
| 致谢 | 第59-61页 |
