| 摘要 | 第1-6页 |
| Abstract | 第6-8页 |
| 目录 | 第8-10页 |
| 第1章 绪论 | 第10-20页 |
| ·研究背景与意义 | 第10-12页 |
| ·研究背景 | 第10-11页 |
| ·研究目的与意义 | 第11-12页 |
| ·交通监控系统模型研究与应用概况 | 第12-13页 |
| ·交通参数提取与状态自动识别技术研究与发展概况 | 第13-17页 |
| ·交通参数提取技术 | 第13-15页 |
| ·交通状态自动识别技术 | 第15-17页 |
| ·主要研究内容及结构 | 第17-18页 |
| ·本章小结 | 第18-20页 |
| 第2章 系统架构 | 第20-28页 |
| ·系统设计 | 第20-21页 |
| ·系统功能实现流程 | 第21-25页 |
| ·总体工作流程 | 第21-24页 |
| ·视频图像处理器 | 第24页 |
| ·交通监控客户端 | 第24-25页 |
| ·系统特征分析 | 第25-26页 |
| ·软硬件环境介绍 | 第26-27页 |
| ·硬件环境 | 第26-27页 |
| ·软件环境 | 第27页 |
| ·本章小结 | 第27-28页 |
| 第3章 基于机器视觉的交通参数提取 | 第28-54页 |
| ·总体框架 | 第28-29页 |
| ·时空描述图像 | 第29-38页 |
| ·摄像机标定 | 第29-31页 |
| ·构建二值化时空图像 | 第31-34页 |
| ·多视觉像素层信息融合 | 第34-38页 |
| ·交通参数提取 | 第38-41页 |
| ·实验结果及其分析 | 第41-51页 |
| ·实验环境及数据 | 第41-43页 |
| ·摄像机标定效果分析 | 第43-44页 |
| ·交通参数提取仿真结果与分析 | 第44-51页 |
| ·本章小结 | 第51-54页 |
| 第4章 交通事件检测与状态量化识别 | 第54-76页 |
| ·引言 | 第54页 |
| ·交通事件自动检测 | 第54-59页 |
| ·问题及解决方案分析 | 第54-55页 |
| ·总体框架 | 第55-56页 |
| ·基于最小风险的近似正态分布 Bayesian 决策法的阈值训练 | 第56-59页 |
| ·基于时空决策层信息融合的交通事故自动检测 | 第59页 |
| ·交通状态量化识别 | 第59-68页 |
| ·问题及解决方案分析 | 第59-60页 |
| ·总体框架 | 第60-61页 |
| ·基于改进的 FCM 训练聚类中心 | 第61-66页 |
| ·基于灰度综合评价的交通状态量化识别 | 第66-68页 |
| ·实验结果与分析 | 第68-74页 |
| ·实验数据描述 | 第68-69页 |
| ·仿真结果与分析 | 第69-72页 |
| ·方法对比分析 | 第72-74页 |
| ·本章小结 | 第74-76页 |
| 第5章 交通监控系统软件设计与实现 | 第76-86页 |
| ·软件总体设计 | 第76-77页 |
| ·网络信息编码设计 | 第77-78页 |
| ·数据库设计 | 第78页 |
| ·功能演示及模块介绍 | 第78-85页 |
| ·软件登陆 | 第79-80页 |
| ·系统功能实现 | 第80-85页 |
| ·本章小结 | 第85-86页 |
| 总结与展望 | 第86-88页 |
| 参考文献 | 第88-94页 |
| 攻读硕士学位期间完成的学术成果 | 第94-96页 |
| 致谢 | 第96页 |