摘要 | 第3-4页 |
ABSTRACT | 第4页 |
第一章 绪论 | 第8-13页 |
1.1 研究背景及实现意义 | 第8-10页 |
1.1.1 智慧城市与车联网概念 | 第8-9页 |
1.1.2 公交车问题与市民需求分析 | 第9-10页 |
1.2 国内外研究现状 | 第10-11页 |
1.2.1 国外智慧交通与车联网发展现状 | 第10-11页 |
1.2.2 国内车联网技术发展现状 | 第11页 |
1.3 本课题的主要工作 | 第11-13页 |
第二章 相关概念与系统组成 | 第13-21页 |
2.1 车联网概念与 BRT 快速公交车道 | 第13-15页 |
2.1.1 车联网概念 | 第13-14页 |
2.1.2 BRT 快速公交系统 | 第14-15页 |
2.2 系统方案 | 第15-20页 |
2.2.1 整体方案 | 第15-16页 |
2.2.2 软、硬件开发方案 | 第16页 |
2.2.3 视频采集设备方案 | 第16-17页 |
2.2.4 云台选择 | 第17页 |
2.2.5 视频处理方案 | 第17-18页 |
2.2.6 视频图像处理、分析算法方案 | 第18-20页 |
2.3 本章小结 | 第20-21页 |
第三章 嵌入式平台搭建 | 第21-37页 |
3.1 DaVinci 图像视频开发应用平台概述 | 第22-24页 |
3.1.1 DaVinci 家族 | 第22-23页 |
3.1.2 TMS320DM6467 数字媒体处理器 | 第23-24页 |
3.2 DM6467 芯片架构 | 第24-27页 |
3.2.1 ARM 子系统介绍 | 第25页 |
3.2.2 DSP 子系统介绍 | 第25-26页 |
3.2.3 HD-VICP | 第26页 |
3.2.4 DM6467 开发板硬件层次 | 第26-27页 |
3.3 DM6467 软件开发结构 | 第27-33页 |
3.3.1 概述 | 第27-28页 |
3.3.2 基于 CE 架构的软件开发与应用模式 | 第28-30页 |
3.3.3 算法函数调用过程 | 第30-31页 |
3.3.4 V4L2 结构 | 第31-33页 |
3.4 嵌入式视频采集显示环境搭建 | 第33-34页 |
3.5 交叉编译技术 | 第34-35页 |
3.6 YUV 视频格式与 DM6467 视频采集过程 | 第35-36页 |
3.7 本章小结 | 第36-37页 |
第四章 视频图像处理算法 | 第37-59页 |
4.1 系统算法概述 | 第37-39页 |
4.1.1 系统算法情境限定 | 第37-38页 |
4.1.2 算法流程概述 | 第38-39页 |
4.2 公交车识别 | 第39-51页 |
4.2.1 运动目标识别方法概述 | 第39-42页 |
4.2.2 帧差法在公交车视频处理中遇到的问题 | 第42-44页 |
4.2.3 单线扫描法在公交车识别中的应用 | 第44-51页 |
4.3 公交车追踪算法 | 第51-53页 |
4.3.1 运动目标追踪方法概述 | 第52-53页 |
4.3.2 基于三帧差修正的公交车 Camshift 追踪算法 | 第53页 |
4.4 公交车数字识别 | 第53-55页 |
4.4.1 公交车 LED 数字特征分析与识别方法 | 第54-55页 |
4.5 乘客上下车行为分析 | 第55-58页 |
4.5.1 公交车前后门识别与定位 | 第55-56页 |
4.5.2 公交车乘客上下车行为分析与统计 | 第56-58页 |
4.5.3 公交车拥挤度评价 | 第58页 |
4.6 本章小结 | 第58-59页 |
第五章 实验结果 | 第59-66页 |
5.1 公交车识别与追踪实验结果分析 | 第59-62页 |
5.1.1 公交车识别实验结果分析 | 第59-60页 |
5.1.2 追踪实验结果 | 第60-62页 |
5.2 公交车数字识别结果 | 第62-63页 |
5.3 公交车乘客行为分析实验结果 | 第63-65页 |
5.3.1 公交车前后门定位实验结果 | 第63-64页 |
5.3.2 公交车乘客上下车行为分析实验结果 | 第64-65页 |
5.4 本章小结 | 第65-66页 |
第六章 总结与展望 | 第66-68页 |
6.1 总结 | 第66页 |
6.2 展望 | 第66-68页 |
参考文献 | 第68-72页 |
发表论文和参加科研情况说明 | 第72-73页 |
致谢 | 第73页 |