| 第一章 绪论 | 第1-13页 |
| 1．1 课题研究的背景 | 第9-10页 |
| 1．1．1 ITS(Intelligent Transportation System)简介 | 第9-10页 |
| 1．2 基于视频的运动目标检测与跟踪方法的概述及比较 | 第10-11页 |
| 1．3 本文所涉及的问题及所做的工作 | 第11-13页 |
| 第二章 背景图像的智能更新 | 第13-22页 |
| 2．1 实际检测中出现的问题 | 第13-16页 |
| 2．1．1 背景重建的算法 | 第13-16页 |
| 2．1．2 背景重建后在实际应用中的问题 | 第16页 |
| 2．2 几种实时更新的算法比较及本文提出的新算法优点 | 第16-19页 |
| 2．2．1 补偿系数的选择 | 第17-19页 |
| 2．3 智能背景更新的实验结果 | 第19-21页 |
| 2．4 本章小结 | 第21-22页 |
| 第三章 序列图像的预处理 | 第22-35页 |
| 3．1 运动目标的阴影 | 第22-26页 |
| 3．1．1 阴影去除算法研究 | 第22-26页 |
| 3．2 灰度图像的二值化 | 第26-30页 |
| 3．2．1 灰度图像的二值化概述 | 第26页 |
| 3．2．2 最大类间方差法 | 第26-27页 |
| 3．2．3 最大熵阈值分割 | 第27-29页 |
| 3．2．4 循环分割 | 第29-30页 |
| 3．2．5 实验结果 | 第30页 |
| 3．3 二值化图像的形态滤波 | 第30-34页 |
| 3．3．1 形态算子 | 第31-32页 |
| 3．3．2 图像的腐蚀与膨胀 | 第32-33页 |
| 3．3．3 图像的开启和闭合 | 第33-34页 |
| 3．4 本章小结 | 第34-35页 |
| 第四章 运动目标的识别及其特征提取 | 第35-43页 |
| 4．1 概述 | 第35-36页 |
| 4．2 运动目标的识别 | 第36-37页 |
| 4．2．1 线段编码方法 | 第36-37页 |
| 4．3 运动目标特征的描述 | 第37-38页 |
| 4．4 运动目标识别及特征提取算法的实现 | 第38-41页 |
| 4．4．1 实验结果 | 第40-41页 |
| 4．5 目标的合并 | 第41-42页 |
| 4．6 本章小结 | 第42-43页 |
| 第五章 运动目标的跟踪 | 第43-57页 |
| 5．1 概述 | 第43页 |
| 5．2 目标跟踪方法 | 第43-44页 |
| 5．3 目标跟踪预测的方法 | 第44-50页 |
| 5．3．1 Kalman滤波器 | 第45-46页 |
| 5．3．2 基于 Kalman滤波的运动目标估计 | 第46-47页 |
| 5．3．3 改进的 Kalman滤波器——α-β-γ滤波器 | 第47-49页 |
| 5．3．4 α-β-γ滤波器在跟踪过程出现的问题 | 第49-50页 |
| 5．4 利用颜色特征进行跟踪目标匹配 | 第50-53页 |
| 5．4．1 HSV色彩空间 | 第50-52页 |
| 5．4．2 HSV空间的非均匀量化 | 第52-53页 |
| 5．5 跟踪算法的实现及实验结果 | 第53-56页 |
| 5．6 本章小结 | 第56-57页 |
| 第六章 系统应用 | 第57-59页 |
| 第七章 总结与工作展望 | 第59-62页 |
| 参考文献 | 第62-67页 |
| 研究生阶段科研成果 | 第67-68页 |
| 致谢 | 第68-69页 |
| 独创性声明 | 第69页 |
| 学位论文版权使用授权书 | 第69页 |
