基于视频处理的混合交通事件检测方法研究
| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第一章 绪论 | 第10-22页 |
| ·研究背景 | 第10-11页 |
| ·研究目的与意义 | 第11-12页 |
| ·研究目的 | 第11页 |
| ·研究意义 | 第11-12页 |
| ·交通事件识别技术研究现状 | 第12-17页 |
| ·交通流数据采集方法现状 | 第13-14页 |
| ·视频检测关键技术现状 | 第14-17页 |
| ·研究内容 | 第17-19页 |
| ·小结 | 第19-22页 |
| 第二章 混合交通模式特点及数字图像处理 | 第22-30页 |
| ·混合交通运动的特点 | 第22-24页 |
| ·混合交通流形成的原因 | 第22-23页 |
| ·混合交通运动存在的问题 | 第23-24页 |
| ·视频图像数字化及色彩转换 | 第24-26页 |
| ·交通视频处理技术 | 第24页 |
| ·视频图像的数字表达 | 第24-25页 |
| ·颜色空间表示 | 第25-26页 |
| ·阴影去除方法 | 第26-29页 |
| ·阈值法阴影消除原理 | 第27页 |
| ·普通阈值法的不足 | 第27-28页 |
| ·多阈值阴影剔除法 | 第28-29页 |
| ·小结 | 第29-30页 |
| 第三章 背景模型建立 | 第30-42页 |
| ·常用背景提取模型 | 第30-31页 |
| ·图像平均模型 | 第30页 |
| ·时序中值滤波模型 | 第30-31页 |
| ·高斯混合模型 | 第31页 |
| ·基于三帧差分法与形态学自适应背景提取模型 | 第31-36页 |
| ·形态学 | 第31页 |
| ·数学形态学定量分析原则 | 第31-33页 |
| ·数学形态学基本算法 | 第33页 |
| ·结构元素的确定 | 第33-34页 |
| ·自适应背景图像提取的三帧差分法与形态学建模 | 第34-36页 |
| ·实验结果分析 | 第36-40页 |
| ·背景初始化实验 | 第37-38页 |
| ·模型计算精度分析 | 第38页 |
| ·模型计算速度分析 | 第38-40页 |
| ·小结 | 第40-42页 |
| 第四章 混合交通运动目标识别与跟踪 | 第42-56页 |
| ·混合交通运动中的目标识别算法 | 第42-50页 |
| ·混合交通运动目标的特征表达 | 第43-46页 |
| ·基于支持向量机的混合目标识别方法 | 第46-50页 |
| ·基于多特征匹配的混合交通运动目标跟踪 | 第50-52页 |
| ·目标状态表达 | 第50-51页 |
| ·目标状态估计 | 第51页 |
| ·特征匹配与更新 | 第51-52页 |
| ·实验结果分析 | 第52-54页 |
| ·目标识别方法研究 | 第52-54页 |
| ·小结 | 第54-56页 |
| 第五章 混合交通运动中的交通事件识别 | 第56-64页 |
| ·混合交通运动中的上下文概念 | 第56页 |
| ·基于上下文的交通事件表达 | 第56-58页 |
| ·基本事件识别方法 | 第58-60页 |
| ·交通事件识别方法 | 第58页 |
| ·基本交通事件识别原理 | 第58页 |
| ·识别方法研究 | 第58-60页 |
| ·实验结果分析 | 第60-63页 |
| ·行人违章过街事件识别 | 第60-63页 |
| ·小结 | 第63-64页 |
| 总结与展望 | 第64-66页 |
| 总结 | 第64页 |
| 后续工作研究建议 | 第64-66页 |
| 参考文献 | 第66-70页 |
| 致谢 | 第70页 |
