基于机载摄像机的高速公路车辆检测与跟踪技术的研究
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 课题的研究背景及意义 | 第9-10页 |
| 1.2 课题的国内外研究现状 | 第10-12页 |
| 1.2.1 动态背景下车辆的检测技术 | 第10-11页 |
| 1.2.2 动态背景下车辆的跟踪技术 | 第11-12页 |
| 1.3 课题的研究内容 | 第12-15页 |
| 第二章 低空域动态背景下的车辆检测方法研究 | 第15-37页 |
| 2.1 本章概述 | 第15页 |
| 2.2 低空域动态背景下的高速公路识别方法 | 第15-19页 |
| 2.3 Vibe背景更新算法 | 第19-27页 |
| 2.3.1 低空域车辆检测方法概述 | 第19-20页 |
| 2.3.2 Vibe背景更新算法 | 第20-23页 |
| 2.3.3 Vibe算法实验分析 | 第23-27页 |
| 2.4 Vibe阈值自适应背景更新算法 | 第27-31页 |
| 2.4.1 混合高斯模型 | 第27-28页 |
| 2.4.2 背景学习率自适应更新 | 第28-29页 |
| 2.4.3 距离阈值自适应更新 | 第29-30页 |
| 2.4.4 实验结果与分析 | 第30-31页 |
| 2.5 车辆检测 | 第31-37页 |
| 2.5.1 形态学优化处理 | 第31-33页 |
| 2.5.2 实验结果与分析 | 第33-37页 |
| 第三章 低空域动态背景下的车辆跟踪方法研究 | 第37-55页 |
| 3.1 本章概述 | 第37页 |
| 3.2 车辆跟踪区域初始化 | 第37-39页 |
| 3.3 Camshift跟踪算法 | 第39-46页 |
| 3.3.1 颜色直方图 | 第40-42页 |
| 3.3.2 Meanshift聚类算法 | 第42-44页 |
| 3.3.3 Camshift算法 | 第44-45页 |
| 3.3.4 实验结果与分析 | 第45-46页 |
| 3.4 基于多特征融合的Camshift跟踪算法 | 第46-55页 |
| 3.4.1 轮廓直方图 | 第47-48页 |
| 3.4.2 纹理直方图 | 第48-50页 |
| 3.4.3 多特征融合跟踪算法 | 第50-51页 |
| 3.4.4 实验结果与分析 | 第51-55页 |
| 第四章 车辆检测与跟踪软件设计与实现 | 第55-67页 |
| 4.1 软件功能与架构 | 第55-56页 |
| 4.2 软件开发环境 | 第56-57页 |
| 4.3 主要模块设计与实现 | 第57-60页 |
| 4.3.1 高速公路检测模块 | 第57-58页 |
| 4.3.2 车辆检测模块 | 第58-59页 |
| 4.3.3 车辆跟踪模块 | 第59-60页 |
| 4.4 软件测试 | 第60-67页 |
| 4.4.1 软件功能测试 | 第60-64页 |
| 4.4.2 软件性能测试 | 第64-67页 |
| 第五章 总结与展望 | 第67-69页 |
| 5.1 总结 | 第67-68页 |
| 5.2 展望 | 第68-69页 |
| 致谢 | 第69-71页 |
| 参考文献 | 第71-75页 |
| 作者在攻读硕士学位期间的研究成果 | 第75页 |
