基于统计方法的交通事件检测
| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 第1章 绪论 | 第8-13页 |
| ·研究背景和意义 | 第8-9页 |
| ·国内外研究现状 | 第9-10页 |
| ·国外研究现状 | 第9-10页 |
| ·国内研究现状 | 第10页 |
| ·主要工作及内容安排 | 第10-12页 |
| ·论文的主要工作 | 第10-11页 |
| ·论文组织结构 | 第11-12页 |
| ·小结 | 第12-13页 |
| 第2章 相关理论基础 | 第13-16页 |
| ·图像的数学模型 | 第13-14页 |
| ·图像滤波 | 第13页 |
| ·图像直方图 | 第13-14页 |
| ·图像分析的统计模型 | 第14-15页 |
| ·马尔科夫随机场模型 | 第14-15页 |
| ·贝叶斯图像分析 | 第15页 |
| ·小结 | 第15-16页 |
| 第3章 基于自适应背景模型的运动目标检测 | 第16-34页 |
| ·背景建模 | 第16-21页 |
| ·多帧平均值 | 第16-18页 |
| ·统计直方图 | 第18-19页 |
| ·统计中值法 | 第19-20页 |
| ·非参数估计 | 第20-21页 |
| ·常用的背景提取算法分析比较 | 第21页 |
| ·运动目标检测 | 第21-26页 |
| ·基于置信度的背景提取方法 | 第21-24页 |
| ·算法流程 | 第24-26页 |
| ·运动目标粗分割 | 第26-30页 |
| ·背景更新策略 | 第26-27页 |
| ·运动目标分割提取 | 第27-30页 |
| ·目标的精确提取 | 第30-33页 |
| ·滤波去噪 | 第31-32页 |
| ·形态学后处理 | 第32-33页 |
| ·小结 | 第33-34页 |
| 第4章 基于自适应误差累积的交通事件检测 | 第34-53页 |
| ·自适应误差累积模型 | 第35-39页 |
| ·实时的后背景提取方法 | 第36页 |
| ·记忆的前后背景提取方法 | 第36-38页 |
| ·阈值的自适应选取与更新 | 第38-39页 |
| ·相关参数选取研究 | 第39-44页 |
| ·初始化背景图片选取张数N | 第39-41页 |
| ·背景更新率α | 第41-42页 |
| ·序列图片选取间隔setk | 第42页 |
| ·累积误差间隔k | 第42-44页 |
| ·可疑目标检测 | 第44-46页 |
| ·基于背景帧差法的运动目标提取 | 第44页 |
| ·累积误差差分法提取静止目标 | 第44-45页 |
| ·事故车辆提取 | 第45-46页 |
| ·基于形态与区域特征的事故提取与验证 | 第46-49页 |
| ·检测区域的自适应提取 | 第46-48页 |
| ·摄像机抖动检测与消除 | 第48-49页 |
| ·基于区域特征的事故验证 | 第49页 |
| ·基于回溯跟踪的事故验证 | 第49页 |
| ·交通参数提取 | 第49-51页 |
| ·车流量统计 | 第50页 |
| ·车速检测 | 第50-51页 |
| ·实验结果 | 第51-52页 |
| ·小结 | 第52-53页 |
| 第5章 总结与展望 | 第53-55页 |
| ·工作总结 | 第53页 |
| ·展望 | 第53-55页 |
| 致谢 | 第55-56页 |
| 参考文献 | 第56-60页 |
| 攻读硕士学位期间参加的项目及发表文章 | 第60页 |
