监控视频中的车辆检测与跟踪技术研究
| 摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 第1章 绪论 | 第10-16页 |
| ·智能交通系统中的视频监控 | 第10-11页 |
| ·智能视频监控 | 第10页 |
| ·智能视频监控的应用 | 第10-11页 |
| ·车辆检测与跟踪技术 | 第11-13页 |
| ·车辆检测与跟踪技术的应用 | 第12页 |
| ·监控技术发展的关键历程 | 第12-13页 |
| ·重要研究机构 | 第13页 |
| ·课题研究的目标和难点 | 第13-14页 |
| ·本课题的研究目标 | 第13页 |
| ·研究的难点所在 | 第13-14页 |
| ·主要工作内容与章节安排 | 第14-16页 |
| 第2章 运动车辆检测方法研究 | 第16-39页 |
| ·引言 | 第16-17页 |
| ·视频预处理 | 第17-18页 |
| ·图像增强 | 第17页 |
| ·图像去噪 | 第17-18页 |
| ·背景建模及更新 | 第18-23页 |
| ·常用背景建模方法 | 第18-19页 |
| ·CodeBook 背景建模 | 第19-22页 |
| ·CodeBook 背景更新 | 第22-23页 |
| ·动态车辆提取 | 第23-28页 |
| ·CodeBook 的前景检测 | 第23-24页 |
| ·阴影去除 | 第24-26页 |
| ·图像二值化 | 第26-28页 |
| ·视频后处理 | 第28-31页 |
| ·形态学后处理 | 第28-29页 |
| ·区域增长 | 第29页 |
| ·目标合理性检测 | 第29-30页 |
| ·车辆特征提取 | 第30-31页 |
| ·仿真实验与分析 | 第31-38页 |
| ·本章小结 | 第38-39页 |
| 第3章 基于粒子滤波的单目标跟踪方法研究 | 第39-58页 |
| ·引言 | 第39页 |
| ·粒子滤波理论 | 第39-47页 |
| ·贝叶斯滤波原理 | 第39-41页 |
| ·蒙特卡洛采样 | 第41-42页 |
| ·序列重要性采样（SIS） | 第42-44页 |
| ·退化问题 | 第44-45页 |
| ·重采样原理 | 第45-47页 |
| ·粒子滤波算法描述 | 第47页 |
| ·基于粒子滤波方法的单目标跟踪算法 | 第47-52页 |
| ·系统状态空间和动态模型的建立 | 第47-48页 |
| ·目标模型的建立 | 第48-49页 |
| ·粒子权值的评价 | 第49页 |
| ·目标模板的更新 | 第49-50页 |
| ·粒子的重采样 | 第50-51页 |
| ·目标定位 | 第51页 |
| ·算法迭代步骤 | 第51-52页 |
| ·仿真实验与分析 | 第52-57页 |
| ·本章小结 | 第57-58页 |
| 第4章 基于粒子滤波的多目标跟踪方法研究 | 第58-72页 |
| ·引言 | 第58页 |
| ·多目标跟踪算法 | 第58-60页 |
| ·系统状态分类 | 第58-59页 |
| ·数据关联 | 第59-60页 |
| ·利用粒子滤波方法的多目标跟踪算法 | 第60-63页 |
| ·关联区域的确定 | 第60页 |
| ·判决条件的选择 | 第60-61页 |
| ·关联矩阵 | 第61-63页 |
| ·多目标匹配 | 第63-66页 |
| ·目标匹配 | 第63页 |
| ·新目标出现 | 第63-64页 |
| ·目标消失 | 第64-65页 |
| ·初始遮挡目标的处理 | 第65-66页 |
| ·多目标关联算法描述 | 第66-67页 |
| ·仿真实验与分析 | 第67-70页 |
| ·本章小结 | 第70-72页 |
| 第5章 车辆跟踪中的遮挡检测与消除 | 第72-79页 |
| ·引言 | 第72页 |
| ·目标之间的遮挡 | 第72-74页 |
| ·遮挡状态分析 | 第72-73页 |
| ·遮挡处理中的难题 | 第73-74页 |
| ·基于粒子滤波的多目标遮挡检测与消除 | 第74-77页 |
| ·系统状态建模 | 第74页 |
| ·目标表现建模 | 第74-75页 |
| ·遮挡检测机制 | 第75-76页 |
| ·遮挡消除 | 第76-77页 |
| ·仿真实验与分析 | 第77-78页 |
| ·本章小结 | 第78-79页 |
| 第6章 总结与展望 | 第79-82页 |
| ·总结 | 第79-80页 |
| ·今后工作展望 | 第80-82页 |
| 致谢 | 第82-83页 |
| 参考文献 | 第83-87页 |
| 发表论文及参与科研项目情况 | 第87-88页 |
| 附录1：多目标关联代码 | 第88页 |
