基于视频图像的车流量统计算法研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-17页 |
| 1.1 研究的背景和意义 | 第10-12页 |
| 1.1.1 论文研究背景 | 第10-12页 |
| 1.1.2 论文研究意义 | 第12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.2.1 国外研究现状 | 第12-13页 |
| 1.2.2 国内研究现状 | 第13-14页 |
| 1.3 论文的主要工作和内容介绍 | 第14-15页 |
| 1.4 论文组织结构 | 第15-17页 |
| 第2章 车流量统计的相关算法研究 | 第17-30页 |
| 2.1 视频图像知识 | 第17-19页 |
| 2.1.1 分辨率 | 第17页 |
| 2.1.2 彩色模型 | 第17-19页 |
| 2.2 视频图像处理算法 | 第19-23页 |
| 2.2.1 图像类型 | 第19-20页 |
| 2.2.2 不同图像类型转换 | 第20-21页 |
| 2.2.3 图像之间运算方法 | 第21-22页 |
| 2.2.4 图像分割 | 第22-23页 |
| 2.3 数学形态学 | 第23-28页 |
| 2.3.1 腐蚀和膨胀 | 第23-26页 |
| 2.3.2 开启和闭合 | 第26-28页 |
| 2.3.3 区域填充和物体标记 | 第28页 |
| 2.4 运动目标跟踪与计数原理 | 第28-29页 |
| 2.5 本章小结 | 第29-30页 |
| 第3章 一种改进的混合高斯背景模型算法 | 第30-43页 |
| 3.1 基于视频图像的车辆检测算法综述 | 第30-32页 |
| 3.1.1 帧差分法 | 第30-31页 |
| 3.1.2 光流法 | 第31-32页 |
| 3.1.3 背景差分法 | 第32页 |
| 3.2 背景模型算法 | 第32-36页 |
| 3.2.1 单高斯背景模型算法 | 第33-34页 |
| 3.2.2 混合高斯背景模型算法 | 第34-36页 |
| 3.3 改进混合高斯背景模型算法 | 第36-38页 |
| 3.4 混合高斯建模算法步骤 | 第38页 |
| 3.5 仿真实验与结果分析 | 第38-42页 |
| 3.6 本章小结 | 第42-43页 |
| 第4章 基于卡尔曼滤波算法的车辆跟踪与计数 | 第43-60页 |
| 4.1 车辆跟踪问题描述 | 第43页 |
| 4.2 基于卡尔曼滤波的车辆跟踪与计数 | 第43-51页 |
| 4.2.1 卡尔曼滤波模型建立 | 第43-47页 |
| 4.2.2 运动估计模型参数设定 | 第47-49页 |
| 4.2.3 目标匹配 | 第49-50页 |
| 4.2.4 观测链的更新 | 第50-51页 |
| 4.3 跟踪车辆与计数流程图 | 第51-52页 |
| 4.4 仿真实验与结果分析 | 第52-59页 |
| 4.5 本章小结 | 第59-60页 |
| 第5章 结论与展望 | 第60-61页 |
| 5.1 结论 | 第60页 |
| 5.2 展望 | 第60-61页 |
| 参考文献 | 第61-64页 |
| 致谢 | 第64-65页 |
| 作者简介 | 第65页 |
