| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第10-15页 |
| 1.1 研究背景与意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.2.1 国外研究现状 | 第11-12页 |
| 1.2.2 国内研究现状 | 第12-13页 |
| 1.3 本文的主要研究内容 | 第13页 |
| 1.4 本文的结构安排 | 第13-15页 |
| 第二章 监控视频的预处理 | 第15-30页 |
| 2.1 图像灰度化 | 第15-17页 |
| 2.2 图像去噪 | 第17-20页 |
| 2.3 直方图均衡化 | 第20-21页 |
| 2.4 图像二值化 | 第21-27页 |
| 2.5 形态学运算 | 第27-29页 |
| 2.6 本章小结 | 第29-30页 |
| 第三章 基于监控视频的车辆检测 | 第30-45页 |
| 3.1 车辆检测 | 第30-33页 |
| 3.1.1 帧间差分法 | 第30-31页 |
| 3.1.2 光流法 | 第31-32页 |
| 3.1.3 背景差分法 | 第32-33页 |
| 3.2 背景建模 | 第33-40页 |
| 3.2.1 常用的背景建模方法 | 第33-38页 |
| 3.2.2 改进的背景建模方法 | 第38-40页 |
| 3.3 阴影去除 | 第40-44页 |
| 3.3.1 常用的阴影去除方法 | 第41-43页 |
| 3.3.2 改进的阴影去除方法 | 第43-44页 |
| 3.4 车辆分割 | 第44页 |
| 3.5 本章小结 | 第44-45页 |
| 第四章 基于监控视频的车辆跟踪 | 第45-63页 |
| 4.1 常用的车辆跟踪方法 | 第45-46页 |
| 4.2 Meanshift算法 | 第46-51页 |
| 4.2.1 Meanshift原理 | 第46-49页 |
| 4.2.2 Meanshift用于车辆跟踪实验结果与分析 | 第49-51页 |
| 4.3 Camshift算法 | 第51-55页 |
| 4.3.1 Camshift原理 | 第51-55页 |
| 4.3.2 Camshift用于车辆跟踪实验结果与分析 | 第55页 |
| 4.4 改进的结合卡尔曼滤波器的Camshift车辆跟踪算法 | 第55-62页 |
| 4.4.1 卡尔曼滤波器原理 | 第56-57页 |
| 4.4.2 结合卡尔曼滤波器的Camshift车辆跟踪算法 | 第57-60页 |
| 4.4.3 结合卡尔曼滤波器的Camshift车辆跟踪算法实验结果与分析 | 第60-62页 |
| 4.5 本章小结 | 第62-63页 |
| 第五章 基于监控视频的交通信息提取 | 第63-77页 |
| 5.1 车辆测速 | 第63-69页 |
| 5.1.1 常用的车辆测速方法 | 第63-64页 |
| 5.1.2 改进的基于车牌定位的车辆测速方法 | 第64-67页 |
| 5.1.3 车辆测速实验结果与分析 | 第67-69页 |
| 5.2 车辆计数 | 第69-71页 |
| 5.2.1 车辆计数方法 | 第69-70页 |
| 5.2.2 车辆计数实验结果与分析 | 第70-71页 |
| 5.3 车辆违章停车检测 | 第71-74页 |
| 5.3.1 常用的车辆违章停车检测方法 | 第71-72页 |
| 5.3.2 改进的车辆违章停车检测方法 | 第72-73页 |
| 5.3.3 车辆违章停车检测实验结果与分析 | 第73-74页 |
| 5.4 车辆逆行检测 | 第74-76页 |
| 5.4.1 车辆逆行检测方法 | 第74-75页 |
| 5.4.2 车辆逆行检测结果分析 | 第75-76页 |
| 5.5 本章小结 | 第76-77页 |
| 第六章 总结与展望 | 第77-78页 |
| 致谢 | 第78-79页 |
| 参考文献 | 第79-84页 |
