| 摘要 | 第7-8页 |
| Abstract | 第8-9页 |
| 第1章 绪论 | 第12-20页 |
| 1.1 选题的背景及意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-18页 |
| 1.2.1 智能交通系统的研究现状 | 第13-14页 |
| 1.2.2 视频检测技术与算法的研究现状 | 第14-17页 |
| 1.2.3 存在的问题 | 第17-18页 |
| 1.3 论文结构安排及主要内容 | 第18-19页 |
| 1.4 本章小结 | 第19-20页 |
| 第2章 核心需求分析与架构设计 | 第20-25页 |
| 2.1 核心需求分析 | 第20-21页 |
| 2.2 功能分析 | 第21页 |
| 2.3 设计原则 | 第21-22页 |
| 2.4 系统架构设计 | 第22-24页 |
| 2.5 本章小结 | 第24-25页 |
| 第3章 视频检测模块设计 | 第25-43页 |
| 3.1 交通流检测技术及适用性比对分析 | 第25-28页 |
| 3.1.1 感应线圈检测器 | 第25页 |
| 3.1.2 微波检测器 | 第25-26页 |
| 3.1.3 RFID检测器 | 第26页 |
| 3.1.4 视频检测器 | 第26页 |
| 3.1.5 检测技术的适用性分析 | 第26-28页 |
| 3.1.6 分析结果 | 第28页 |
| 3.2 基于受限玻尔兹曼机网络的视频检测机制研究 | 第28-35页 |
| 3.2.1 受限玻尔兹曼机网络 | 第29-30页 |
| 3.2.2 受限玻尔兹曼机学习过程 | 第30-31页 |
| 3.2.3 受限玻尔兹曼机模型的训练 | 第31-32页 |
| 3.2.4 受限玻尔兹曼机模型的训练与结果分析 | 第32-35页 |
| 3.3 基于FAST特征点与PDE算法的运动补偿机制 | 第35-38页 |
| 3.3.1 基于FAST特征点设计图像去抖算法 | 第35-36页 |
| 3.3.2 基于PDE提出图像去噪算法 | 第36-38页 |
| 3.4 基于随机森林算法和光流法的跟踪机制 | 第38-42页 |
| 3.4.1 基于随机森林算法研究跟踪机制 | 第39-40页 |
| 3.4.2 基于运动的光流法研究跟踪机制 | 第40-42页 |
| 3.5 本章小结 | 第42-43页 |
| 第4章 交通数据采集分析模块设计 | 第43-51页 |
| 4.1 基于隐马尔可夫模型(HMM)设计检测结果综合判断分析器 | 第43-47页 |
| 4.1.1 关于隐马尔可夫模型(HMM) | 第43-44页 |
| 4.1.2 基于隐马尔可夫模型(HMM)进行综合分析功能的设计 | 第44-47页 |
| 4.2 交通参数的计算方法研究 | 第47-50页 |
| 4.2.1 交通量的计算方法 | 第47页 |
| 4.2.2 平均速度的计算方法 | 第47-49页 |
| 4.2.3 排队时间的计算方法 | 第49页 |
| 4.2.4 拥堵程度的计算方法 | 第49页 |
| 4.2.5 排队长度的计算方法 | 第49-50页 |
| 4.3 本章小结 | 第50-51页 |
| 第5章 实验与结果分析 | 第51-62页 |
| 5.1 实验环境的搭建 | 第51-57页 |
| 5.1.1 车流检测器参数设置 | 第51-55页 |
| 5.1.2 虚拟线圈基础信息设置 | 第55-57页 |
| 5.2 实验结果及实测结果分析 | 第57-61页 |
| 5.2.1 实验结果及评价 | 第57-59页 |
| 5.2.2 路口实测效果 | 第59-60页 |
| 5.2.3 检测精度指标 | 第60-61页 |
| 5.3 本章小结 | 第61-62页 |
| 结论与展望 | 第62-64页 |
| 参考文献 | 第64-67页 |
| 致谢 | 第67-68页 |
| 附录A：在学期间的研究成果 | 第68页 |
