| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 1 绪论 | 第8-16页 |
| 1.1 课题的研究背景 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-13页 |
| 1.2.1 国外研究现状 | 第9-11页 |
| 1.2.2 国内研究现状 | 第11-12页 |
| 1.2.3 研究现状分析及课题的提出 | 第12-13页 |
| 1.3 课题的研究意义 | 第13页 |
| 1.4 研究的主要内容及结构安排 | 第13-16页 |
| 2 判别方案的提出及相关技术 | 第16-30页 |
| 2.1 交通拥堵的划分及判别系统体系结构 | 第16-18页 |
| 2.1.1 交通拥堵的概念及划分 | 第16-17页 |
| 2.1.2 交通拥堵状态判别系统的体系结构 | 第17-18页 |
| 2.2 基于视频的交通拥堵状态判别关键技术 | 第18-25页 |
| 2.2.1 基于视频的车辆目标提取 | 第18-21页 |
| 2.2.2 典型的交通参数 | 第21-22页 |
| 2.2.3 常用的基于视频的交通拥堵状态判别算法 | 第22-25页 |
| 2.3 基于视频的交通拥堵状态判别方案提出 | 第25-29页 |
| 2.3.1 车辆目标提取方案 | 第26-27页 |
| 2.3.2 交通参数提取方案 | 第27-28页 |
| 2.3.3 交通拥堵状态判别算法提出 | 第28-29页 |
| 2.4 算法评价指标 | 第29页 |
| 2.5 本章小结 | 第29-30页 |
| 3 基于视频的车辆目标提取 | 第30-46页 |
| 3.1 背景建模及更新 | 第30-37页 |
| 3.1.1 现有背景建模方法比较 | 第30-33页 |
| 3.1.2 基于非参数核密度的背景建模方法 | 第33-36页 |
| 3.1.3 背景更新 | 第36-37页 |
| 3.2 基于分形维数的初始车流密度检测 | 第37-43页 |
| 3.2.1 问题的提出 | 第37-38页 |
| 3.2.2 分形和分形维数简介 | 第38-39页 |
| 3.2.3 基于分形维数的初始车流密度检测 | 第39-43页 |
| 3.3 基于背景差法的车辆目标提取 | 第43-45页 |
| 3.3.1 基于背景差法的车辆目标提取 | 第43-44页 |
| 3.3.2 基于形态学的去噪方法 | 第44-45页 |
| 3.4 本章小结 | 第45-46页 |
| 4 基于模糊 C 均值的交通拥堵状态判别 | 第46-60页 |
| 4.1 基于模糊理论的交通拥堵状态判别 | 第46-49页 |
| 4.1.1 模糊理论简介 | 第46页 |
| 4.1.2 模糊聚类算法 | 第46-48页 |
| 4.1.3 基于模糊 C 均值的交通拥堵状态判别算法架构 | 第48-49页 |
| 4.2 交通参数的获取 | 第49-50页 |
| 4.3 基于模糊 C 均值的交通拥堵状态判别 | 第50-55页 |
| 4.3.1 基于模糊 C 均值的交通拥堵状态判别 | 第50-52页 |
| 4.3.2 实际场景中的交通拥堵状态判别结果 | 第52-55页 |
| 4.4 交通拥堵状态降低误检测方法 | 第55-58页 |
| 4.4.1 基于连通域分析的误检测识别算法 | 第55-57页 |
| 4.4.2 基于投票机制的交通拥堵状态判别方法 | 第57-58页 |
| 4.5 本章小结 | 第58-60页 |
| 5 实验结果及分析 | 第60-68页 |
| 5.1 实验环境 | 第60页 |
| 5.2 实验算法流程 | 第60-61页 |
| 5.3 高速公路交通拥堵状态判别实验结果及分析 | 第61-66页 |
| 5.3.1 高速公路车辆目标提取实验结果及分析 | 第61-63页 |
| 5.3.2 高速公路交通拥堵状态判别实验结果及分析 | 第63-65页 |
| 5.3.3 算法性能分析 | 第65-66页 |
| 5.4 本章小结 | 第66-68页 |
| 6 总结与展望 | 第68-70页 |
| 致谢 | 第70-72页 |
| 参考文献 | 第72-76页 |
| 附录 | 第76页 |
| A. 作者在攻读学位期间申请的发明专利 | 第76页 |
| B. 作者在攻读学位期间参与的科研项目 | 第76页 |