| 第一章 绪论 | 第1-18页 |
| 1．1 选题意义和应用背景分析 | 第8-13页 |
| 1．1．1 交通信息管理与现代社会 | 第8-9页 |
| 1．1．2 智能交通系统的组成 | 第9-10页 |
| 1．1．3 交通流数据检测的几种方法 | 第10-11页 |
| 1．1．4 基于视频图像处理的交通信息采集系统的特点与功能 | 第11-12页 |
| 1．1．5 国内外研究现状 | 第12-13页 |
| 1．2 运动车辆检测与识别的重点与难点 | 第13-15页 |
| 1．2．1 运动目标检测与分割方面 | 第13-14页 |
| 1．2．2 运动目标识别方面 | 第14-15页 |
| 1．3 研究方案及技术路线 | 第15-16页 |
| 1．4 论文的主要工作 | 第16-17页 |
| 1．5 论文的组织结构 | 第17-18页 |
| 第二章 车辆目标的检测与分割 | 第18-31页 |
| 2．1 运动目标检测与分割概述 | 第18-19页 |
| 2．2 基于光流场分析的运动目标检测与分割 | 第19-22页 |
| 2．3 基于图像差分的运动检测方法 | 第22-23页 |
| 2．3．1 帧间差分 | 第22页 |
| 2．3．2 背景差分 | 第22-23页 |
| 2．4 背景图像的生成与更新 | 第23-28页 |
| 2．4．1 背景模型、更新策略及其运动检测的基本原理 | 第23-24页 |
| 2．4．2 基于统计分析的背景模型 | 第24-26页 |
| 2．4．3 背景更新策略 | 第26-28页 |
| 2．5 运动目标提取 | 第28-29页 |
| 2．5．1 滤波降噪 | 第28页 |
| 2．5．2 种子点伪随机增长 | 第28-29页 |
| 2．6 实验结果 | 第29-30页 |
| 2．7 本章小结 | 第30-31页 |
| 第三章 车辆目标识别方法研究 | 第31-42页 |
| 3．1 目标对象识别概述 | 第31-32页 |
| 3．2 两种典型的目标识别算法 | 第32-35页 |
| 3．2．1 二维模板匹配算法 | 第32-33页 |
| 3．2．2 基于轮廓特征的目标识别算法 | 第33-35页 |
| 3．3 车辆目标的识别与分类 | 第35-39页 |
| 3．3．1 预处理 | 第35-36页 |
| 3．3．2 特征提取 | 第36页 |
| 3．3．3 特征选择与降维 | 第36-37页 |
| 3．3．4 特征分类 | 第37-39页 |
| 3．4 实验结果 | 第39-41页 |
| 3．5 本章小结 | 第41-42页 |
| 第四章 基于视频的交通数据采集 | 第42-50页 |
| 4．1 视频检测区域的信号产生原理 | 第42-45页 |
| 4．1．1 交通视频中车辆运动目标的特征 | 第43页 |
| 4．1．2 监测区域信号提取 | 第43-45页 |
| 4．2 车流量统计 | 第45-46页 |
| 4．3 车型的识别分类 | 第46-49页 |
| 4．4 车速的检测 | 第49页 |
| 4．5 本章小结 | 第49-50页 |
| 第五章 基于视频的交通监测实验平台研究 | 第50-54页 |
| 5．1 实验平台总体功能介绍 | 第50-52页 |
| 5．2 实验结果与分析 | 第52-53页 |
| 5．3 本章小结 | 第53-54页 |
| 第六章 总结与展望 | 第54-56页 |
| 6．1 论文及研究工作总结 | 第54页 |
| 6．2 展望 | 第54-56页 |
| 参考文献 | 第56-59页 |
| 致谢 | 第59-60页 |
| 攻读硕士学位期间主要成果 | 第60页 |