基于机器视觉的交通路口车流量检测方法研究
| 摘要 | 第1-7页 |
| Abstract | 第7-11页 |
| 第一章 绪论 | 第11-20页 |
| ·智能交通系统的简介和研究意义 | 第11-12页 |
| ·交通车辆传感器的简介与特点 | 第12-16页 |
| ·地埋式传感器的概述 | 第12-13页 |
| ·非地埋式传感器的概述 | 第13-16页 |
| ·国内外交通视频处理的研究现状 | 第16-18页 |
| ·国外研究现状 | 第16-17页 |
| ·国内研究现状 | 第17-18页 |
| ·本文的主要研究内容 | 第18页 |
| ·本文的结构安排 | 第18-20页 |
| 第二章 运动车辆检测算法 | 第20-37页 |
| ·基于阈值的车辆图像分割 | 第20-23页 |
| ·基于迭代法的车辆图像分割 | 第21-22页 |
| ·基于局部阈值的车辆图像分割 | 第22-23页 |
| ·基于区域的车辆图像分割 | 第23-27页 |
| ·区域生长分割法 | 第23-25页 |
| ·分裂-合并分割法 | 第25-27页 |
| ·基于边缘检测的车辆图像分割 | 第27-31页 |
| ·一阶导数的车辆边缘检测算子 | 第27-29页 |
| ·二阶导数的车辆边缘检测算子 | 第29-30页 |
| ·Canny 车辆边缘检测算子 | 第30-31页 |
| ·基于分水岭的车辆图像分割 | 第31-32页 |
| ·视频图像中的车辆分割算法 | 第32-35页 |
| ·帧间差法 | 第32-33页 |
| ·光流法 | 第33-34页 |
| ·背景差法 | 第34-35页 |
| ·本章小结 | 第35-37页 |
| 第三章 基于高斯混合模型的车辆检测算法 | 第37-44页 |
| ·交通图像的提取前景算法概述 | 第37-38页 |
| ·单高斯模型的算法原理 | 第38-39页 |
| ·高斯混合模型算法 | 第39-41页 |
| ·高斯混合模型算法实验结果与分析 | 第41-43页 |
| ·本章小结 | 第43-44页 |
| 第四章 交通视频的数字图像处理技术 | 第44-52页 |
| ·图像空间域上的滤波 | 第44-46页 |
| ·图像频域上的滤波 | 第46-48页 |
| ·同态滤波器 | 第48页 |
| ·交通视频图像滤波结果与实验分析 | 第48-50页 |
| ·本章小结 | 第50-52页 |
| 第五章 车辆数目识别的算法 | 第52-60页 |
| ·问题描述 | 第52页 |
| ·常用的车辆特征提取 | 第52-54页 |
| ·颜色特征提取 | 第52-53页 |
| ·纹理特征提取 | 第53页 |
| ·形状特征提取 | 第53-54页 |
| ·结构特征提取 | 第54页 |
| ·车辆信息的提取和数目识别算法 | 第54-59页 |
| ·算法过程 | 第54-56页 |
| ·实验结果与分析 | 第56-59页 |
| ·本章小结 | 第59-60页 |
| 第六章 运动车辆数目识别模拟系统的实现 | 第60-62页 |
| ·模拟系统的组成及软件流程设计 | 第60-61页 |
| ·模拟系统的软件流程图 | 第61页 |
| ·本章小结 | 第61-62页 |
| 第七章 结论与展望 | 第62-64页 |
| 参考文献 | 第64-67页 |
| 在学研究成果 | 第67-68页 |
| 致谢 | 第68页 |
