基于计算机视觉的智慧红绿灯研究
| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第1章 绪论 | 第11-22页 |
| 1.1 研究背景及意义 | 第11页 |
| 1.2 国内外研究发展现状 | 第11-19页 |
| 1.2.1 智能交通系统ITS研究现状 | 第11-15页 |
| 1.2.2 路口传感器研究现状 | 第15页 |
| 1.2.3 交通视频检测技术研究现状 | 第15-16页 |
| 1.2.4 基于视频的车流量检测研究现状 | 第16-17页 |
| 1.2.5 红绿灯配时优化研究现状 | 第17-19页 |
| 1.3 本文的主要内容 | 第19-20页 |
| 1.4 本文的组织架构 | 第20-22页 |
| 第2章 交通控制基础理论 | 第22-28页 |
| 2.1 交通控制基本参数 | 第22-25页 |
| 2.1.1 时间参数 | 第22-23页 |
| 2.1.2 交通流参数 | 第23-24页 |
| 2.1.3 效率参数 | 第24-25页 |
| 2.2 信号控制分类 | 第25-27页 |
| 2.2.1 按控制方式划分 | 第25-26页 |
| 2.2.2 按控制范围划分 | 第26-27页 |
| 2.3 交通流分布规律 | 第27页 |
| 2.4 本章小结 | 第27-28页 |
| 第3章 基于可见光图像的车辆排队长度检测 | 第28-43页 |
| 3.1 算法整体流程 | 第28-29页 |
| 3.2 背景图像的选择 | 第29-32页 |
| 3.2.1 灰度共生矩阵及纹理特征 | 第29-30页 |
| 3.2.2 纹理特征及相似度计算 | 第30-31页 |
| 3.2.3 背景选择主要流程 | 第31-32页 |
| 3.3 视频线圈 | 第32-36页 |
| 3.3.1 设置检测区域 | 第32-33页 |
| 3.3.2 摄像机标定方法 | 第33-36页 |
| 3.4 GUI界面设计 | 第36-39页 |
| 3.4.1 功能设计 | 第36-37页 |
| 3.4.2 工作流程 | 第37-38页 |
| 3.4.3 软件实现 | 第38-39页 |
| 3.5 实验结果分析与对比 | 第39-41页 |
| 3.5.1 可靠性分析 | 第39-41页 |
| 3.5.2 实时性分析 | 第41页 |
| 3.6 本章小结 | 第41-43页 |
| 第4章 单交叉口红绿灯配时优化 | 第43-55页 |
| 4.1 单交叉口车辆通过率计算模型 | 第43-45页 |
| 4.1.1 单交叉口交通模型 | 第43-44页 |
| 4.1.2 单交叉口车辆通过率计算 | 第44-45页 |
| 4.2 红绿灯优化配时模型 | 第45-46页 |
| 4.2.1 固定绿灯配时模型 | 第45页 |
| 4.2.2 自适应绿灯配时模型 | 第45-46页 |
| 4.2.3 基于预测的自适应绿灯配时模型 | 第46页 |
| 4.3 基于交通动态的红绿灯优化配时 | 第46-48页 |
| 4.4 仿真实验与分析 | 第48-54页 |
| 4.5 本章小结 | 第54-55页 |
| 第5章 总结和展望 | 第55-57页 |
| 5.1 总结 | 第55-56页 |
| 5.2 展望 | 第56-57页 |
| 致谢 | 第57-58页 |
| 参考文献 | 第58-62页 |
| 附录 | 第62页 |
