摘要 | 第5-6页 |
Abstract | 第6-7页 |
第1章 绪论 | 第11-19页 |
1.1 课题研究背景及研究意义 | 第11-12页 |
1.1.1 研究背景 | 第11页 |
1.1.2 研究意义 | 第11-12页 |
1.2 国内外研究现状 | 第12-15页 |
1.2.1 车辆识别研究现状 | 第12-13页 |
1.2.2 目标跟踪算法研究现状 | 第13-14页 |
1.2.3 交通事件检测算法的研究现状 | 第14-15页 |
1.3 本文研究的主要工作及架构 | 第15-17页 |
1.4 本章小结 | 第17-19页 |
第2章 相关知识介绍 | 第19-33页 |
2.1 运动车辆检测算法综述 | 第19-21页 |
2.1.1 光流计算法 | 第19页 |
2.1.2 时间差分法 | 第19-20页 |
2.1.3 背景差分法 | 第20-21页 |
2.2 背景的提取 | 第21-25页 |
2.2.1 多帧平均法 | 第21页 |
2.2.2 选择更新法 | 第21页 |
2.2.3 加权平均更新法 | 第21-22页 |
2.2.4 自适应的高斯混合模型背景建模 | 第22-25页 |
2.3 形态学图像处理 | 第25-27页 |
2.3.1 膨胀 | 第25-26页 |
2.3.2 腐蚀 | 第26页 |
2.3.3 开运算与闭运算 | 第26-27页 |
2.4 连通域的标记 | 第27-28页 |
2.5 运动目标跟踪 | 第28-31页 |
2.5.1 常见目标跟踪方法 | 第28-29页 |
2.5.2 基于卡尔曼运动估计的跟踪方法 | 第29-31页 |
2.6 本章小结 | 第31-33页 |
第3章 交通事件检测算法仿真研究 | 第33-49页 |
3.1 系统框架 | 第33页 |
3.2 前景目标提取 | 第33-39页 |
3.2.1 基于自适应高斯混合模型的目标提取 | 第33-37页 |
3.2.2 基于背景差和帧间差相结合方法的目标提取 | 第37-39页 |
3.3 腐蚀膨胀 | 第39-40页 |
3.4 车辆框定及干扰区域排除 | 第40-41页 |
3.4.1 连通域求取 | 第40-41页 |
3.4.2 干扰区域排除 | 第41页 |
3.5 基于卡尔曼滤波器的多目标跟踪 | 第41-44页 |
3.6 交通事件检测仿真实现 | 第44-47页 |
3.6.1 停车检测的实现 | 第44-45页 |
3.6.2 逆行检测的实现 | 第45-46页 |
3.6.3 超速检测的实现 | 第46-47页 |
3.7 本章小结 | 第47-49页 |
第4章 交通事件检测算法的DSP实现 | 第49-73页 |
4.1 系统功能需求和开发环境 | 第49-54页 |
4.1.1 系统系统功能需求 | 第49-50页 |
4.1.2 硬件选择 | 第50-51页 |
4.1.3 DM6437简介 | 第51-53页 |
4.1.4 CCS平台和实时数据交换 | 第53-54页 |
4.2 车辆跟踪与交通事件检测系统的DSP实现 | 第54-55页 |
4.3 交通事件检测算法流程 | 第55-56页 |
4.4 车道线提取和目标区域确定 | 第56-59页 |
4.5 车辆提取 | 第59-67页 |
4.5.1 背景提取及更新 | 第59-60页 |
4.5.2 前景提取 | 第60-62页 |
4.5.3 图像腐蚀膨胀处理 | 第62-63页 |
4.5.4 连通域及最小外接矩形的确定 | 第63-65页 |
4.5.5 非车辆区域排除 | 第65-67页 |
4.6 基于卡尔曼滤波的多目标跟踪 | 第67-69页 |
4.7 交通事件检测 | 第69-71页 |
4.7.1 违章停车检测 | 第69-70页 |
4.7.2 车辆逆行检测 | 第70-71页 |
4.7.3 车速检测 | 第71页 |
4.8 系统性能优化 | 第71-72页 |
4.9 本章小结 | 第72-73页 |
第5章 测试与结果分析 | 第73-77页 |
5.1 测试方案与测试数据 | 第73-75页 |
5.1.1 测试数据 | 第73-74页 |
5.1.2 测试方案 | 第74-75页 |
5.2 测试结果及分析 | 第75-76页 |
5.3 本章小结 | 第76-77页 |
第6章 总结与展望 | 第77-79页 |
6.1 工作总结 | 第77页 |
6.2 工作展望 | 第77-79页 |
参考文献 | 第79-83页 |
致谢 | 第83页 |