基于视频图像的车辆检测方法的研究
| 中文摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第一章 绪论 | 第9-19页 |
| ·研究背景和意义 | 第9-13页 |
| ·智能交通（ITS）概述 | 第9-10页 |
| ·车辆检测研究背景及意义 | 第10-11页 |
| ·国内外的研究现状及难点分析 | 第11-13页 |
| ·常用的车辆检测方法简介 | 第13-16页 |
| ·波频车辆检测方式 | 第13-14页 |
| ·环形线圈检测方式 | 第14页 |
| ·视频检测方式 | 第14-16页 |
| ·主要研究内容 | 第16-19页 |
| 第二章 数字视频图像处理 | 第19-30页 |
| ·视频图像文件概述 | 第19-23页 |
| ·AVI 文件简介 | 第19-21页 |
| ·FFmpeg 简介 | 第21-22页 |
| ·YUV 转换 RGB | 第22-23页 |
| ·数字图像文件预处理 | 第23-29页 |
| ·灰度化 | 第24-25页 |
| ·图像去噪 | 第25-26页 |
| ·阈值分割 | 第26-27页 |
| ·边缘检测 | 第27-29页 |
| ·本章小节 | 第29-30页 |
| 第三章 运动物体检测 | 第30-44页 |
| ·光流 | 第30-33页 |
| ·多项式展开法 | 第31-32页 |
| ·目标获取 | 第32页 |
| ·实验结果 | 第32-33页 |
| ·混合高斯模型 | 第33-38页 |
| ·背景模型的建立 | 第35-36页 |
| ·背景模型的更新 | 第36-37页 |
| ·目标获取 | 第37页 |
| ·实验结果 | 第37-38页 |
| ·改进的Α-BLENDING 算法 | 第38-43页 |
| ·背景模型的获取 | 第39页 |
| ·背景模型的更新 | 第39-40页 |
| ·目标获取 | 第40-41页 |
| ·实验结果 | 第41-43页 |
| ·本章小结 | 第43-44页 |
| 第四章 车辆检测 | 第44-59页 |
| ·支持向量机 | 第45-49页 |
| ·最优线性分类面 | 第45-48页 |
| ·核函数（Kernels） | 第48-49页 |
| ·HOG 特征 | 第49-52页 |
| ·HOG 特征提取 | 第50-52页 |
| ·HOG 特征快速计算方法 | 第52页 |
| ·HOG 的优点 | 第52页 |
| ·样本空间 | 第52-53页 |
| ·基于 SVM 的车辆检测 | 第53-56页 |
| ·颜色空间标准化 | 第53-54页 |
| ·梯队计算 | 第54页 |
| ·空间和方向上的梯度统计 | 第54-55页 |
| ·重叠块中的特征标准化 | 第55页 |
| ·特征空间的选择 | 第55-56页 |
| ·基于 SVM 分类 | 第56页 |
| ·检测结果 | 第56-58页 |
| ·本章小节 | 第58-59页 |
| 第五章 系统设计与实现 | 第59-69页 |
| ·系统结构 | 第59页 |
| ·软件总流程 | 第59-61页 |
| ·软件界面及参数设置 | 第61-63页 |
| ·系统运行结果验证 | 第63-68页 |
| ·影响运行效果的因素 | 第63页 |
| ·运行结果验证 | 第63-68页 |
| ·本章小节 | 第68-69页 |
| 第六章 总结与展望 | 第69-71页 |
| ·总结 | 第69页 |
| ·展望 | 第69-71页 |
| 参考文献 | 第71-74页 |
| 攻读学位期间本人出版或公开发表的论著、论文 | 第74-75页 |
| 致谢 | 第75-76页 |
