智能交通系统中的车辆检测和车型识别技术研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-6页 |
| 目录 | 第6-8页 |
| 第一章 绪论 | 第8-17页 |
| ·研究背景 | 第8-10页 |
| ·ITS中的车辆检测和车型分类技术 | 第10-13页 |
| ·电磁感应线圈检测技术 | 第10-11页 |
| ·超声波检测分类技术 | 第11页 |
| ·激光检测分类技术 | 第11-12页 |
| ·动态称重技术 | 第12-13页 |
| ·视频检测识别技术 | 第13页 |
| ·基于视频的车辆检测和车型分类技术的发展状况 | 第13-14页 |
| ·论文的主要内容和组织结构 | 第14-17页 |
| 第二章 车辆检测及阴影分割技术 | 第17-39页 |
| ·车辆的检测方法 | 第17-22页 |
| ·基于帧间差分的方法 | 第18-19页 |
| ·基于光流场的方法 | 第19-21页 |
| ·基于背景差分的方法 | 第21-22页 |
| ·背景建模和更新技术 | 第22-26页 |
| ·基于统计的背景模型 | 第22-24页 |
| ·基于卡尔曼滤波的背景模型 | 第24-25页 |
| ·基于高斯分布的背景模型 | 第25-26页 |
| ·其它背景模型方法 | 第26页 |
| ·基于中值像素灰度归类的背景重构算法 | 第26-31页 |
| ·算法步骤 | 第27-29页 |
| ·基于统计分块处理的背景更新方法 | 第29-31页 |
| ·车辆阴影的分割技术 | 第31-38页 |
| ·阴影的形成特点 | 第31-32页 |
| ·阴影分割存在的方法 | 第32-36页 |
| ·本文中的阴影分割方法 | 第36-38页 |
| ·小结 | 第38-39页 |
| 第三章 车型图像处理与特征提取 | 第39-50页 |
| ·图像的后处理 | 第39-44页 |
| ·数学形态学滤波 | 第40-43页 |
| ·区域连通标记 | 第43-44页 |
| ·车型特征的提取 | 第44-49页 |
| ·车型分类的标准 | 第44-46页 |
| ·车型特征的提取 | 第46-49页 |
| ·小结 | 第49-50页 |
| 第四章 基于RBF网络车型分类器的设计 | 第50-69页 |
| ·人工神经网络的发展 | 第50-51页 |
| ·RBF神经网络的研究 | 第51-63页 |
| ·RBF神经网络的结构 | 第51-52页 |
| ·RBF神经网络的映射关系 | 第52-54页 |
| ·RBF神经网络的一般学习方法 | 第54-59页 |
| ·基于免疫算法的RBF神经网络的学习方法 | 第59-63页 |
| ·基于免疫算法的RBF神经网络车型分类器的设计 | 第63-66页 |
| ·实验结果对比 | 第66-67页 |
| ·小结 | 第67-69页 |
| 第五章 总结与展望 | 第69-71页 |
| ·全文总结 | 第69-70页 |
| ·存在问题及发展方向 | 第70-71页 |
| 参考文献 | 第71-76页 |
| 致谢 | 第76页 |
