| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-16页 |
| 1.1 研究意义 | 第9页 |
| 1.2 智能交通系统国内外研究现状 | 第9-11页 |
| 1.3 运动目标检测与跟踪技术研究现状 | 第11-14页 |
| 1.3.1 交通数据获取方式 | 第11-12页 |
| 1.3.2 运动目标检测研究现状 | 第12-13页 |
| 1.3.3 运动目标跟踪研究现状 | 第13-14页 |
| 1.3.4 视频检测存在问题 | 第14页 |
| 1.4 本文主要工作及安排 | 第14-16页 |
| 第2章 车辆检测与跟踪算法介绍 | 第16-26页 |
| 2.1 引言 | 第16页 |
| 2.2 车辆运动目标检测概述 | 第16-22页 |
| 2.2.1 帧差法 | 第16-17页 |
| 2.2.2 背景差法 | 第17-20页 |
| 2.2.3 光流法 | 第20-21页 |
| 2.2.4 三种方法比较 | 第21-22页 |
| 2.3 车辆运动目标跟踪概述 | 第22-24页 |
| 2.3.1 基于模型的跟踪 | 第23页 |
| 2.3.2 基于轮廓的跟踪 | 第23页 |
| 2.3.3 基于区域的跟踪 | 第23-24页 |
| 2.3.4 基于特征的跟踪 | 第24页 |
| 2.4 本文算法 | 第24-25页 |
| 2.5 本章小结 | 第25-26页 |
| 第3章 本文车辆检测算法设计 | 第26-39页 |
| 3.1 引言 | 第26页 |
| 3.2 视频图像预处理 | 第26-30页 |
| 3.2.1 图像的灰度化 | 第26-27页 |
| 3.2.2 图像的去噪 | 第27-30页 |
| 3.3 基于混合高斯模型的目标检测 | 第30-33页 |
| 3.3.1 传统混合高斯建模原理 | 第30-31页 |
| 3.3.2 传统混合高斯建模缺陷 | 第31-32页 |
| 3.3.3 本文改进混合高斯检测算法 | 第32-33页 |
| 3.4 图像形态学处理 | 第33-35页 |
| 3.5 实验结果分析 | 第35-38页 |
| 3.5.1 检测算法步骤 | 第35-36页 |
| 3.5.2 实验结果 | 第36-38页 |
| 3.6 本章小结 | 第38-39页 |
| 第4章 本文车辆跟踪算法设计 | 第39-56页 |
| 4.1 引言 | 第39页 |
| 4.2 融入卡尔曼滤波器的 CAMSHIFT 算法 | 第39-48页 |
| 4.2.1 CamShift 算法 | 第39-45页 |
| 4.2.2 CamShift 算法缺陷及本文改进方法 | 第45页 |
| 4.2.3 Kalman 滤波原理 | 第45-46页 |
| 4.2.4 Kalman+CamShift 算法设计 | 第46-48页 |
| 4.3 本文全自动跟踪算法 | 第48-51页 |
| 4.4 车辆行为分析 | 第51-55页 |
| 4.5 本章小结 | 第55-56页 |
| 第5章 结论与展望 | 第56-58页 |
| 5.1 全文总结 | 第56页 |
| 5.2 工作展望 | 第56-58页 |
| 致谢 | 第58-59页 |
| 参考文献 | 第59-63页 |
| 附录 1 攻读硕士学位期间发表的论文 | 第63-64页 |
| 详细摘要 | 第64-67页 |
