| 摘要 | 第1-5页 |
| ABSTRACT | 第5-7页 |
| 目录 | 第7-9页 |
| 第一章 绪论 | 第9-13页 |
| §1.1 研究背景 | 第9-10页 |
| §1.2 国内外研究现状 | 第10-11页 |
| §1.3 论文的研究方向 | 第11-12页 |
| §1.4 论文的结构安排 | 第12-13页 |
| 第二章 基于视频的交通检测技术 | 第13-19页 |
| §2.1 常用的交通检测技术 | 第13-15页 |
| §2.1.1 非视频检测技术 | 第13-14页 |
| §2.1.2 视频检测技术 | 第14-15页 |
| §2.2 背景获取 | 第15-18页 |
| §2.2.1 直接获取法 | 第16页 |
| §2.2.2 统计平均法 | 第16页 |
| §2.2.3 基于高斯统计模型的背景获取法 | 第16-18页 |
| §2.2.4 背景的自动更新 | 第18页 |
| §2.3 本章小结 | 第18-19页 |
| 第三章 视频捕获与视频分割 | 第19-28页 |
| §3.1 视频捕获 | 第19-23页 |
| §3.1.1 图像采集卡的应用 | 第19-20页 |
| §3.1.2 DirectShow技术简介 | 第20-22页 |
| §3.1.3 单帧图像的获取 | 第22-23页 |
| §3.2 视频分割 | 第23-27页 |
| §3.2.1 突变检测分割 | 第23-25页 |
| §3.2.2 渐变检测分割 | 第25-27页 |
| §3.3 本章小结 | 第27-28页 |
| 第四章 基于小波去噪的图像预处理 | 第28-45页 |
| §4.1 视频图像的去噪声处理 | 第29-30页 |
| §4.2 图像滤波 | 第30-34页 |
| §4.2.1 图像邻域平均法 | 第30-31页 |
| §4.2.2 加权平均法 | 第31-32页 |
| §4.2.3 状态统计滤波 | 第32页 |
| §4.2.4 高斯低通滤波 | 第32-33页 |
| §4.2.5 中值滤波法 | 第33-34页 |
| §4.3 基于小波变换的视频帧去噪 | 第34-39页 |
| §4.3.1 小波变换的特点 | 第35页 |
| §4.3.2 图像的小波变换 | 第35-36页 |
| §4.3.3 小波变换在图像去噪中的应用 | 第36-37页 |
| §4.3.4 小波去噪对视频帧预处理 | 第37-38页 |
| §4.3.5 处理结果及分析 | 第38-39页 |
| §4.4 数字图像的形态学变换 | 第39-42页 |
| §4.4.1 腐蚀运算 | 第39-40页 |
| §4.4.2 膨胀运算 | 第40-41页 |
| §4.4.3 开、闭运算 | 第41-42页 |
| §4.5 特征提取 | 第42-44页 |
| §4.5.1 区域面积 | 第42页 |
| §4.5.2 区域重心 | 第42-43页 |
| §4.5.3 长度和宽度 | 第43页 |
| §4.5.4 不变矩法 | 第43-44页 |
| §4.6 本章小结 | 第44-45页 |
| 第五章 车辆检测与跟踪 | 第45-63页 |
| §5.1 引论 | 第45-46页 |
| §5.2 卡尔曼滤波器在目标跟踪中的应用 | 第46-54页 |
| §5.2.1 标准卡尔曼滤波 | 第47-51页 |
| §5.2.2 扩展卡尔曼滤波器 | 第51-54页 |
| §5.3 基于运动分析的跟踪方法 | 第54-60页 |
| §5.3.1 光流法 | 第55-56页 |
| §5.3.2 差分图像法 | 第56-60页 |
| §5.4 基于图像匹配的跟踪方法 | 第60-61页 |
| §5.4.1 区域匹配 | 第60页 |
| §5.4.2 特征匹配 | 第60页 |
| §5.4.3 模型匹配 | 第60-61页 |
| §5.4.4 频率域匹配 | 第61页 |
| §5.5 卡尔曼滤波器与区域重心提取相结合的车速标定方法 | 第61-62页 |
| §5.6 本章小结 | 第62-63页 |
| 第六章 系统实现 | 第63-65页 |
| §6.1 系统开发环境 | 第63页 |
| §6.2 系统功能结构与流程 | 第63-64页 |
| §6.3 系统效果图 | 第64-65页 |
| 第七章 总结与展望 | 第65-66页 |
| 参考文献 | 第66-70页 |
| 致谢 | 第70-71页 |
| 附录 | 第71页 |