| 摘要 | 第5-6页 |
| abstract | 第6页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 课题研究的背景及意义 | 第10-11页 |
| 1.2 交通事件检测算法的国内外研究现状 | 第11-14页 |
| 1.2.1 国外研究现状 | 第11-13页 |
| 1.2.2 国内研究现状 | 第13-14页 |
| 1.3 论文的主要研究内容 | 第14页 |
| 1.4 论文的组织结构 | 第14-16页 |
| 第二章 交通事件检测算法中的基础理论研究 | 第16-30页 |
| 2.1 引言 | 第16-17页 |
| 2.2 常用的目标检测方法 | 第17-25页 |
| 2.2.1 背景建模法 | 第17-18页 |
| 2.2.2 模板匹配法 | 第18-19页 |
| 2.2.3 卡尔曼滤波法 | 第19-20页 |
| 2.2.4 Haar特征法 | 第20-21页 |
| 2.2.5 SIFT特征法 | 第21-22页 |
| 2.2.6 Hu矩法 | 第22-25页 |
| 2.3 常用的目标跟踪方法 | 第25-28页 |
| 2.3.1 Lucas-Kanade光流法 | 第25-26页 |
| 2.3.2 CamShift追踪方法 | 第26-28页 |
| 2.4 交通事件检测算法的评价标准 | 第28-29页 |
| 2.5 本章小结 | 第29-30页 |
| 第三章 基于光流的全局交通流高斯模型设计与分析 | 第30-38页 |
| 3.1 引言 | 第30-31页 |
| 3.2 全局交通流描述子 | 第31-33页 |
| 3.2.1 基于光流场的交通速度流 | 第31-32页 |
| 3.2.2 基于光流场的交通加速度流 | 第32页 |
| 3.2.3 构造全局交通流描述子 | 第32-33页 |
| 3.3 全局交通流描述子高斯模型 | 第33-37页 |
| 3.3.1 全局交通流描述子高斯模型构建 | 第33-34页 |
| 3.3.2 描述子参数分析 | 第34-35页 |
| 3.3.3 交通事故对全局交通流的影响 | 第35-37页 |
| 3.4 本章小结 | 第37-38页 |
| 第四章 基于光流的局部运动方向图高斯模型设计与分析 | 第38-49页 |
| 4.1 引言 | 第38-39页 |
| 4.2 局部运动方向图 | 第39-43页 |
| 4.2.1 光流块的定义 | 第39-40页 |
| 4.2.2 局部运动方向图的构造 | 第40-43页 |
| 4.3 局部运动方向图高斯模型 | 第43-48页 |
| 4.3.1 局部运动方向图的能量计算 | 第43-45页 |
| 4.3.2 局部运动方向图高斯模型构建 | 第45-46页 |
| 4.3.3 交通事故对局部运动方向图的影响 | 第46-48页 |
| 4.4 本章小结 | 第48-49页 |
| 第五章 快速和精确的交通事故检测算法实现 | 第49-62页 |
| 5.1 基于双高斯模型的交通事故检测 | 第49-51页 |
| 5.2 交通事故检验 | 第51-53页 |
| 5.2.1 交通事故检验模块构建 | 第51-52页 |
| 5.2.2 检验模块参数分析 | 第52-53页 |
| 5.3 实验与分析 | 第53-61页 |
| 5.3.1 基于理想环境的事故数据集 | 第54-57页 |
| 5.3.2 基于复杂环境的事故数据集 | 第57-59页 |
| 5.3.3 基于非事故的正常交通数据集 | 第59页 |
| 5.3.4 事故检测算法的耗时分析 | 第59-61页 |
| 5.4 本章小结 | 第61-62页 |
| 第六章 结论 | 第62-63页 |
| 6.1 研究结论 | 第62页 |
| 6.2 本文的不足和未来展望 | 第62-63页 |
| 致谢 | 第63-64页 |
| 参考文献 | 第64-69页 |
| 攻读硕士学位期间取得的成果 | 第69-70页 |