| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第9-17页 |
| 1.1 课题的背景与研究意义 | 第9-10页 |
| 1.2 课题研究现状 | 第10-14页 |
| 1.2.1 运动目标检测 | 第11-12页 |
| 1.2.2 运动阴影消除 | 第12页 |
| 1.2.3 运动目标跟踪 | 第12-13页 |
| 1.2.4 道路雨雪状态检测 | 第13-14页 |
| 1.3 论文的研究内容和目标 | 第14-15页 |
| 1.4 论文的结构安排 | 第15-17页 |
| 第2章 运动车辆检测与识别的算法研究 | 第17-35页 |
| 2.1 常用的运动目标检测算法 | 第17-20页 |
| 2.1.1 光流计算法 | 第17页 |
| 2.1.2 帧间差分法 | 第17-18页 |
| 2.1.3 背景差分法 | 第18-20页 |
| 2.2 基于N-BIN直方图的背景差分法 | 第20-23页 |
| 2.2.1 N-bin直方图背景模型的建立 | 第20-22页 |
| 2.2.2 背景的更新 | 第22-23页 |
| 2.3 常用的运动目标阴影消除的方法 | 第23-25页 |
| 2.3.1 基于模型的阴影消除方法 | 第24页 |
| 2.3.2 基于特征的阴影消除方法 | 第24-25页 |
| 2.4 HSV颜色空间中结合图像区域信息的目标阴影消除方法 | 第25-31页 |
| 2.4.1 基于HSV颜色空间的阴影消除 | 第25-26页 |
| 2.4.2 结合图像的区域信息消除阴影 | 第26-29页 |
| 2.4.3 特殊情况的处理 | 第29-31页 |
| 2.5 实验结果分析 | 第31-33页 |
| 2.6 本章小结 | 第33-35页 |
| 第3章 车辆目标跟踪的研究与实现 | 第35-49页 |
| 3.1 常用的运动目标跟踪算法 | 第35-37页 |
| 3.1.1 模板相关性匹配法 | 第35-37页 |
| 3.1.2 基于前后两帧运动目标对应关系的跟踪方法 | 第37页 |
| 3.2 基于目标几何特征结合KALMAN预测器的跟踪方法 | 第37-42页 |
| 3.2.1 目标特征的选取与匹配 | 第38-39页 |
| 3.2.2 Kalman预测器模型的建立 | 第39-42页 |
| 3.3 多目标及遮挡状态下的车辆跟踪研究 | 第42-45页 |
| 3.4 实验结果分析 | 第45-47页 |
| 3.4.1 单目标跟踪实验结果 | 第45页 |
| 3.4.2 多目标（不含遮挡）跟踪实验结果 | 第45-46页 |
| 3.4.3 遮挡状态下的多目标跟踪实验结果 | 第46-47页 |
| 3.5 本章小结 | 第47-49页 |
| 第4章 道路雨雪状态检测的研究与实现 | 第49-59页 |
| 4.1 道路区域的提取 | 第49-51页 |
| 4.2 道路雨雪状态的特征提取 | 第51-53页 |
| 4.2.1 道路状态纹理特征的提取 | 第51-52页 |
| 4.2.2 道路状态颜色特征的提取 | 第52-53页 |
| 4.3 基于贝叶斯分类器的道路雨雪状态分类检测 | 第53-55页 |
| 4.3.1 贝叶斯分类器原理 | 第53-54页 |
| 4.3.2 道路雨雪状态分类的实现 | 第54-55页 |
| 4.4 实验结果分析 | 第55-57页 |
| 4.5 本章小结 | 第57-59页 |
| 第5章 系统功能设计与实现 | 第59-73页 |
| 5.1 系统特色 | 第59页 |
| 5.2 系统功能设计 | 第59-60页 |
| 5.3 系统工作流程 | 第60-61页 |
| 5.4 系统开发环境 | 第61页 |
| 5.5 系统各模块功能的实现 | 第61-71页 |
| 5.5.1 背景提取 | 第61-62页 |
| 5.5.2 运动车辆的检测与跟踪 | 第62页 |
| 5.5.3 车辆实时信息 | 第62-66页 |
| 5.5.4 车辆历史信息 | 第66-67页 |
| 5.5.5 道路捕捉 | 第67-68页 |
| 5.5.6 道路状态分类 | 第68页 |
| 5.5.7 分类器训练 | 第68页 |
| 5.5.8 状态告警 | 第68-71页 |
| 5.6 本章小结 | 第71-73页 |
| 结论 | 第73-75页 |
| 参考文献 | 第75-79页 |
| 攻读硕士学位期间所取得的学术成果 | 第79-81页 |
| 攻读硕士学位期间参加的科研活动和获得的奖励 | 第81-83页 |
| 致谢 | 第83页 |
