基于车辆识别的流量检测方法研究与实现
| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第11-20页 |
| 1.1 研究背景 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-16页 |
| 1.2.1 车辆识别 | 第12-15页 |
| 1.2.2 车流量检测 | 第15-16页 |
| 1.3 研究目标及意义 | 第16-17页 |
| 1.3.1 研究目标 | 第16页 |
| 1.3.2 研究意义 | 第16-17页 |
| 1.4 研究内容 | 第17-18页 |
| 1.4.1 论文工作 | 第17页 |
| 1.4.2 论文创新 | 第17-18页 |
| 1.5 结构安排 | 第18-20页 |
| 第二章 研究的理论基础 | 第20-31页 |
| 2.1 基于车辆识别的流量检测方法概述 | 第20-21页 |
| 2.2 运动目标检测 | 第21-25页 |
| 2.2.1 背景建模 | 第21-23页 |
| 2.2.2 运动目标获取 | 第23-24页 |
| 2.2.3 阴影去除 | 第24-25页 |
| 2.3 特征提取 | 第25-28页 |
| 2.3.1 颜色矩特征 | 第25页 |
| 2.3.2 Hu矩特征 | 第25-26页 |
| 2.3.3 傅立叶描述子 | 第26-27页 |
| 2.3.4 圆形度及尖角 | 第27页 |
| 2.3.5 LBP特征 | 第27-28页 |
| 2.3.6 特征优缺点对比 | 第28页 |
| 2.4 分类器 | 第28-30页 |
| 2.5 本章小结 | 第30-31页 |
| 第三章 基于车辆识别的流量检测方法的设计 | 第31-53页 |
| 3.0 需求分析 | 第31-32页 |
| 3.0.1 系统需求分析 | 第31页 |
| 3.0.2 功能需求分析 | 第31页 |
| 3.0.3 性能需求分析 | 第31-32页 |
| 3.1 设计思路 | 第32-33页 |
| 3.2 概要设计 | 第33-38页 |
| 3.2.1 整体方案设计 | 第33页 |
| 3.2.2 数据结构和数据库设计 | 第33-34页 |
| 3.2.3 系统处理流程设计 | 第34-37页 |
| 3.2.4 功能模块分析 | 第37-38页 |
| 3.3 功能模块设计 | 第38-51页 |
| 3.3.1 特征提取模块 | 第38-43页 |
| 3.3.2 训练模块 | 第43-46页 |
| 3.3.3 运动目标检测模块 | 第46-49页 |
| 3.3.4 车辆分类模块 | 第49页 |
| 3.3.5 目标跟踪模块 | 第49-51页 |
| 3.3.6 流量统计模块 | 第51页 |
| 3.4 方法优势分析 | 第51-52页 |
| 3.5 本章小结 | 第52-53页 |
| 第四章 基于车辆识别的流量检测方法的实现 | 第53-64页 |
| 4.1 特征提取模块实现 | 第53-56页 |
| 4.2 训练模块实现 | 第56-58页 |
| 4.2.1 SVM分类器实现 | 第56-57页 |
| 4.2.2 核函数选取及核参数优化实现 | 第57-58页 |
| 4.3 流量统计模块实现 | 第58-63页 |
| 4.3.1 运动目标检测模块实现 | 第60-61页 |
| 4.3.2 车辆分类模块实现 | 第61-62页 |
| 4.3.3 跟踪模块实现 | 第62页 |
| 4.3.4 流量统计模块实现 | 第62-63页 |
| 4.4 本章小结 | 第63-64页 |
| 第五章 基于车辆识别的流量检测方法的测试 | 第64-81页 |
| 5.1 测试目的 | 第64页 |
| 5.2 测试环境 | 第64-65页 |
| 5.2.1 硬件环境 | 第64页 |
| 5.2.2 软件环境 | 第64-65页 |
| 5.3 功能测试 | 第65-67页 |
| 5.4 性能测试 | 第67-80页 |
| 5.4.1 分类器性能评估 | 第67-77页 |
| 5.4.2 车辆识别测试 | 第77页 |
| 5.4.3 阴影去除效果测试 | 第77-79页 |
| 5.4.4 处理时空开销测试 | 第79-80页 |
| 5.5 测试总结 | 第80页 |
| 5.6 本章小结 | 第80-81页 |
| 第六章 结论与展望 | 第81-83页 |
| 6.1 结论 | 第81页 |
| 6.2 展望 | 第81-83页 |
| 致谢 | 第83-84页 |
| 参考文献 | 第84-87页 |
