| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-21页 |
| 1.1 课题研究的背景与意义 | 第10-13页 |
| 1.2 基于视频的车辆检测国内外研究现状及分析 | 第13-16页 |
| 1.2.1 基于视频的车辆检测国外研究现状 | 第13-14页 |
| 1.2.2 基于视频的车辆检测国内研究现状 | 第14页 |
| 1.2.3 基于视频的隧道车辆检测算法分析 | 第14-16页 |
| 1.3 基于图像的车辆检测国内外研究现状及分析 | 第16-19页 |
| 1.3.1 基于图像的车辆检测国外研究现状 | 第16-17页 |
| 1.3.2 基于图像的车辆检测国内研究现状 | 第17页 |
| 1.3.3 基于图像的隧道车辆检测算法分析 | 第17-19页 |
| 1.4 课题来源及简介 | 第19页 |
| 1.5 论文结构与安排 | 第19-21页 |
| 第2章 系统介绍及图像处理方法 | 第21-26页 |
| 2.1 系统整体介绍 | 第21-22页 |
| 2.2 彩色图像的灰度化 | 第22-23页 |
| 2.3 图像二值化 | 第23-24页 |
| 2.4 图像边缘检测算法 | 第24-25页 |
| 2.5 本章小结 | 第25-26页 |
| 第3章 背景图像更新方法 | 第26-37页 |
| 3.1 常用的灰度图像背景更新模型 | 第27-31页 |
| 3.1.1 统计平均法背景模型 | 第27-28页 |
| 3.1.2 中值法背景模型 | 第28-30页 |
| 3.1.3 高斯分布背景模型 | 第30-31页 |
| 3.2 背景更新模型结果比较 | 第31-33页 |
| 3.3 初始背景建立与背景更新 | 第33-36页 |
| 3.4 本章小结 | 第36-37页 |
| 第4章 基于背景差分法的运动车辆检测 | 第37-48页 |
| 4.1 基于背景差分法和图像分块方法的运动车辆检测 | 第37-42页 |
| 4.1.1 基于背景差分法图像感兴趣区域的提取 | 第37页 |
| 4.1.2 图像边缘检测 | 第37-39页 |
| 4.1.3 图像分块法 | 第39-42页 |
| 4.2 基于背景差分法和阈值判断的运动车辆检测 | 第42-47页 |
| 4.2.1 阈值选取方法 | 第42-45页 |
| 4.2.2 检测程序流程图 | 第45-47页 |
| 4.3 本章小结 | 第47-48页 |
| 第5章 基于背景差分的车辆检测算法实验 | 第48-58页 |
| 5.1 实验结果 | 第48-55页 |
| 5.1.1 标准情况下实验结果 | 第48-52页 |
| 5.1.2 特殊情况下实验结果 | 第52-55页 |
| 5.2 算法检测情况分析 | 第55-57页 |
| 5.2.1 不同段摄像机检测率统计 | 第55-56页 |
| 5.2.2 不同天气状况检测率统计 | 第56-57页 |
| 5.3 本章小结 | 第57-58页 |
| 第6章 总结 | 第58-59页 |
| 参考文献 | 第59-62页 |
| 致谢 | 第62-63页 |
| 作者简介 | 第63页 |