基于视频的车流量统计系统研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-14页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.3 本文的研究内容和结构 | 第12-14页 |
| 第二章 预处理与运动目标检测 | 第14-33页 |
| 2.1 图像预处理 | 第14-22页 |
| 2.1.1 图像滤波 | 第14-20页 |
| 2.1.2 图像增强 | 第20-22页 |
| 2.2 常用的运动目标检测方法 | 第22-26页 |
| 2.2.1 光流法 | 第22-23页 |
| 2.2.2 帧差法 | 第23-24页 |
| 2.2.3 背景差法 | 第24-26页 |
| 2.3 基于概率分类器的目标检测算法 | 第26-31页 |
| 2.4 本章小结 | 第31-33页 |
| 第三章 运动目标跟踪 | 第33-49页 |
| 3.1 常用的运动目标跟踪方法 | 第33-36页 |
| 3.1.1 模型跟踪法 | 第33-34页 |
| 3.1.2 特征跟踪法 | 第34页 |
| 3.1.3 区域跟踪法 | 第34-35页 |
| 3.1.4 动态轮廓跟踪法 | 第35-36页 |
| 3.2 粒子滤波理论 | 第36-41页 |
| 3.2.1 贝叶斯框架 | 第36-37页 |
| 3.2.2 蒙特卡罗方法 | 第37-38页 |
| 3.2.3 粒子滤波的基本思想 | 第38页 |
| 3.2.4 粒子滤波的基本原理 | 第38-40页 |
| 3.2.5 粒子滤波算法的基本流程 | 第40-41页 |
| 3.3 基于粒子滤波的目标跟踪算法 | 第41-48页 |
| 3.3.1 粒子检测 | 第42-43页 |
| 3.3.2 K-means聚类 | 第43-44页 |
| 3.3.3 聚类分割与合并 | 第44-47页 |
| 3.3.4 车辆跟踪 | 第47-48页 |
| 3.4 本章小结 | 第48-49页 |
| 第四章 车流量统计 | 第49-57页 |
| 4.1 常用车辆计数方法 | 第49-52页 |
| 4.1.1 基于目标匹配的车量计数方法 | 第49-50页 |
| 4.1.2 基于区域标记的车辆计数方法 | 第50-51页 |
| 4.1.3 基于虚拟线圈的车流量统计算法 | 第51页 |
| 4.1.4 基于虚拟检测线的车辆计数方法 | 第51-52页 |
| 4.2 基于检测线波形变化的车辆计数方法 | 第52-56页 |
| 4.2.1 本文前期算法 | 第53-54页 |
| 4.2.2 基于前期算法的改进 | 第54-56页 |
| 4.3 本章小结 | 第56-57页 |
| 第五章 系统设计与实验分析 | 第57-65页 |
| 5.1 软件设计方法 | 第57-58页 |
| 5.2 软件的运行环境 | 第58页 |
| 5.2.1 硬件环境 | 第58页 |
| 5.2.2 软件环境 | 第58页 |
| 5.3 软件界面及功能 | 第58-61页 |
| 5.3.1 软件系统界面 | 第58-59页 |
| 5.3.2 软件各功能模块 | 第59-61页 |
| 5.4 实验与结果分析 | 第61-64页 |
| 5.5 本章小结 | 第64-65页 |
| 第六章 总结与展望 | 第65-67页 |
| 6.1 总结 | 第65页 |
| 6.2 展望 | 第65-67页 |
| 参考文献 | 第67-71页 |
| 攻读学位期间取得的研究成果 | 第71-72页 |
| 致谢 | 第72页 |
