| 摘要 | 第9-11页 |
| ABSTRACT | 第11-12页 |
| 第1章 绪论 | 第13-19页 |
| 1.1 选题背景及意义 | 第13-14页 |
| 1.1.1 选题背景 | 第13-14页 |
| 1.1.2 研究意义 | 第14页 |
| 1.2 研究现状及存在问题 | 第14-16页 |
| 1.2.1 车辆检测研究现状 | 第14-15页 |
| 1.2.2 轨迹聚类研究现状 | 第15-16页 |
| 1.2.3 车辆异常行为识别模型的研究现状 | 第16页 |
| 1.3 技术路线及论文结构 | 第16-18页 |
| 1.4 小结 | 第18-19页 |
| 第2章 车辆异常行为识别关键技术研究 | 第19-35页 |
| 2.1 基于交通监控视频的车辆检测算法 | 第19-28页 |
| 2.1.1 基于背景建模的前景检测算法 | 第19-23页 |
| 2.1.2 基于特征信息的车辆检测算法 | 第23-28页 |
| 2.2 交通监控视频中车辆轨迹聚类算法 | 第28-30页 |
| 2.2.1 相似度度量 | 第28-29页 |
| 2.2.2 几种常见的聚类算法 | 第29-30页 |
| 2.3 交通监控视频中车辆异常行为识别模型 | 第30-33页 |
| 2.3.1 HMM模型 | 第30-31页 |
| 2.3.2 基于轨迹规则的车辆行为识别模型 | 第31-33页 |
| 2.4 小结 | 第33-35页 |
| 第3章 基于目标候选区域的车辆检测算法 | 第35-43页 |
| 3.1 车辆检测算法结构 | 第35-36页 |
| 3.2 目标候选区域生成 | 第36-37页 |
| 3.3 车辆特征信息选取 | 第37-38页 |
| 3.4 SVM分类器 | 第38-39页 |
| 3.5 实验结果及算法比较 | 第39-42页 |
| 3.5.1. 样本库的制作 | 第39-40页 |
| 3.5.2 SVM参数选择 | 第40页 |
| 3.5.3 测试 | 第40-41页 |
| 3.5.4 算法比较 | 第41-42页 |
| 3.6 小结 | 第42-43页 |
| 第4章 基于FCM轨迹聚类和CNN的车辆异常行为识别 | 第43-59页 |
| 4.1 基于最小二乘法分段拟合和模糊C均值的轨迹聚类 | 第43-50页 |
| 4.1.1 轨迹预处理 | 第43-44页 |
| 4.1.2 最小二乘法分段拟合 | 第44-45页 |
| 4.1.3 相似度度量 | 第45-49页 |
| 4.1.4 聚类效果 | 第49-50页 |
| 4.2 卷积神经网络 | 第50-56页 |
| 4.2.1 CNN网络结构 | 第51-53页 |
| 4.2.2 CNN训练过程 | 第53-55页 |
| 4.2.3 视觉显著性检测 | 第55页 |
| 4.2.4 样本集生成 | 第55-56页 |
| 4.2.5 CNN参数设置 | 第56页 |
| 4.3 实验结果 | 第56-58页 |
| 4.3.1 轨迹图像样本集 | 第56-57页 |
| 4.3.2 实验结果 | 第57-58页 |
| 4.4 小结 | 第58-59页 |
| 第5章 系统设计与实现 | 第59-65页 |
| 5.1 系统设计目标 | 第59页 |
| 5.2 系统架构 | 第59-60页 |
| 5.3 系统流程 | 第60-62页 |
| 5.4 系统实验结果 | 第62-63页 |
| 5.5 小结 | 第63-65页 |
| 第6章 总结与展望 | 第65-67页 |
| 6.1 论文主要工作及创新点 | 第65页 |
| 6.2 论文不足及展望 | 第65-67页 |
| 参考文献 | 第67-73页 |
| 致谢 | 第73-74页 |
| 学位论文评阅及答辩情况表 | 第74页 |