智能交通系统中车辆视频检测、识别与跟踪方法的研究
| 摘 要 | 第1-6页 |
| Abstract | 第6-10页 |
| 1 绪论 | 第10-22页 |
| ·智能交通系统的发展 | 第10-13页 |
| ·计算机视觉在ITS 中的应用 | 第13-14页 |
| ·国内外研究现状 | 第14-19页 |
| ·视频ITS 检测系统研究现状 | 第14-15页 |
| ·阴影去除研究现状 | 第15-16页 |
| ·运动目标识别研究现状 | 第16-17页 |
| ·运动车辆跟踪研究现状 | 第17-19页 |
| ·课题研究的目的和意义 | 第19-20页 |
| ·课题研究目的 | 第19-20页 |
| ·课题的理论意义和实际应用价值 | 第20页 |
| ·课题研究的主要内容及研究方法 | 第20-22页 |
| 2 运动物体自动检测方法研究 | 第22-42页 |
| ·常用的运动目标检测方法 | 第22-27页 |
| ·帧间相减 | 第22-26页 |
| ·光流法 | 第26页 |
| ·背景差分 | 第26-27页 |
| ·光流场理论概述 | 第27-33页 |
| ·运动场的计算 | 第27-29页 |
| ·光流场约束条件 | 第29-30页 |
| ·光流计算 | 第30-33页 |
| ·自适应背景逼近更新方法 | 第33-36页 |
| ·基于光流场的背景粗模型提取算法 | 第33-36页 |
| ·基于前景物体去除的背景模型算法 | 第36页 |
| ·基于彩色信息的差值模型确定算法 | 第36-37页 |
| ·基于高斯模型的自适应阈值分割方法 | 第37-38页 |
| ·实验结果与分析 | 第38-41页 |
| ·小结 | 第41-42页 |
| 3 运动物体阴影去除方法研究 | 第42-57页 |
| ·常用的阴影检测的方法 | 第42-50页 |
| ·RGB 空间阴影检测 | 第44-48页 |
| ·HSV 空间阴影检测 | 第48-50页 |
| ·基于轮廓信息与颜色信息的运动物体影子去除方法 | 第50-56页 |
| ·轮廓提取及影子方向的确定方法 | 第51-52页 |
| ·确定可能的影子种子点 | 第52-53页 |
| ·筛选“假影点” | 第53-54页 |
| ·基于颜色信息的影子去除方法 | 第54-55页 |
| ·实验结果与分析 | 第55-56页 |
| ·小结 | 第56-57页 |
| 4 运动物体识别方法研究 | 第57-75页 |
| ·支持向量机基本理论 | 第58-61页 |
| ·广义最优分类面 | 第58-60页 |
| ·支持向量机 | 第60-61页 |
| ·核函数 | 第61页 |
| ·模糊积分基本理论 | 第61-67页 |
| ·模糊测度与模糊积分的产生及研究现状 | 第61-62页 |
| ·模糊测度和模糊积分的基本理论 | 第62-64页 |
| ·模糊积分 | 第64-66页 |
| ·用于综合评价的模糊积分 | 第66-67页 |
| ·运动物体的特征提取及分析 | 第67-70页 |
| ·矩特征 | 第68-69页 |
| ·面积特征 | 第69-70页 |
| ·速度特征 | 第70页 |
| ·物体识别的多特征融合模型 | 第70-73页 |
| ·基于矩特征的支持向量机识别 | 第70-71页 |
| ·基于模糊积分的特征融合物体识别 | 第71-73页 |
| ·实验及结果分析 | 第73-74页 |
| ·小结 | 第74-75页 |
| 5 运动车辆跟踪方法研究 | 第75-88页 |
| ·卡尔曼滤波器 | 第75-81页 |
| ·标准卡尔曼滤波器 | 第76-78页 |
| ·扩展卡尔曼滤波器 | 第78-81页 |
| ·运动物体分割 | 第81-84页 |
| ·误检的判断 | 第81-82页 |
| ·基于轮廓特征点的分割方法 | 第82-84页 |
| ·基于KALMAN模型的跟踪方法 | 第84-86页 |
| ·Kalman 预测模型 | 第84-85页 |
| ·目标匹配 | 第85-86页 |
| ·实验结果 | 第86-87页 |
| ·小结 | 第87-88页 |
| 6 总结与展望 | 第88-90页 |
| ·总结 | 第88-89页 |
| ·创新点 | 第89页 |
| ·展望 | 第89-90页 |
| 参考文献 | 第90-97页 |
| 致谢 | 第97-98页 |
| 博士期间发表的论文 | 第98页 |
