| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-19页 |
| 1.1 课题研究的背景和意义 | 第10-14页 |
| 1.1.1 智能交通系统概念及意义 | 第10-12页 |
| 1.1.2 智能交通系统的发展现状及未来趋势 | 第12-14页 |
| 1.2 运动目标检测与跟踪的研究现状 | 第14-16页 |
| 1.2.1 运动目标检测技术 | 第14-15页 |
| 1.2.2 运动目标跟踪技术 | 第15-16页 |
| 1.2.3 运动目标识别 | 第16页 |
| 1.3 本文研究的主要内容和难点 | 第16-17页 |
| 1.3.1 课题研究的主要内容 | 第16-17页 |
| 1.3.2 课题研究难点 | 第17页 |
| 1.4 本文主要内容 | 第17-19页 |
| 第2章 视频车辆检测与跟踪算法概述 | 第19-27页 |
| 2.1 运动目标检测方法综述 | 第19-23页 |
| 2.1.1 光流法 | 第19页 |
| 2.1.2 帧间差分法 | 第19-20页 |
| 2.1.3 背景差分法 | 第20-22页 |
| 2.1.4 三种方法优劣比较 | 第22-23页 |
| 2.2 运动目标跟踪方法综述 | 第23-25页 |
| 2.2.1 基于模型的方法 | 第23-24页 |
| 2.2.2 基于活动轮廓的方法 | 第24页 |
| 2.2.3 基于区域的方法 | 第24-25页 |
| 2.2.4 基于特征的方法 | 第25页 |
| 2.3 本章小结 | 第25-27页 |
| 第3章 视频车辆检测算法设计与实现 | 第27-42页 |
| 3.1 本文检测算法设计结构 | 第27-28页 |
| 3.2 视频图像预处理 | 第28-29页 |
| 3.2.1 彩色图像灰度化 | 第28-29页 |
| 3.2.2 图像平滑 | 第29页 |
| 3.3 背景自适应更新 | 第29-31页 |
| 3.4 运动分割 | 第31-35页 |
| 3.4.1 背景差分及阀值分割 | 第31-33页 |
| 3.4.2 形态滤波去噪 | 第33-35页 |
| 3.5 阴影处理 | 第35-38页 |
| 3.6 实验结果与分析 | 第38-41页 |
| 3.6.1 背景更新验证 | 第38-39页 |
| 3.6.2 阴影处理 | 第39-41页 |
| 3.7 本章小结 | 第41-42页 |
| 第4章 视频车辆跟踪算法设计与实现 | 第42-57页 |
| 4.1 SIFT 特征度量的获取及简化 | 第42-47页 |
| 4.1.1 SIFT 特征度量的提取 | 第42-46页 |
| 4.1.2 简化 SIFT 特征度量 | 第46-47页 |
| 4.2 Mean Shift 算法 | 第47-49页 |
| 4.3 结合 SIFT 特征度量的 Mean Shift 跟踪算法 | 第49-52页 |
| 4.4 实验结果与分析 | 第52-56页 |
| 4.4.1 SIFT 特征度量的简化 | 第52-54页 |
| 4.4.2 抗噪性能验证 | 第54-55页 |
| 4.4.3 遮挡问题的探讨 | 第55-56页 |
| 4.5 本章小结 | 第56-57页 |
| 结论与展望 | 第57-59页 |
| 参考文献 | 第59-63页 |
| 致谢 | 第63页 |