| 摘要 | 第10-11页 |
| ABSTRACT | 第11-12页 |
| 第1章 绪论 | 第13-19页 |
| 1.1 选题的背景及意义 | 第13-14页 |
| 1.1.1 选题背景 | 第13-14页 |
| 1.1.2 选题意义 | 第14页 |
| 1.2 课题研究现状 | 第14-16页 |
| 1.2.1 常用的交通事件自动检测技术 | 第14-15页 |
| 1.2.2 城市交通溢流现象研究现状 | 第15-16页 |
| 1.3 课题研究综述 | 第16-19页 |
| 1.3.1 主要研究目标及内容 | 第16-18页 |
| 1.3.2 研究方法与技术路线 | 第18-19页 |
| 第2章 交通溢流现象概述 | 第19-23页 |
| 2.1 引言 | 第19页 |
| 2.2 交通溢流现象 | 第19-20页 |
| 2.3 交通溢流状态描述 | 第20-21页 |
| 2.4 本章小结 | 第21-23页 |
| 第3章 复杂背景下的交通信号灯识别 | 第23-41页 |
| 3.1 引言 | 第23页 |
| 3.2 信号灯识别总体流程 | 第23-24页 |
| 3.3 图像预处理 | 第24-27页 |
| 3.3.1 常用色彩模型及转换关系 | 第24-27页 |
| 3.3.2 图像平滑滤波 | 第27页 |
| 3.4 HSV颜色空间图像分割 | 第27-31页 |
| 3.4.1 大津法阈值分割 | 第28-30页 |
| 3.4.2 基于亮度的信号灯图像分割 | 第30-31页 |
| 3.5 基于几何特征的信号灯位置提取 | 第31-33页 |
| 3.5.1 图像边缘检测 | 第31-32页 |
| 3.5.2 信号灯位置提取 | 第32-33页 |
| 3.6 信号灯关键信息提取 | 第33-38页 |
| 3.6.1 基于分类统计的信号灯位置提取 | 第34-35页 |
| 3.6.2 基于K均值聚类的颜色信息提取 | 第35-36页 |
| 3.6.3 基于前景直方图分析的类型及方向信息提取 | 第36-38页 |
| 3.7 实验分析 | 第38-39页 |
| 3.7.1 实验数据及结果 | 第38-39页 |
| 3.7.2 实验结果分析 | 第39页 |
| 3.8 本章小结 | 第39-41页 |
| 第4章 基于模糊推理的交通溢流视频识别 | 第41-59页 |
| 4.1 引言 | 第41页 |
| 4.2 交通溢流识别总体流程 | 第41-42页 |
| 4.3 基于视频图像处理的车辆检测 | 第42-46页 |
| 4.3.1 自适应背景模型的获取及更新 | 第43-45页 |
| 4.3.2 运动目标检测 | 第45-46页 |
| 4.4 交通溢流视频特征分析 | 第46-50页 |
| 4.4.1 车辆存在比 | 第47-49页 |
| 4.4.2 运动像素比 | 第49-50页 |
| 4.5 基于视频特征的交通溢流模糊识别器设计 | 第50-56页 |
| 4.5.1 模糊控制理论 | 第50-51页 |
| 4.5.2 交通溢流模糊识别思想 | 第51页 |
| 4.5.3 输入输出变量及其隶属度函数 | 第51-53页 |
| 4.5.4 制定模糊推理规则 | 第53-55页 |
| 4.5.5 反模糊化 | 第55-56页 |
| 4.6 实验分析 | 第56-58页 |
| 4.7 本章小结 | 第58-59页 |
| 第5章 城市交通溢流监控系统设计与实现 | 第59-69页 |
| 5.1 引言 | 第59页 |
| 5.2 开发环境及工具介绍 | 第59页 |
| 5.3 系统总体功能流程 | 第59-60页 |
| 5.4 系统各功能模块设计与实现 | 第60-66页 |
| 5.4.1 视频数据获取 | 第61页 |
| 5.4.2 参数配置及初始化 | 第61-63页 |
| 5.4.3 信号灯自动识别模块 | 第63-64页 |
| 5.4.4 车辆排队自动检测模块 | 第64页 |
| 5.4.5 监控结果实时显示模块 | 第64-66页 |
| 5.5 数据库设计 | 第66-67页 |
| 5.6 本章小结 | 第67-69页 |
| 第6章 总结与展望 | 第69-71页 |
| 6.1 论文主要工作及创新点 | 第69-70页 |
| 6.2 研究展望 | 第70-71页 |
| 参考文献 | 第71-79页 |
| 致谢 | 第79-81页 |
| 攻读硕士期间取得的科研成果和参与的项目 | 第81-82页 |
| 学位论文评阅及答辩情况表 | 第82页 |