基于视频处理的城市道路交通拥堵判别技术研究
| 中文摘要 | 第1-4页 |
| 英文摘要 | 第4-8页 |
| 1 绪论 | 第8-13页 |
| ·研究背景 | 第8页 |
| ·国内外研究现状 | 第8-11页 |
| ·国外研究现状 | 第8-9页 |
| ·国内研究现状 | 第9-10页 |
| ·研究现状分析及课题的提出 | 第10-11页 |
| ·课题的目的和意义 | 第11-12页 |
| ·论文主要工作 | 第12-13页 |
| 2 基于视频处理的城市道路交通拥堵判别技术 | 第13-27页 |
| ·城市交通拥堵的概念与划分 | 第13-14页 |
| ·基于视频的城市道路交通拥堵判别相关技术 | 第14-21页 |
| ·目标检测 | 第14-16页 |
| ·目标跟踪 | 第16-18页 |
| ·交通拥堵判别算法 | 第18-21页 |
| ·基于视频处理的交通拥堵判别方法的提出 | 第21-22页 |
| ·基于视频处理的交通特征参数提取 | 第21-22页 |
| ·交通拥堵判别 | 第22页 |
| ·交通特征参数选取 | 第22-24页 |
| ·常用交通特征参数 | 第22-23页 |
| ·基于视频处理的交通特征参数选取 | 第23页 |
| ·基于视频处理的交通特征参数检测方法 | 第23-24页 |
| ·算法评价指标的设计 | 第24-25页 |
| ·小结 | 第25-27页 |
| 3 基于视频处理的交通特征参数提取 | 第27-46页 |
| ·基于非参数核密度模型的背景建模 | 第27-34页 |
| ·典型的背景建模方法 | 第27-30页 |
| ·非参数核密度背景建模方法 | 第30-32页 |
| ·背景建模实验对比 | 第32-33页 |
| ·背景更新 | 第33-34页 |
| ·基于概率分析的车辆去噪识别 | 第34-39页 |
| ·去除树叶噪声 | 第34-36页 |
| ·去噪实验效果对比 | 第36-37页 |
| ·区域融合与分开 | 第37-39页 |
| ·基于卡尔曼滤波的车辆跟踪算法 | 第39-43页 |
| ·卡尔曼滤波理论 | 第39-40页 |
| ·卡尔曼滤波跟踪 | 第40-42页 |
| ·目标匹配 | 第42-43页 |
| ·虚拟检测线法 | 第43-45页 |
| ·小结 | 第45-46页 |
| 4 基于视频处理数据的交通拥堵判别算法 | 第46-54页 |
| ·模糊综合评判方法 | 第46-48页 |
| ·模糊判别模型 | 第46-47页 |
| ·常见的模糊综合评判模型 | 第47-48页 |
| ·评价集的确定 | 第48-49页 |
| ·隶属函数与交通状态的确定 | 第49页 |
| ·隶属函数的确定 | 第49页 |
| ·特征参数与交通状态的关系 | 第49页 |
| ·权重向量的确定 | 第49-51页 |
| ·权重向量的定义 | 第49-50页 |
| ·拥堵预判别与权重向量的确定 | 第50-51页 |
| ·模糊综合评判方法 | 第51-53页 |
| ·小结 | 第53-54页 |
| 5 实验结果及分析 | 第54-64页 |
| ·实验算法流程 | 第54-55页 |
| ·交通特征参数获取实验结果分析 | 第55-57页 |
| ·交通拥堵判别算法实验结果分析 | 第57-63页 |
| ·小结 | 第63-64页 |
| 6 总结与展望 | 第64-65页 |
| 致谢 | 第65-66页 |
| 参考文献 | 第66-70页 |
| 附录 | 第70页 |
| A. 作者在攻读学位期间发表的论文目录 | 第70页 |
| B. 作者在攻读学位期间参与的科研项目 | 第70页 |
