基于OpenCV的交通车流量检测系统
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-16页 |
| 1.1 选题意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-11页 |
| 1.3 所做工作概述 | 第11-12页 |
| 1.4 完成情况和成果 | 第12页 |
| 1.5 OpenCV简介 | 第12-14页 |
| 1.6 开发平台的搭建 | 第14-15页 |
| 1.7 本章小结 | 第15-16页 |
| 第二章 背景建模与前景检测 | 第16-35页 |
| 2.1 数据采集与预处理 | 第16页 |
| 2.2 背景建模简介 | 第16-18页 |
| 2.2.1 帧差法 | 第17页 |
| 2.2.2 平均背景法 | 第17-18页 |
| 2.2.3 背景减除法 | 第18页 |
| 2.3 背景建模的实现 | 第18-20页 |
| 2.4 前景检测简介 | 第20-21页 |
| 2.5 前景检测的实现 | 第21-34页 |
| 2.5.1 ROI处理 | 第21-22页 |
| 2.5.2 噪声的消除 | 第22-25页 |
| 2.5.3 二值化处理 | 第25-29页 |
| 2.5.4 形态学处理 | 第29-31页 |
| 2.5.5 车辆检测 | 第31-34页 |
| 2.6 本章小结 | 第34-35页 |
| 第三章 车辆跟踪 | 第35-47页 |
| 3.1 车辆跟踪综述 | 第35-37页 |
| 3.2 跟踪算法简介 | 第37-38页 |
| 3.2.1 CamShift算法 | 第37-38页 |
| 3.2.2 角点跟踪算法 | 第38页 |
| 3.3 Kalman滤波器简介与改进 | 第38-42页 |
| 3.3.1 Kalman滤波器的简介 | 第38-39页 |
| 3.3.2 改进的Kalman滤波器 | 第39-42页 |
| 3.4 车辆跟踪的实现 | 第42-44页 |
| 3.5 基于象限的耦合处理 | 第44-46页 |
| 3.6 本章小结 | 第46-47页 |
| 第四章 车流量检测与结果 | 第47-54页 |
| 4.1 车流量检测的意义 | 第47页 |
| 4.2 车流量检测的实现 | 第47-53页 |
| 4.2.1 车流量检测的实现过程 | 第47-48页 |
| 4.2.2 车辆位移计算模型 | 第48-49页 |
| 4.2.3 结果 | 第49-53页 |
| 4.3 本章小结 | 第53-54页 |
| 第五章 结论与展望 | 第54-56页 |
| 参考文献 | 第56-59页 |
| 致谢 | 第59-60页 |
| 攻读学位期间发表的学术论文目录 | 第60页 |
