| 中文摘要 | 第1-5页 |
| Abstract | 第5-12页 |
| 第1章 绪论 | 第12-18页 |
| ·研究背景及意义 | 第12-13页 |
| ·国内外研究现状 | 第13-15页 |
| ·智能交通系统研究现状 | 第13-14页 |
| ·运动目标检测研究现状 | 第14页 |
| ·运动目标跟踪研究现状 | 第14-15页 |
| ·车辆分类研究现状 | 第15页 |
| ·本文的特色与贡献 | 第15-16页 |
| ·本文的结构安排 | 第16-18页 |
| 第2章 运动车辆检测 | 第18-33页 |
| ·运动检测技术简介 | 第18-20页 |
| ·背景差分法 | 第18-19页 |
| ·帧间差分法 | 第19页 |
| ·光流法 | 第19-20页 |
| ·背景重构及更新 | 第20-24页 |
| ·基于帧间差分的统计背景重构 | 第20-23页 |
| ·基于信息融合的背景自适应更新 | 第23-24页 |
| ·运动分割及预处理 | 第24-28页 |
| ·背景差分 | 第24-25页 |
| ·形态滤波去噪 | 第25-26页 |
| ·阴影检测及去除 | 第26-28页 |
| ·实验结果及分析 | 第28-31页 |
| ·背景重构验证 | 第28-31页 |
| ·背景更新验证 | 第31页 |
| ·本章小结 | 第31-33页 |
| 第3章 运动车辆跟踪 | 第33-45页 |
| ·跟踪技术简介 | 第33页 |
| ·基于SIFT 特征度量的Mean Shift 目标跟踪 | 第33-40页 |
| ·Mean Shift 算法 | 第34-35页 |
| ·SIFT 特征度量 | 第35-37页 |
| ·目标表示与SIFT-Mean Shift 跟踪 | 第37-40页 |
| ·实验结果及分析 | 第40-44页 |
| ·验证尺度、旋转不变性 | 第40-41页 |
| ·验证抗噪性 | 第41-42页 |
| ·验证遮挡及稳定性 | 第42页 |
| ·验证收敛及实时性 | 第42-43页 |
| ·多目标跟踪及车流量统计 | 第43-44页 |
| ·本章小结 | 第44-45页 |
| 第4章 特征提取及车辆目标识别 | 第45-56页 |
| ·车辆分类标准 | 第45-46页 |
| ·常用车辆分类标准 | 第45-46页 |
| ·本文车辆分类标准 | 第46页 |
| ·特征选择及提取 | 第46-52页 |
| ·特征选取原则 | 第46-47页 |
| ·动态特征选取 | 第47-49页 |
| ·静态特征选取 | 第49-52页 |
| ·车辆目标识别 | 第52-55页 |
| ·特征选取 | 第52页 |
| ·SVM 分类 | 第52-54页 |
| ·实验结果及分析 | 第54-55页 |
| ·本章小结 | 第55-56页 |
| 第5章 车辆分类模型的建立与优化 | 第56-75页 |
| ·分类模型原理简介 | 第56-61页 |
| ·人工神经网络概述 | 第56-58页 |
| ·人工神经网络模型 | 第58-59页 |
| ·模糊模式识别 | 第59-60页 |
| ·遗传算法 | 第60-61页 |
| ·车辆形状分类模型 | 第61-66页 |
| ·神经网络分类模型设计 | 第61-62页 |
| ·遗传算法优化 | 第62-66页 |
| ·货车分类模型 | 第66-70页 |
| ·隶属函数拟合 | 第66-68页 |
| ·隶属函数优化 | 第68-69页 |
| ·模糊神经网络分类器设计 | 第69-70页 |
| ·实验结果及分析 | 第70-74页 |
| ·第一阶段分类 | 第70-71页 |
| ·第二阶段分类 | 第71-74页 |
| ·本章小结 | 第74-75页 |
| 第6章 总结与展望 | 第75-77页 |
| ·工作总结 | 第75-76页 |
| ·展望未来 | 第76-77页 |
| 参考文献 | 第77-81页 |
| 攻读学位期间公开发表的论文与科研项目 | 第81-83页 |
| 致谢 | 第83-84页 |