基于图像处理的智能交通信号灯控制系统的研究
摘要 | 第1-5页 |
ABSTRACT | 第5-9页 |
第1章 绪论 | 第9-16页 |
·引言 | 第9页 |
·研究的目的和意义 | 第9页 |
·智能交通信号灯控制的发展现状 | 第9-14页 |
·交通参数的检测及其检测技术的研究现状 | 第10-12页 |
·智能交通信号灯控制策略的研究现状 | 第12-14页 |
·主要研究内容 | 第14-16页 |
第2章 智能交通信号灯控制系统总体方案研究 | 第16-22页 |
·交通信号灯控制中的基本参数 | 第16-17页 |
·信号周期 | 第16页 |
·相位 | 第16页 |
·绿信比 | 第16页 |
·平均延误时间 | 第16-17页 |
·智能交通信号灯控制系统的技术原则 | 第17页 |
·可靠性原则 | 第17页 |
·实时性原则 | 第17页 |
·智能交通信号灯总体方案设计 | 第17-21页 |
·硬件的选取及安装 | 第17页 |
·图像处理模块 | 第17-18页 |
·智能控制模块 | 第18-19页 |
·仿真模块 | 第19-20页 |
·系统总体方案流程图 | 第20-21页 |
·本章小结 | 第21-22页 |
第3章 基于图像处理的交通参数的测量 | 第22-39页 |
·硬件的安装和选取原则 | 第22页 |
·视频采集和图像预处理 | 第22-23页 |
·基于统计特性的背景提取算法 | 第23-27页 |
·基于中值法的背景提取 | 第23-24页 |
·基于均值法的背景提取 | 第24页 |
·基于频率最高法的背景提取 | 第24-25页 |
·基于高斯法的背景提取 | 第25-26页 |
·基于帧差法的背景提取 | 第26-27页 |
·基于单车道的背景提取 | 第27-31页 |
·基于车道线的单车道提取 | 第27-29页 |
·基于模板的快速单车道提取 | 第29-30页 |
·基于单车道的快速背景提取算法 | 第30-31页 |
·目标车辆的提取 | 第31-34页 |
·基于背景差法的车辆提取 | 第31页 |
·帧差图像的二值化 | 第31-32页 |
·基于中值滤波的噪声滤除 | 第32页 |
·基于膨胀处理的车辆复原 | 第32-33页 |
·基于图像处理的车辆提取流程图 | 第33-34页 |
·基于行坐标的车队长度测量和车辆类型识别 | 第34-38页 |
·基于行坐标的距离转换模型的建立 | 第34-37页 |
·基于行坐标的车队长度测量方法及验证 | 第37页 |
·基于行坐标的车辆类型识别算法 | 第37-38页 |
·当量车队长度 | 第38页 |
·本章小结 | 第38-39页 |
第4章 交通信号灯智能控制算法 | 第39-57页 |
·模糊控制器的设计 | 第39-44页 |
·模糊控制器的结构 | 第39页 |
·论域变换 | 第39-40页 |
·语言值的建立 | 第40页 |
·隶属度函数的建立 | 第40-41页 |
·控制规则的建立 | 第41-42页 |
·基于面积重心法的清晰化处理 | 第42-44页 |
·神经网络控制 | 第44-50页 |
·神经网络的选取原因 | 第44-45页 |
·基于规则的样本点的选取 | 第45-47页 |
·样本对的识别 | 第47页 |
·构造并训练神经网络 | 第47-48页 |
·神经网络控制表的修正 | 第48-50页 |
·自适应模糊神经网络控制 | 第50-56页 |
·模糊神经网络的选取 | 第50页 |
·模糊神经网络的建立 | 第50-53页 |
·模糊控制表的自动获取 | 第53-54页 |
·实验结果 | 第54-55页 |
·基于评价准则的自适应算法 | 第55-56页 |
·本章小结 | 第56-57页 |
第5章 控制算法的仿真实验 | 第57-63页 |
·交叉路口几何模型 | 第57页 |
·交通信号灯控制流程 | 第57-58页 |
·评价依据 | 第58-59页 |
·仿真实验 | 第59-62页 |
·仿真思想 | 第59页 |
·初始值设定 | 第59页 |
·实验结果 | 第59-62页 |
·本章小结 | 第62-63页 |
结论 | 第63-64页 |
参考文献 | 第64-69页 |
致谢 | 第69-70页 |
附录 | 第70-73页 |