| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 1 绪论 | 第10-19页 |
| 1.1 研究背景与意义 | 第10-11页 |
| 1.2 智能交通系统发展现状 | 第11-17页 |
| 1.2.1 智能交通系统的研究现状 | 第11-12页 |
| 1.2.2 视频车辆检测技术的发展历程 | 第12-13页 |
| 1.2.3 智能交通系统检测算法研究现状 | 第13-17页 |
| 1.3 论文的研究内容 | 第17页 |
| 1.4 论文的结构安排 | 第17-18页 |
| 1.5 本章小结 | 第18-19页 |
| 2 高速公路车辆检测算法 | 第19-27页 |
| 2.1 高速公路车辆检测难点 | 第19页 |
| 2.2 带种子补偿的时空差分车辆检测算法 | 第19-23页 |
| 2.2.1 基于时空背景差分的车辆检测算法 | 第20-22页 |
| 2.2.2 阴影消除 | 第22-23页 |
| 2.2.3 种子补偿 | 第23页 |
| 2.3 实验结果与分析 | 第23-26页 |
| 2.3.1 实验结果 | 第23-25页 |
| 2.3.2 实验分析 | 第25-26页 |
| 2.4 本章小结 | 第26-27页 |
| 3 高速公路车辆跟踪算法 | 第27-33页 |
| 3.1 高速公路车辆跟踪分析 | 第27页 |
| 3.2 Camshift与卡尔曼滤波器相结合的跟踪算法 | 第27-29页 |
| 3.2.1 基于Camshift的跟踪算法 | 第28-29页 |
| 3.2.2 Camshift与卡尔曼滤波器相结合的跟踪算法 | 第29页 |
| 3.3 实验结果与分析 | 第29-31页 |
| 3.3.1 实验结果 | 第29-30页 |
| 3.3.2 实验分析 | 第30-31页 |
| 3.4 本章小结 | 第31-33页 |
| 4 高速公路大型货车识别算法 | 第33-42页 |
| 4.1 大型货车识别难点 | 第33-34页 |
| 4.2 大型货车识别算法 | 第34-39页 |
| 4.2.1 大型车辆与中小型车辆的分类 | 第35页 |
| 4.2.2 基于Meanshift的区域分割特征提取 | 第35-39页 |
| 4.2.3 车型的分类 | 第39页 |
| 4.3 实验结果与分析 | 第39-41页 |
| 4.3.1 实验结果 | 第39-40页 |
| 4.3.2 实验分析 | 第40-41页 |
| 4.4 本章小结 | 第41-42页 |
| 5 系统设计与实现 | 第42-55页 |
| 5.1 系统目标和主要解决问题 | 第42-43页 |
| 5.2 系统功能需求分析 | 第43-44页 |
| 5.3 系统设计 | 第44-47页 |
| 5.3.1 系统开发环境 | 第44-45页 |
| 5.3.2 系统总体流程 | 第45-46页 |
| 5.3.3 系统功能模块 | 第46-47页 |
| 5.4 系统实现 | 第47-49页 |
| 5.4.1 前端设备通信控制模块实现 | 第47-48页 |
| 5.4.2 车辆检测与识别模块实现 | 第48-49页 |
| 5.4.3 LED违法警示管理模块实现 | 第49页 |
| 5.4.4 违法数据传输管理模块实现 | 第49页 |
| 5.5 系统测试与分析 | 第49-54页 |
| 5.5.1 系统整体测试与分析 | 第49-50页 |
| 5.5.2 系统车辆检测测试与分析 | 第50-52页 |
| 5.5.3 系统车辆跟踪测试与分析 | 第52-53页 |
| 5.5.4 系统车型识别测试与分析 | 第53-54页 |
| 5.6 本章小结 | 第54-55页 |
| 6 总结与展望 | 第55-57页 |
| 6.1 论文工作总结 | 第55页 |
| 6.2 论文不足与改进 | 第55-56页 |
| 6.3 本章小结 | 第56-57页 |
| 参考文献 | 第57-61页 |
| 致谢 | 第61-62页 |
| 攻读硕士学位期间所发表的学术论文及参与科研项目 | 第62页 |
