智能交通系统中的视频车辆检测与跟踪方法研究
| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 1 绪论 | 第8-13页 |
| ·选题背景和意义 | 第8-10页 |
| ·智能交通系统发展概述 | 第8-10页 |
| ·计算机视觉在ITS 中的应用 | 第10页 |
| ·国内外研究现状和进展 | 第10-12页 |
| ·本文的主要工作和论文内容安排 | 第12-13页 |
| 2 前景区域提取 | 第13-33页 |
| ·常用的前景区域提取方法 | 第13-16页 |
| ·帧间差分 | 第13-14页 |
| ·背景差分 | 第14-16页 |
| ·图像的预处理 | 第16-21页 |
| ·直方图均衡化 | 第16-17页 |
| ·图像滤波 | 第17-20页 |
| ·实验结果 | 第20-21页 |
| ·边缘检测 | 第21-24页 |
| ·基于梯度的边缘检测 | 第21-23页 |
| ·Laplace 边缘算子 | 第23-24页 |
| ·Canny 边缘检测算子 | 第24页 |
| ·基于边缘信息的前景区域提取方法 | 第24-27页 |
| ·sobel 边缘检测 | 第25页 |
| ·背景边缘提取模板 | 第25-26页 |
| ·当前帧精确背景边缘的提取 | 第26页 |
| ·前景车辆边缘图像的提取 | 第26-27页 |
| ·后期形态学去噪处理 | 第27-29页 |
| ·数学形态学的基本思想 | 第27-28页 |
| ·数学形态学的基本运算与图像处理 | 第28-29页 |
| ·形态学去噪处理 | 第29页 |
| ·实验结果与分析 | 第29-32页 |
| ·小结 | 第32-33页 |
| 3 阴影检测与去除方法研究 | 第33-46页 |
| ·阴影的机理 | 第33-34页 |
| ·常用的阴影检测的方法 | 第34-35页 |
| ·车辆检测前景区域灰度图像的特点 | 第35-37页 |
| ·车辆区域特点 | 第35-36页 |
| ·灰度图像阴影区域的特点 | 第36-37页 |
| ·相对位置关系模板 | 第37-38页 |
| ·结合灰度、边缘和先验知识的阴影检测与去除方法 | 第38-40页 |
| ·实验结果与分析 | 第40-45页 |
| ·浅色车辆实验结果与分析 | 第40-42页 |
| ·深色车辆实验结果与分析 | 第42-44页 |
| ·两车相连实验结果与分析 | 第44-45页 |
| ·小结 | 第45-46页 |
| 4 车辆跟踪方法研究 | 第46-60页 |
| ·车辆跟踪研究现状 | 第46-52页 |
| ·光流法 | 第46-47页 |
| ·Kalman 滤波 | 第47-49页 |
| ·粒子滤波算法 | 第49-52页 |
| ·基于外形和帧间运动向量的车辆跟踪方法 | 第52-56页 |
| ·视频图像中的车辆运动特点 | 第52页 |
| ·车辆区域定位 | 第52页 |
| ·帧间运动向量 | 第52-53页 |
| ·跟踪匹配与验证 | 第53-55页 |
| ·跟踪初始化与跟踪结束 | 第55-56页 |
| ·实验结果与分析 | 第56-59页 |
| ·小结 | 第59-60页 |
| 5 总结与展望 | 第60-62页 |
| ·总结 | 第60页 |
| ·展望 | 第60-62页 |
| 参考文献 | 第62-66页 |
| 致谢 | 第66-67页 |
| 研究生阶段发表的论文 | 第67页 |
