基于视频的车辆检测与跟踪研究
| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 第1章 绪论 | 第8-12页 |
| ·研究背景及意义 | 第8-9页 |
| ·研究现状 | 第9-10页 |
| ·论文主要工作和相关安排 | 第10-12页 |
| 第2章 背景模型建立方法 | 第12-27页 |
| ·数字图像的概念 | 第12-13页 |
| ·数字图像运算 | 第13-15页 |
| ·数字图像描述方法 | 第13页 |
| ·像素邻域 | 第13-14页 |
| ·直方图 | 第14-15页 |
| ·图像位移、旋转及缩放 | 第15页 |
| ·用于交通参数获取的数字图像处理模式 | 第15-17页 |
| ·模板匹配法 | 第15页 |
| ·帧间差分法 | 第15-16页 |
| ·光流场法 | 第16页 |
| ·背景差分法 | 第16-17页 |
| ·现有的背景估计法 | 第17-20页 |
| ·统计学模型 | 第17-18页 |
| ·卡尔曼滤波法 | 第18-19页 |
| ·单高斯分布模型 | 第19页 |
| ·混合高斯分布模型 | 第19-20页 |
| ·一种基于同态滤波的背景建模法 | 第20-26页 |
| ·同态滤波 | 第20-21页 |
| ·基于帧差法的样本分块选取预处理 | 第21-22页 |
| ·背景建模 | 第22-23页 |
| ·背景的更新 | 第23-24页 |
| ·实验结果及分析 | 第24-26页 |
| ·小结 | 第26-27页 |
| 第3章 运动目标检测算法 | 第27-41页 |
| ·现在的车型识别技术 | 第27-29页 |
| ·基于神经网络的车型识别方法 | 第27-28页 |
| ·基于灰度处理的车型识别方法 | 第28页 |
| ·基于纹理特征的车型识别方法 | 第28-29页 |
| ·在车辆检测研究中存在的问题 | 第29页 |
| ·咬合车辆的检测与分割 | 第29-35页 |
| ·视觉长度与视觉宽度的计算 | 第29-32页 |
| ·咬合车辆检测与分割算法 | 第32-35页 |
| ·基于视觉长度与视觉宽度的车型识别 | 第35-37页 |
| ·水平面上的边缘检测和量化 | 第35-36页 |
| ·测量车辆的轮廓线 | 第36-37页 |
| ·实验结果及分析 | 第37-40页 |
| ·小结 | 第40-41页 |
| 第4章 运动目标跟踪算法 | 第41-50页 |
| ·现有的目标跟踪算法分析 | 第41-43页 |
| ·基于模板匹配的跟踪算法 | 第41-42页 |
| ·基于主动轮廓的跟踪算法 | 第42页 |
| ·基于区域的跟踪算法 | 第42-43页 |
| ·基于特征匹配的跟踪算法 | 第43-45页 |
| ·Mean Shift 算法 | 第44页 |
| ·基于Mean Shift 算法的目标跟踪方法 | 第44-45页 |
| ·一种基于视觉长度的目标跟踪算法 | 第45-49页 |
| ·特征描述 | 第46-47页 |
| ·算法描述 | 第47页 |
| ·实验结果与分析 | 第47-49页 |
| ·小结 | 第49-50页 |
| 第5章 总结与展望 | 第50-52页 |
| ·总结 | 第50页 |
| ·展望 | 第50-52页 |
| 参考文献 | 第52-55页 |
| 致谢 | 第55-56页 |
| 攻读学位期间发表的学术论文及科研工作 | 第56页 |
