基于视频检测的高速公路交通事件影响预测研究
| 摘要 | 第8-9页 |
| ABSTRACT | 第9-10页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 课题来源 | 第11页 |
| 1.2 研究背景及意义 | 第11-12页 |
| 1.3 研究现状 | 第12-13页 |
| 1.3.1 交通视频检测技术 | 第12页 |
| 1.3.2 交通事件检测技术 | 第12-13页 |
| 1.3.3 交通事件影响分析方法 | 第13页 |
| 1.4 研究内容 | 第13-15页 |
| 1.5 技术路线 | 第15-16页 |
| 1.6 本章小结 | 第16-17页 |
| 第二章 基于视频的前景目标获取与跟踪 | 第17-31页 |
| 2.1 常用目标检测方法 | 第17-24页 |
| 2.1.1 背景初始化与更新 | 第19-21页 |
| 2.1.2 前景的获取 | 第21-22页 |
| 2.1.3 前景运动检测方法 | 第22-23页 |
| 2.1.4 形态学操作 | 第23-24页 |
| 2.2 前景目标跟踪方法 | 第24-29页 |
| 2.2.1 基于卡尔曼滤波器的前景目标跟踪方法 | 第25-26页 |
| 2.2.2 改进的卡尔曼滤波器跟踪算法 | 第26-29页 |
| 2.3 本章小结 | 第29-31页 |
| 第三章 基于模糊控制的交通事件检测 | 第31-39页 |
| 3.1 交通流参数获取 | 第31-32页 |
| 3.2 基于模糊推理的交通事件判别 | 第32-35页 |
| 3.3 检测结果分析 | 第35-37页 |
| 3.4 本章小结 | 第37-39页 |
| 第四章 基于分布式视频的交通事件影响预测 | 第39-51页 |
| 4.1 高速公路交通事件车流波模型 | 第39-44页 |
| 4.2 基于视频的车辆排队状态检测 | 第44-46页 |
| 4.3 基于分布式视频的交通事件影响预测方法 | 第46-49页 |
| 4.4 本章小结 | 第49-51页 |
| 第五章 系统设计与实现 | 第51-65页 |
| 5.1 系统开发环境 | 第51页 |
| 5.1.1 Visual Studio 2010 | 第51页 |
| 5.1.2 OpenCV | 第51页 |
| 5.2 系统设计 | 第51-56页 |
| 5.2.1 主要功能设计 | 第51-53页 |
| 5.2.2 工作流程设计 | 第53-55页 |
| 5.2.3 数据库设计 | 第55-56页 |
| 5.3 系统实现 | 第56-63页 |
| 5.3.1 系统初始化设计 | 第57-58页 |
| 5.3.2 事件检测窗口设计 | 第58-61页 |
| 5.3.3 检测信息窗口设计 | 第61页 |
| 5.3.4 影响预测窗口设计 | 第61-63页 |
| 5.4 本章小结 | 第63-65页 |
| 第六章 总结与展望 | 第65-67页 |
| 6.1 总结 | 第65-66页 |
| 6.2 展望 | 第66-67页 |
| 参考文献 | 第67-71页 |
| 致谢 | 第71-73页 |
| 硕士期间科研工作和科研成果 | 第73-74页 |
| 学位论文评阅及答辩情况表 | 第74页 |
