| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-14页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.2.1 国外研究现状 | 第10-11页 |
| 1.2.2 国内研究现状 | 第11-12页 |
| 1.3 论文主要工作及章节安排 | 第12-14页 |
| 第二章 交通流理论与视频检测技术概述 | 第14-21页 |
| 2.1 交通流基本理论 | 第14-17页 |
| 2.1.1 交通流理论概述 | 第14-15页 |
| 2.1.2 交通流参数 | 第15-16页 |
| 2.1.3 参数关系分析 | 第16-17页 |
| 2.2 视频检测技术 | 第17-21页 |
| 2.2.1 视频图像的特点 | 第17-18页 |
| 2.2.2 视频检测技术概述 | 第18-19页 |
| 2.2.3 基于视频的交通流检测技术 | 第19-21页 |
| 第三章 运动车辆二值化检测 | 第21-40页 |
| 3.1 运动车辆检测算法分析 | 第21-24页 |
| 3.1.1 帧间差分法 | 第21-22页 |
| 3.1.2 光流法 | 第22-23页 |
| 3.1.3 背景差分法 | 第23页 |
| 3.1.4 基于背景差分算法的运动目标检测 | 第23-24页 |
| 3.2 交通流视频图像二值化 | 第24-33页 |
| 3.2.1 彩色图像灰度化 | 第24-25页 |
| 3.2.2 背景建模 | 第25-28页 |
| 3.2.3 灰度图像二值化 | 第28-31页 |
| 3.2.4 形态学处理 | 第31-33页 |
| 3.3 目标车辆分割 | 第33-38页 |
| 3.3.1 连通区域标记 | 第33-34页 |
| 3.3.2 粘连目标车辆的分割 | 第34-38页 |
| 3.4 实验结果与分析 | 第38-39页 |
| 3.5 本章小结 | 第39-40页 |
| 第四章 SURF-KALMAN 运动车辆跟踪 | 第40-59页 |
| 4.1 常用的目标跟踪方法 | 第40-41页 |
| 4.2 基于 KALMAN 滤波的运动车辆轨迹预测 | 第41-47页 |
| 4.2.1 Kalman 滤波算法描述 | 第41-43页 |
| 4.2.2 基于 Kalman 滤波的车辆运动轨迹预测实现 | 第43-47页 |
| 4.3 基于 SURF 算法的车辆匹配 | 第47-55页 |
| 4.3.1 常用的图像匹配算法 | 第47-49页 |
| 4.3.2 基于 SURF 算子的模型匹配实现 | 第49-52页 |
| 4.3.3 基于 SURF 算子目标匹配算法 | 第52-53页 |
| 4.3.4 基于 SURF 算子目标匹配实验结果与分析 | 第53-55页 |
| 4.4 SURF-KALMAN 运动车辆跟踪算法 | 第55-56页 |
| 4.5 实验结果与分析 | 第56-58页 |
| 4.6 本章小结 | 第58-59页 |
| 第五章 交通流状态分析 | 第59-68页 |
| 5.1 交通流参数的确定 | 第59-62页 |
| 5.2 基于模糊聚类的交通状态判断 | 第62-67页 |
| 5.2.1 模糊 C 均值聚类（FCM）算法 | 第62-63页 |
| 5.2.2 实测数据 | 第63-65页 |
| 5.2.3 FCM 交通状态分析 | 第65-67页 |
| 5.3 本章小节 | 第67-68页 |
| 结论 | 第68-70页 |
| 总结 | 第68-69页 |
| 展望 | 第69-70页 |
| 参考文献 | 第70-73页 |
| 致谢 | 第73页 |
