| 摘要 | 第6-7页 |
| Abstract | 第7页 |
| 第1章 绪论 | 第8-12页 |
| 1.1 智能交通系统的研究背景和意义 | 第8页 |
| 1.2 发展历史及国内外研究现状 | 第8-10页 |
| 1.3 运动目标检测跟踪存在的问题 | 第10页 |
| 1.4 本文研究的主要内容 | 第10-12页 |
| 第2章 基于三帧差分的运动目标检测算法 | 第12-24页 |
| 2.1 运动目标检测的常用方法 | 第12-17页 |
| 2.1.1 基于帧间差分的方法 | 第13-15页 |
| 2.1.2 基于背景差分的方法 | 第15-16页 |
| 2.1.3 基于光流场的方法 | 第16-17页 |
| 2.1.4 算法总结 | 第17页 |
| 2.2 基于三帧差分和边缘信息的运动目标检测算法 | 第17-23页 |
| 2.2.1 算法的基本思想 | 第17页 |
| 2.2.2 边缘算子提取 | 第17-19页 |
| 2.2.3 三帧差分 | 第19-20页 |
| 2.2.4 二值化阈值确定 | 第20-22页 |
| 2.2.5 形态学处理 | 第22-23页 |
| 2.3 实验结果分析 | 第23页 |
| 2.4 本章小结 | 第23-24页 |
| 第3章 Cam Shift算法 | 第24-33页 |
| 3.1 Mean Shift算法 | 第24-27页 |
| 3.1.1 多维空间中的非参数密度估计 | 第24-25页 |
| 3.1.2 Mean Shift向量 | 第25-26页 |
| 3.1.3 Mean Shift算法的收敛性 | 第26-27页 |
| 3.2 Cam Shift算法 | 第27-31页 |
| 3.3 实验结果 | 第31页 |
| 3.4 本章小结 | 第31-33页 |
| 第4章 基于多特征融合的Cam Shift跟踪算法 | 第33-41页 |
| 4.1 LTP纹理特征 | 第33-37页 |
| 4.1.1 局部二值模式(LBP) | 第33-36页 |
| 4.1.2 局部三值模式(LTP) | 第36-37页 |
| 4.2 基于多特征融合的Cam Shift跟踪算法 | 第37-38页 |
| 4.2.1 基于多特征融合的目标建模 | 第37页 |
| 4.2.2 基于多特征融合的Cam Shift跟踪算法 | 第37-38页 |
| 4.3 实验结果 | 第38-40页 |
| 4.4 本章小结 | 第40-41页 |
| 第5章 基于视频技术的车辆检测与跟踪系统实现 | 第41-49页 |
| 5.1 达芬奇技术 | 第41-42页 |
| 5.2 TMS320DM6467概述 | 第42-44页 |
| 5.3 系统整体架构 | 第44-46页 |
| 5.4 实际应用效果 | 第46-48页 |
| 5.5 本章小结 | 第48-49页 |
| 第6章 总结与展望 | 第49-50页 |
| 6.1 研究工作总结 | 第49页 |
| 6.2 下一步研究方向 | 第49-50页 |
| 参考文献 | 第50-54页 |
| 致谢 | 第54-55页 |
| 攻读硕士期间发表论文和参加的项目 | 第55-56页 |
