| 中文摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 研究概述 | 第10-13页 |
| 1.1.1 研究背景 | 第10-11页 |
| 1.1.2 国内外研究现状 | 第11-12页 |
| 1.1.3 研究意义 | 第12-13页 |
| 1.2 研究内容与创新 | 第13-14页 |
| 1.3 论文组织 | 第14-16页 |
| 第2章 交通视频运动车辆检测 | 第16-27页 |
| 2.1 常用运动目标检测方法 | 第16-17页 |
| 2.2 聚类方法 | 第17-19页 |
| 2.2.1 k-均值聚类 | 第17-18页 |
| 2.2.2 在线聚类 | 第18-19页 |
| 2.3 基于自适应在线聚类的背景构建 | 第19-23页 |
| 2.3.1 常用的背景构建方法 | 第19-20页 |
| 2.3.2 聚类算法构建背景的原理 | 第20-21页 |
| 2.3.3 自适应在线聚类算法 | 第21-23页 |
| 2.4 实验结果及分析 | 第23-26页 |
| 2.5 本章小结 | 第26-27页 |
| 第3章 交通视频运动车辆跟踪 | 第27-35页 |
| 3.1 运动目标跟踪方法综述 | 第27-28页 |
| 3.2 基于CAMSHIFT 的多目标跟踪 | 第28-32页 |
| 3.2.1 CAMShift 算法 | 第28-29页 |
| 3.2.2 运动目标检测与CAMShift 相结合的跟踪 | 第29-32页 |
| 3.2.2.1 跟踪特征准备 | 第29-30页 |
| 3.2.2.2 跟踪实现 | 第30-32页 |
| 3.3 实验结果及分析 | 第32-33页 |
| 3.4 本章小结 | 第33-35页 |
| 第4章 基于特征的机动车辆识别 | 第35-55页 |
| 4.1 检索中的常用特征 | 第35-39页 |
| 4.1.1 颜色特征 | 第35-36页 |
| 4.1.2 纹理特征 | 第36-38页 |
| 4.1.3 形状特征 | 第38-39页 |
| 4.2 颜色模型 | 第39-43页 |
| 4.2.1 混合型颜色空间 | 第39-40页 |
| 4.2.2 色调/饱和度/亮度型颜色空间 | 第40-43页 |
| 4.2.2.1 HSV 模型 | 第41-42页 |
| 4.2.2.2 HSL 模型 | 第42-43页 |
| 4.2.3 非线性亮度/色度型颜色空间 | 第43页 |
| 4.3 机动车辆特征提取和识别 | 第43-49页 |
| 4.3.1 颜色特征 | 第44-46页 |
| 4.3.2 几何特征 | 第46-49页 |
| 4.4 实验结果及分析 | 第49-54页 |
| 4.4.1 车辆颜色识别实验 | 第49-52页 |
| 4.4.2 车型分类实验 | 第52-54页 |
| 4.5 本章小结 | 第54-55页 |
| 第5章 交通视频关键帧提取 | 第55-62页 |
| 5.1 几种典型的关键帧提取技术 | 第55-57页 |
| 5.1.1 基于镜头边界的方法 | 第55页 |
| 5.1.2 基于图像内容分析的方法 | 第55-56页 |
| 5.1.3 基于运动分析的方法 | 第56页 |
| 5.1.4 基于聚类的方法 | 第56-57页 |
| 5.2 基于虚拟检测线的关键帧提取 | 第57-59页 |
| 5.2.1 虚拟检测线技术 | 第57-58页 |
| 5.2.2 关键帧提取实现 | 第58-59页 |
| 5.3 实验结果及分析 | 第59-61页 |
| 5.4 本章小结 | 第61-62页 |
| 第6章 总结与展望 | 第62-64页 |
| 6.1 工作总结 | 第62页 |
| 6.2 工作展望 | 第62-64页 |
| 参考文献 | 第64-70页 |
| 攻读学位期间公开发表的论文与科研项目 | 第70-72页 |
| 致谢 | 第72-73页 |