基于计算机视觉的智能交通监控系统的研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-8页 |
| 前言 | 第8-10页 |
| 第一章 绪论 | 第10-18页 |
| ·研究背景和问题的提出 | 第10-12页 |
| ·研究现状 | 第12-14页 |
| ·车辆描述和车辆运动跟踪 | 第12页 |
| ·交通参数检测 | 第12-14页 |
| ·本论文的内容与结构安排 | 第14-16页 |
| ·本论文研究内容 | 第14-15页 |
| ·低层视觉 | 第14-15页 |
| ·中层视觉 | 第15页 |
| ·高层视觉 | 第15页 |
| ·本论文的结构安排 | 第15-16页 |
| ·研究的基本方法 | 第16页 |
| ·研究中可能存在的困难及创新 | 第16-17页 |
| ·选题的理论意义和实践价值 | 第17-18页 |
| 第二章 低层视觉:运动物体的检测与分割 | 第18-44页 |
| ·引言 | 第18-19页 |
| ·运动物体的检测 | 第19-27页 |
| ·光流法 | 第19页 |
| ·帧间差分法 | 第19-20页 |
| ·背景差分法 | 第20-21页 |
| ·基于背景差分,结合帧间差分的运动物体检测方法 | 第21-27页 |
| ·背景建立 | 第22-24页 |
| ·前景差分 | 第24-26页 |
| ·背景更新 | 第26-27页 |
| ·图像预处理 | 第27-35页 |
| ·形态滤波 | 第28-31页 |
| ·形态学概述 | 第28页 |
| ·基本的形态滤波方法 | 第28-30页 |
| ·本文所用的形态滤波 | 第30-31页 |
| ·阴影消除 | 第31-35页 |
| ·阴影消除的必要性 | 第31页 |
| ·亮度估计 | 第31-32页 |
| ·Otsu阴影检测 | 第32-34页 |
| ·阴影消除 | 第34-35页 |
| ·运动物体的分割 | 第35-38页 |
| ·区域分割概述 | 第35-36页 |
| ·线段编码分割 | 第36-37页 |
| ·获取区域的几何特征描述 | 第37-38页 |
| ·实验结果 | 第38-42页 |
| ·本章总结 | 第42-44页 |
| 第三章 中层视觉:车辆跟踪与交通流参数 | 第44-64页 |
| ·引言 | 第44页 |
| ·车辆位置估计 | 第44-47页 |
| ·卡尔曼滤波器原理 | 第44-46页 |
| ·卡尔曼滤波器车辆位置的估计 | 第46-47页 |
| ·车辆跟踪 | 第47-53页 |
| ·Sobel边缘检测 | 第47-49页 |
| ·Hausdorff距离 | 第49-50页 |
| ·部分Hausdorff距离 | 第50-51页 |
| ·基于部分Hausdorff距离的车辆跟踪方法 | 第51-53页 |
| ·交通流参数检测方法 | 第53-57页 |
| ·车流量的检测 | 第53-54页 |
| ·车辆速度检测 | 第54-56页 |
| ·摄像机定标 | 第54-55页 |
| ·速度检测 | 第55-56页 |
| ·占有率的检测 | 第56-57页 |
| ·排队长度的检测 | 第57页 |
| ·实验结果 | 第57-62页 |
| ·本章总结 | 第62-64页 |
| 第四章 高层视觉:行人识别与违规报警 | 第64-70页 |
| ·引言 | 第64页 |
| ·行人识别 | 第64-67页 |
| ·行人运动的主要特点 | 第64-65页 |
| ·行人识别算法 | 第65-67页 |
| ·形状检测算法 | 第65-66页 |
| ·速度检测算法 | 第66页 |
| ·非刚体性检测算法 | 第66-67页 |
| ·违规检测 | 第67-68页 |
| ·本章总结 | 第68-70页 |
| 第五章 全文总结 | 第70-74页 |
| ·本文的主要工作 | 第70-71页 |
| ·对智能交通监控系统的展望 | 第71-74页 |
| 致谢 | 第74-75页 |
| 参考文献 | 第75-78页 |
| 作者简介 | 第78页 |
