基于背景差法的视频车辆检测算法研究
| 摘要 | 第1-7页 |
| ABSTRACT | 第7-12页 |
| 第一章 绪论 | 第12-21页 |
| ·智能交通系统及其检测技术概论 | 第12-13页 |
| ·视频车辆检测器概述 | 第13-16页 |
| ·视频检测器系统结构与技术特点 | 第13-15页 |
| ·虚拟线圈法与目标跟踪法 | 第15-16页 |
| ·虚拟线圈法框架下的车辆检测算法 | 第16-17页 |
| ·光流法 | 第16页 |
| ·帧差法 | 第16-17页 |
| ·背景差法 | 第17页 |
| ·背景提取与更新算法研究现状 | 第17-19页 |
| ·背景提取与更新算法分类 | 第17-18页 |
| ·非模型法 | 第18页 |
| ·模型法 | 第18-19页 |
| ·本文研究内容与组织结构 | 第19-21页 |
| ·本文研究内容 | 第19-20页 |
| ·文章组织结构 | 第20-21页 |
| 第二章 全天候视频车辆检测系统概述 | 第21-27页 |
| ·系统结构框图 | 第21-22页 |
| ·基于背景差法的虚拟线圈车辆检测算法流程 | 第22-23页 |
| ·道路交通样本库 | 第23-27页 |
| 第三章 基于AKGMM 的背景提取与更新算法 | 第27-41页 |
| ·混合高斯分布模型概述 | 第27-28页 |
| ·分布数固定的混合高斯分布模型 | 第28-31页 |
| ·三分布GMM | 第29-30页 |
| ·固定分布数K 的混合高斯分布模型 | 第30-31页 |
| ·自适应分布数K 的混合高斯分布模型 | 第31-36页 |
| ·像素模型与算法流程 | 第31-32页 |
| ·模型更新 | 第32-34页 |
| ·背景提取 | 第34-35页 |
| ·背景判断 | 第35-36页 |
| ·AKGMM 算法实验结果分析 | 第36-40页 |
| ·背景提取的准确性与鲁棒性 | 第36-39页 |
| ·虚拟线圈法框架下车辆检测的实时性 | 第39-40页 |
| ·本章小结 | 第40-41页 |
| 第四章 基于IMFKGMM 的背景提取与更新算法 | 第41-52页 |
| ·像素模型与算法流程 | 第41-43页 |
| ·模型更新 | 第43-44页 |
| ·参数分布更新 | 第43页 |
| ·分布数自适应调整 | 第43-44页 |
| ·背景提取和背景点判断 | 第44-45页 |
| ·IMFKGMM 算法实验结果分析 | 第45-50页 |
| ·背景提取的准确性与鲁棒性 | 第45-46页 |
| ·背景提取的实时性 | 第46-47页 |
| ·各种环境下的虚拟线圈法车辆检测结果及其分析 | 第47-50页 |
| ·本章小结 | 第50-52页 |
| 第五章 昼夜检测算法的切换方法 | 第52-68页 |
| ·引言 | 第52-53页 |
| ·亮度模型分析与切换时间选取策略 | 第53-58页 |
| ·亮度模型分析 | 第53-56页 |
| ·切换时间选取策略 | 第56-58页 |
| ·过渡时段的切换方法 | 第58-64页 |
| ·方法基本流程 | 第59-61页 |
| ·日出时段切换规则 | 第61-63页 |
| ·日落时段切换规则 | 第63-64页 |
| ·切换方法试验结果 | 第64-66页 |
| ·本章小结 | 第66-68页 |
| 第六章 总结与展望 | 第68-70页 |
| ·总结 | 第68-69页 |
| ·未来工作展望 | 第69-70页 |
| 参考文献 | 第70-74页 |
| 攻读硕士学位期间发表的学术论文 | 第74-75页 |
| 致谢 | 第75页 |
