| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第一章 绪论 | 第9-15页 |
| §1.1 课题背景与研究意义 | 第9-10页 |
| §1.2 国内外相应研究现状 | 第10-13页 |
| §1.2.1 国内外关于隧道洞外亮度检测技术的研究综述 | 第10-12页 |
| §1.2.2 国内外关于车辆检测技术的研究综述 | 第12-13页 |
| §1.3 论文的主要工作和结构安排 | 第13-15页 |
| 第二章 系统概述 | 第15-24页 |
| §2.1 引言 | 第15-17页 |
| §2.1.1 隧道分段照明与洞外亮度、车流量的具体关系 | 第15-17页 |
| §2.2 洞外亮度测量系统 | 第17-18页 |
| §2.2.1 系统结构 | 第17页 |
| §2.2.2 相机亮度标定原理 | 第17-18页 |
| §2.3 视频车辆检测系统 | 第18-21页 |
| §2.3.1 系统结构 | 第18-19页 |
| §2.3.2 运动目标检测方法 | 第19-21页 |
| §2.4 系统硬件架构 | 第21-23页 |
| §2.4.1 i.mx6核心板 | 第21-22页 |
| §2.4.2 OV5640型相机 | 第22页 |
| §2.4.3 DS-2ZMN2006型相机 | 第22-23页 |
| §2.5 本章小结 | 第23-24页 |
| 第三章 基于视频流的隧道洞外亮度测量 | 第24-42页 |
| §3.1 相机图片亮度计算方法 | 第24-25页 |
| §3.2 相机亮度标定 | 第25-30页 |
| §3.2.1 亮度标定实验硬件组成 | 第25-26页 |
| §3.2.2 亮度标定实验软件设计 | 第26-28页 |
| §3.2.3 亮度标定实验的具体过程 | 第28-30页 |
| §3.3 标定数据分析与处理 | 第30-35页 |
| §3.3.1 亮度标定实验数据分析 | 第30-33页 |
| §3.3.2 亮度标定数据的分段处理 | 第33-35页 |
| §3.4 亮度测量系统软件设计 | 第35-37页 |
| §3.5 亮度测量系统测量结果分析与应用 | 第37-41页 |
| §3.5.1 室内环境下亮度测量系统与p199f测量结果对比 | 第37-38页 |
| §3.5.2 室外环境下亮度测量系统与p199f测量结果对比 | 第38-39页 |
| §3.5.3 亮度测量系统的实际应用 | 第39-41页 |
| §3.6 本章小结 | 第41-42页 |
| 第四章 洞外亮度目标测量区域自识别 | 第42-48页 |
| §4.1 基于图像处理的隧道洞口识别 | 第42-46页 |
| §4.1.1 隧道洞口识别方案设计 | 第42页 |
| §4.1.2 Sobel边缘检测 | 第42-43页 |
| §4.1.3 非极大值抑制 | 第43-44页 |
| §4.1.4 高斯滤波 | 第44-45页 |
| §4.1.5 霍夫梯度圆检测 | 第45-46页 |
| §4.2 洞口识别方法验证 | 第46-47页 |
| §4.3 本章小结 | 第47-48页 |
| 第五章 基于视频流的隧道洞外车辆检测与流量统计 | 第48-62页 |
| §5.1 基于Codebook模型的运动目标检测 | 第48-50页 |
| §5.1.1 算法描述 | 第48页 |
| §5.1.2 算法实现流程 | 第48-50页 |
| §5.1.3 算法检测效果 | 第50页 |
| §5.2 Codebook算法与混合高斯算法对比 | 第50-51页 |
| §5.3 感知哈希算法 | 第51-52页 |
| §5.4 车辆检测及流量统计 | 第52-55页 |
| §5.4.1 虚拟线圈的设置 | 第53-54页 |
| §5.4.2 车流量检测算法描述 | 第54-55页 |
| §5.5 实验结果与分析 | 第55-59页 |
| §5.5.1 晴天情况下 | 第56-57页 |
| §5.5.2 阴天情况下 | 第57页 |
| §5.5.3 雨天情况下 | 第57-58页 |
| §5.5.4 夜晚情况下 | 第58-59页 |
| §5.6 实际应用 | 第59-60页 |
| §5.7 本章小结 | 第60-62页 |
| 第六章 全文总结与展望 | 第62-64页 |
| §6.1 总结 | 第62-63页 |
| §6.2 展望 | 第63-64页 |
| 参考文献 | 第64-67页 |
| 致谢 | 第67-68页 |
| 作者在攻读硕士期间主要研究成果 | 第68页 |
