多传感器图像信息融合技术及其在跟踪中的应用研究
| 摘要 | 第1-5页 |
| Abstract | 第5-11页 |
| 第一章 绪论 | 第11-17页 |
| ·研究目标及意义 | 第11-12页 |
| ·研究现状概述 | 第12-13页 |
| ·主要工作和成果 | 第13-15页 |
| ·论文的组织结构 | 第15-17页 |
| 第二章 运动车辆的检测与跟踪 | 第17-39页 |
| ·引言 | 第17页 |
| ·常用运动检测算法 | 第17-20页 |
| ·灰度特征法 | 第17-18页 |
| ·背景差分法 | 第18-19页 |
| ·帧间差分法 | 第19-20页 |
| ·光流法 | 第20页 |
| ·车辆目标检测 | 第20-28页 |
| ·背景建模 | 第20-23页 |
| ·一般车辆的检测 | 第23-28页 |
| ·常用运动跟踪算法 | 第28-30页 |
| ·基于特征的跟踪 | 第28-29页 |
| ·基于区域的跟踪 | 第29-30页 |
| ·基于主动轮廓的跟踪方法 | 第30页 |
| ·车辆目标跟踪 | 第30-39页 |
| ·车辆跟踪系统 | 第31页 |
| ·算法描述和数据结构定义 | 第31-32页 |
| ·已经车辆位置的估算和候选车辆的选定 | 第32-33页 |
| ·车辆相似度匹配 | 第33-35页 |
| ·遮挡及分裂处理 | 第35-36页 |
| ·更新已知车辆序列 | 第36-37页 |
| ·逆行的检测 | 第37-39页 |
| 第三章 单传感器卡尔曼跟踪 | 第39-57页 |
| ·引言 | 第39页 |
| ·卡尔曼滤波 | 第39-42页 |
| ·感兴趣区域车辆检测 | 第42-45页 |
| ·设置感兴趣区域 | 第42-43页 |
| ·判断车辆驶入检测区 | 第43-45页 |
| ·卡尔曼跟踪算法及车辆特征数据结构 | 第45-48页 |
| ·卡尔曼跟踪算法 | 第45-47页 |
| ·算法流程图 | 第47-48页 |
| ·车辆数据结构 | 第48页 |
| ·卡尔曼特征跟踪模型 | 第48-55页 |
| ·特征值的提取 | 第49-50页 |
| ·卡尔曼特征估计模型 | 第50-51页 |
| ·目标特征匹配 | 第51-53页 |
| ·模型更新 | 第53-55页 |
| ·交通参数和交通事件的检测 | 第55-57页 |
| ·车流量统计 | 第55页 |
| ·车辆超速的检测 | 第55-57页 |
| 第四章 双传感器信息融合下的车辆跟踪 | 第57-69页 |
| ·引言 | 第57页 |
| ·建立双传感器模型 | 第57-62页 |
| ·双传感器的设置和安装 | 第57-58页 |
| ·视频的调整和场景的同步 | 第58-59页 |
| ·车辆信息转换模型 | 第59-62页 |
| ·基于双传感器图像信息融合的卡尔曼跟踪 | 第62-64页 |
| ·双传感器图像信息融合要解决的问题 | 第62-63页 |
| ·最优Kalman跟踪 | 第63-64页 |
| ·实验结果和分析 | 第64-69页 |
| ·实验参数设置 | 第64-65页 |
| ·跟踪检测实验 | 第65-68页 |
| ·实验结论 | 第68-69页 |
| 第五章 总结与展望 | 第69-71页 |
| ·研究工作总结 | 第69页 |
| ·展望 | 第69-71页 |
| 参考文献 | 第71-74页 |
| 硕士在读期间科研成果介绍 | 第74-75页 |
| 致谢 | 第75页 |
