| 目录 | 第1-8页 |
| 第一章 绪论 | 第8-20页 |
| 1． 1 智能交通系统（ITS）概述 | 第8-15页 |
| 1． 1． 1 发展ITS的必然性 | 第8-9页 |
| 1． 1． 2 ITS的内容 | 第9-11页 |
| 1． 1． 3 ITS的发展状况 | 第11-15页 |
| 1． 2 本课题的目的 | 第15-18页 |
| 1． 3 本文的工作内容及章节安排 | 第18-20页 |
| 第二章 视频车辆检测与追踪系统结构和功能分析 | 第20-29页 |
| 2． 1 视频交通信息系统一般模型 | 第20-21页 |
| 2． 2 车辆检测与追踪系统分析 | 第21-27页 |
| 2． 2． 1 系统的应用环境及假设 | 第21-22页 |
| 2． 2． 2 试验系统的构成 | 第22-27页 |
| 2． 2． 2． 1 镜头的选择和主要参数 | 第22-25页 |
| 2． 2． 2． 2 CCD的选择和主要参数 | 第25-27页 |
| 2． 3 系统的结构 | 第27-29页 |
| 第三章 运动目标检测 | 第29-57页 |
| 3． 1 视频图象的分析 | 第29-30页 |
| 3． 2 视频图象的处理方法 | 第30-31页 |
| 3． 3 运动目标检测 | 第31-43页 |
| 3． 3． 1 帧间相减 | 第31-37页 |
| 3． 3． 1． 1 两帧相减 | 第32-34页 |
| 3． 3． 1． 2 多帧相减 | 第34-37页 |
| 3． 3． 2 光流法 | 第37-42页 |
| 3． 3． 3 背景差分 | 第42-43页 |
| 3． 4 HSV空间自适应背景模型 | 第43-54页 |
| 3． 4． 1 HSV空间和RGB空间比较 | 第43-46页 |
| 3． 4． 1． 1 RGB空间 | 第43-44页 |
| 3． 4． 1． 2 HSV空间 | 第44-45页 |
| 3． 4． 1． 3 RGB空间到HSV空间的转换 | 第45-46页 |
| 3． 4． 2 自适应的背景模型 | 第46-48页 |
| 3． 4． 3 运动目标分割 | 第48-50页 |
| 3． 4． 4 背景模型的更新 | 第50-51页 |
| 3． 4． 5 阴影检测 | 第51-54页 |
| 3． 5 结果展示 | 第54-56页 |
| 3． 6 运动目标检测算法流程 | 第56-57页 |
| 第四章 运动目标的跟踪 | 第57-79页 |
| 4． 1 卡尔曼滤波器（kalman Filter） | 第57-65页 |
| 4． 1． 1 标准卡尔曼滤波 | 第57-61页 |
| 4． 1． 2 扩展卡尔曼滤波（EKF） | 第61-65页 |
| 4． 2 目标跟踪方法介绍 | 第65-66页 |
| 4． 3 卡尔曼滤波跟踪模型 | 第66-75页 |
| 4． 3． 1 特征值的计算 | 第67-69页 |
| 4． 3． 1． 1 跟踪窗口的设置 | 第67-69页 |
| 4． 3． 1． 2 目标质心 | 第69页 |
| 4． 3． 2 运动估计模型 | 第69-72页 |
| 4． 3． 3 特征匹配 | 第72-73页 |
| 4． 3． 4 模型更新 | 第73-75页 |
| 4． 4 跟踪算法和结果 | 第75-79页 |
| 第五章 结论和展望 | 第79-81页 |
| 5． 1 结论 | 第79-80页 |
| 5． 2 展望 | 第80-81页 |
| 参考文献 | 第81-86页 |
| 致谢 | 第86页 |