| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第8-15页 |
| 1.1 课题的背景和选题意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-10页 |
| 1.3 运动车辆检测与跟踪技术的发展 | 第10-13页 |
| 1.3.1 运动车辆检测技术 | 第10-11页 |
| 1.3.2 运动车辆跟踪技术 | 第11-13页 |
| 1.4 本文的主要研究内容 | 第13-15页 |
| 第2章 图像的预处理 | 第15-24页 |
| 2.1 图像的灰度化 | 第15-16页 |
| 2.2 图像复原 | 第16-18页 |
| 2.2.1 图像复原的原理 | 第16页 |
| 2.2.2 常见的图像复原技术 | 第16-18页 |
| 2.3 图像的形态学处理 | 第18-19页 |
| 2.4 图像的边缘检测 | 第19-21页 |
| 2.5 图像的二值化处理 | 第21-23页 |
| 2.6 直方图的反向投影 | 第23页 |
| 2.7 本章小结 | 第23-24页 |
| 第3章 运动车辆检测 | 第24-50页 |
| 3.1 光流法 | 第24-26页 |
| 3.1.1 基于Horn&Schunck模型的光流算法 | 第25-26页 |
| 3.1.2 基于Lucas&Kanade模型的光流算法 | 第26页 |
| 3.2 帧差法 | 第26-28页 |
| 3.3 背景相减法 | 第28-38页 |
| 3.3.1 CodeBook算法 | 第29-33页 |
| 3.3.2 单高斯背景模型 | 第33-35页 |
| 3.3.3 混合高斯背景模型 | 第35-38页 |
| 3.4 去阴影操作 | 第38-44页 |
| 3.4.1 图像的色彩空间 | 第38-41页 |
| 3.4.2 基于色彩空间的阴影消除 | 第41-44页 |
| 3.5 连通区域检测 | 第44-46页 |
| 3.5.1 基于轮廓的连通域标记 | 第44-45页 |
| 3.5.2 最小外接矩形的绘制 | 第45-46页 |
| 3.6 混合高斯背景相减法与帧差法结合 | 第46-48页 |
| 3.6.1 算法流程 | 第46-47页 |
| 3.6.2 实验结果 | 第47-48页 |
| 3.7 本章小结 | 第48-50页 |
| 第4章 运动车辆跟踪 | 第50-68页 |
| 4.1 Mean Shift算法 | 第50-56页 |
| 4.1.1 Mean Shift算法原理 | 第51页 |
| 4.1.2 Mean Shift向量 | 第51-53页 |
| 4.1.3 Mean Shift的具体算法流程 | 第53-54页 |
| 4.1.4 Mean Shift算法在运动车辆跟踪过程中的使用 | 第54-56页 |
| 4.1.5 基于Mean Shift算法的运动车辆跟踪算法流程 | 第56页 |
| 4.2 Camshift算法 | 第56-60页 |
| 4.2.1 直方图反向投影过程 | 第57页 |
| 4.2.2 Camshift搜索窗口的更新 | 第57-58页 |
| 4.2.3 Camshift算法流程 | 第58-59页 |
| 4.2.4 Camshift算法实验结果及分析 | 第59-60页 |
| 4.3 Kalman滤波概述 | 第60-64页 |
| 4.3.1 Kalman滤波原理 | 第61-62页 |
| 4.3.2 Kalman滤波流程 | 第62-63页 |
| 4.3.3 Kalman滤波在车辆跟踪中的应用 | 第63-64页 |
| 4.4 Camshift结合Kalman滤波的跟踪算法 | 第64-67页 |
| 4.4.1 Camshift算法结合Kalman滤波原理 | 第64-65页 |
| 4.4.2 算法的仿真结果及分析 | 第65-67页 |
| 4.5 本章小结 | 第67-68页 |
| 结论 | 第68-69页 |
| 参考文献 | 第69-75页 |
| 致谢 | 第75页 |
