基于视频图像处理的车流量传感器的研究与设计
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第10-20页 |
| 1.1 选题背景及研究意义 | 第10-13页 |
| 1.1.1 选题背景 | 第10-11页 |
| 1.1.2 智能交通发展现状及研究意义 | 第11-13页 |
| 1.2 车流量检测技术 | 第13-16页 |
| 1.2.1 感应线圈检测技术 | 第13-14页 |
| 1.2.2 红外检测技术 | 第14页 |
| 1.2.3 超声探测技术 | 第14-15页 |
| 1.2.4 视频检测技术 | 第15-16页 |
| 1.3 视频检测技术研究现状国内外现状 | 第16-17页 |
| 1.4 视频检测存在问题 | 第17-18页 |
| 1.5 本文的主要研究内容和结构安排 | 第18-20页 |
| 第2章 图像预处理 | 第20-32页 |
| 2.1 引言 | 第20页 |
| 2.2 图像去噪 | 第20-24页 |
| 2.2.1 均值滤波 | 第20-21页 |
| 2.2.2 中值滤波 | 第21-22页 |
| 2.2.3 邻域平均法 | 第22-23页 |
| 2.2.4 多图像平均法 | 第23页 |
| 2.2.5 高斯低通滤波 | 第23-24页 |
| 2.3 图像增强 | 第24-28页 |
| 2.3.1 灰度变换法 | 第25页 |
| 2.3.2 直方图均衡化法 | 第25-28页 |
| 2.4 图像锐化 | 第28-29页 |
| 2.5 形态学处理 | 第29-30页 |
| 2.5.1 腐蚀与膨胀 | 第29-30页 |
| 2.5.2 开运算与闭运算 | 第30页 |
| 2.6 本章小结 | 第30-32页 |
| 第3章 视频图像车辆检测 | 第32-54页 |
| 3.1 常用的运动目标检测方法 | 第32-35页 |
| 3.1.1 光流场法 | 第32-33页 |
| 3.1.2 立体视觉分析法 | 第33页 |
| 3.1.3 基于模型的检测算法 | 第33-34页 |
| 3.1.4 帧差法 | 第34页 |
| 3.1.5 背景差法 | 第34-35页 |
| 3.2 背景建模 | 第35-40页 |
| 3.2.1 均值法 | 第35页 |
| 3.2.2 高斯平均法 | 第35-36页 |
| 3.2.3 中值法 | 第36页 |
| 3.2.4 卡尔曼滤波背景模型 | 第36-37页 |
| 3.2.5 混合高斯背景模型 | 第37-40页 |
| 3.3 改进的混合高斯 | 第40-43页 |
| 3.4 车辆提取 | 第43-45页 |
| 3.5 阴影的检测与去除 | 第45-51页 |
| 3.5.1 阴影模型 | 第46-47页 |
| 3.5.2 常用的阴影检测算法 | 第47-51页 |
| 3.6 空洞填充 | 第51-52页 |
| 3.7 本章小结 | 第52-54页 |
| 第4章 车辆记数 | 第54-60页 |
| 4.1 常用的车辆计数方法 | 第54页 |
| 4.2 基于虚拟线圈的车流量检测 | 第54-57页 |
| 4.2.1 虚拟检测区域设置 | 第54-55页 |
| 4.2.2 特征线圈 | 第55-57页 |
| 4.3 实验结果与分析 | 第57-58页 |
| 4.4 本章小结 | 第58-60页 |
| 第5章 总结与展望 | 第60-62页 |
| 参考文献 | 第62-66页 |
| 致谢 | 第66页 |
