| 摘要 | 第1-8页 |
| Abstract | 第8-10页 |
| 1 绪论 | 第10-14页 |
| ·课题研究的背景和意义 | 第10-11页 |
| ·面临的困难 | 第11页 |
| ·本课题研究的主要内容 | 第11-12页 |
| ·论文的组织结构 | 第12-14页 |
| 2 视频图像的预处理 | 第14-22页 |
| ·彩色图像转换到灰度图像 | 第14-15页 |
| ·图像去噪 | 第15-18页 |
| ·均值滤波器 | 第15-16页 |
| ·高斯平滑滤波器 | 第16-17页 |
| ·中值滤波器 | 第17-18页 |
| ·图像二值化 | 第18页 |
| ·数学形态学的图像处理 | 第18-21页 |
| ·膨胀 | 第19页 |
| ·腐蚀 | 第19-20页 |
| ·开运算和闭运算 | 第20-21页 |
| ·本章小结 | 第21-22页 |
| 3 运动车辆检测的算法研究 | 第22-37页 |
| ·概述 | 第22-23页 |
| ·运动目标的检测方法 | 第23-27页 |
| ·背景差法 | 第23-24页 |
| ·光流法 | 第24-25页 |
| ·帧差法 | 第25-26页 |
| ·边缘检测法 | 第26-27页 |
| ·背景建模 | 第27-30页 |
| ·时间平均法 | 第27页 |
| ·混合高斯分布模型 | 第27-29页 |
| ·非参数概率密度估计 | 第29-30页 |
| ·运动车辆检测模块的整体设计 | 第30-34页 |
| ·基于改进的核密度估计背景差分法 | 第30-33页 |
| ·改进的混合帧差法 | 第33-34页 |
| ·基于改进的背景差分法和混合帧差法的运动目标检测 | 第34页 |
| ·背景更新 | 第34页 |
| ·实验结果及分析 | 第34-36页 |
| ·本章小结 | 第36-37页 |
| 4 基于特征的目标跟踪算法研究和实现 | 第37-56页 |
| ·概述 | 第37页 |
| ·运动车辆的角点提取算法 | 第37-43页 |
| ·Moravec算子 | 第37-38页 |
| ·Harris算子 | 第38-40页 |
| ·SUSAN算子 | 第40-41页 |
| ·几种算子的比较和总结 | 第41-43页 |
| ·基于卡尔曼滤波和GM(1,1)模型的跟踪算法 | 第43-51页 |
| ·基于卡尔曼滤波的跟踪算法 | 第43-46页 |
| ·基于GM(1,1)灰色预测模型的跟踪算法 | 第46-49页 |
| ·Kalman滤波和GM(1,1)模型的比较 | 第49-51页 |
| ·基于Harris角点检测和GM(1,1)的运动目标跟踪 | 第51-55页 |
| ·改进的Harris角点检测算法 | 第53页 |
| ·改进的GM(1,1)灰色预测模型 | 第53页 |
| ·利用GM(1,1)模型对Harris角点进行预测 | 第53-54页 |
| ·基于Harris算子和GM(1,1)模型跟踪算法的结果 | 第54-55页 |
| ·本章小结 | 第55-56页 |
| 5 基于嵌入式系统的交通流检测实现 | 第56-71页 |
| ·嵌入式系统概述 | 第56页 |
| ·嵌入式操作系统 | 第56-57页 |
| ·构建基于x86工控机的嵌入式平台 | 第57-63页 |
| ·交通流检测的系统实现 | 第63-70页 |
| ·工控机端设计实现 | 第64-66页 |
| ·车流量检测的算法 | 第66-67页 |
| ·服务器端设计实现 | 第67-70页 |
| ·车流量检测结果的对比分析 | 第70页 |
| ·本章小结 | 第70-71页 |
| 6 总结和展望 | 第71-73页 |
| ·全文总结 | 第71页 |
| ·展望 | 第71-73页 |
| 参考文献 | 第73-77页 |
| 攻读硕士期间完成的学术论文和科研项目 | 第77-78页 |
| 致谢 | 第78-80页 |
