| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 研究背景及意义 | 第10-12页 |
| 1.2 国内外智能交通系统发展 | 第12-15页 |
| 1.2.1 国外 ITS 的发展 | 第12-14页 |
| 1.2.2 国内 ITS 的发展 | 第14-15页 |
| 1.3 本文主要研究内容 | 第15-16页 |
| 1.4 论文章节安排 | 第16-18页 |
| 第2章 视频图像预处理 | 第18-28页 |
| 2.1 视频图像空间滤波 | 第18-20页 |
| 2.2 彩色图像灰度化 | 第20-21页 |
| 2.3 自适应图像二值化 | 第21-24页 |
| 2.4 形态学处理 | 第24-26页 |
| 2.5 本章小结 | 第26-28页 |
| 第3章 目标检测 | 第28-44页 |
| 3.1 目标检测算法综述 | 第28-30页 |
| 3.2 单高斯背景模型 | 第30-32页 |
| 3.3 混合高斯背景模型 | 第32-34页 |
| 3.3.1 混合高斯模型的原理 | 第32-33页 |
| 3.3.2 模型参数的更新 | 第33-34页 |
| 3.3.3 模型参数的设定 | 第34页 |
| 3.4 实验比较及分析 | 第34-39页 |
| 3.5 融合帧差法和混合高斯模型的快速背景建模方法 | 第39-43页 |
| 3.6 本章小结 | 第43-44页 |
| 第4章 阴影检测与去除 | 第44-58页 |
| 4.1 阴影的物理属性 | 第44-46页 |
| 4.2 阴影检测算法 | 第46-52页 |
| 4.2.1 基于颜色空间信息的阴影检测算法 | 第46-49页 |
| 4.2.2 基于纹理信息的阴影检测算法 | 第49-52页 |
| 4.3 阴影检测试验比较及分析 | 第52-54页 |
| 4.4 阴影去除及目标重建 | 第54-56页 |
| 4.5 本章小结 | 第56-58页 |
| 第5章 运动目标跟踪与计数 | 第58-68页 |
| 5.1 常用的目标跟踪方法 | 第58页 |
| 5.2 基于卡尔曼滤波的目标跟踪方法 | 第58-63页 |
| 5.2.1 卡尔曼滤波建模 | 第59-61页 |
| 5.2.2 特征值计算 | 第61页 |
| 5.2.3 车辆跟踪模型参数设置 | 第61-63页 |
| 5.3 车辆跟踪流程 | 第63-64页 |
| 5.4 实验验证 | 第64-66页 |
| 5.5 本章小结 | 第66-68页 |
| 第6章 系统平台实现 | 第68-74页 |
| 6.1 系统总体设计 | 第68-69页 |
| 6.2 软件界面设计 | 第69-72页 |
| 6.3 本章小结 | 第72-74页 |
| 第7章 总结与展望 | 第74-76页 |
| 7.1 总结 | 第74-75页 |
| 7.2 展望 | 第75-76页 |
| 参考文献 | 第76-82页 |
| 作者简介及科研成果 | 第82-84页 |
| 致谢 | 第84页 |