| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第9-16页 |
| 1.1 课题研究背景和意义 | 第9-10页 |
| 1.2 高速公路运行中存在的问题 | 第10-11页 |
| 1.2.1 交通事件 | 第10-11页 |
| 1.2.2 环境与能源问题 | 第11页 |
| 1.3 高速公路交通事件检测算法国内外研究现状 | 第11-14页 |
| 1.3.1 国外研究现状 | 第11-13页 |
| 1.3.2 国内研究现状 | 第13-14页 |
| 1.4 论文结构内容 | 第14-15页 |
| 1.5 本章小结 | 第15-16页 |
| 第二章 视频与感应线圈检测器结合的交通事件检测技术 | 第16-24页 |
| 2.1 交通检测器性能比较 | 第16-17页 |
| 2.2 交通检测系统处理技术 | 第17-21页 |
| 2.2.1 交通视频的检测技术 | 第17-18页 |
| 2.2.2 线圈检测器的交通检测技术 | 第18-21页 |
| 2.3 系统的组成及其工作流程 | 第21-23页 |
| 2.4 本章小结 | 第23-24页 |
| 第三章 基于视频图像的运动车辆检测技术 | 第24-37页 |
| 3.1 概述 | 第24-26页 |
| 3.1.1 背景差分法 | 第24-25页 |
| 3.1.2 相邻帧差法 | 第25页 |
| 3.1.3 光流法 | 第25-26页 |
| 3.1.4 其它方法 | 第26页 |
| 3.2 基于视频图像的背景提取算法 | 第26-27页 |
| 3.2.1 统计中值法 | 第26页 |
| 3.2.2 统计直方图法 | 第26-27页 |
| 3.2.3 多帧平均法 | 第27页 |
| 3.3 基于视频图像的背景更新算法 | 第27-30页 |
| 3.3.1 选择更新方法 | 第28页 |
| 3.3.2 自适应背景模型 | 第28-30页 |
| 3.4 基于车辆的目标分割 | 第30-31页 |
| 3.5 阴影抑制 | 第31-33页 |
| 3.6 形态滤波 | 第33-34页 |
| 3.6.1 膨胀与腐蚀 | 第33页 |
| 3.6.2 开启与闭合运算 | 第33-34页 |
| 3.7 矩形区域的提取 | 第34-36页 |
| 3.7.1 连通区域标记 | 第35-36页 |
| 3.7.2 矩形提取 | 第36页 |
| 3.8 本章小结 | 第36-37页 |
| 第四章 运动车辆的跟踪与事件检测技术 | 第37-46页 |
| 4.1 运动车辆跟踪的常用算法 | 第37-41页 |
| 4.1.1 基于模型的跟踪算法 | 第38页 |
| 4.1.2 基于特征的跟踪算法 | 第38-40页 |
| 4.1.3 基于轮廓的跟踪算法 | 第40-41页 |
| 4.2 Mean-Shift 算法和 Cam-shift 跟踪算法 | 第41-43页 |
| 4.2.1 Mean-Shift 跟踪算法 | 第41页 |
| 4.2.2 Cam-Shift 跟踪算法 | 第41-42页 |
| 4.2.3 实验结果及其分析 | 第42-43页 |
| 4.3 交通事件判断 | 第43-45页 |
| 4.3.1 违章停车的判断 | 第43-45页 |
| 4.3.2 拥堵事件的判断 | 第45页 |
| 4.4 本章小结 | 第45-46页 |
| 第五章 视频与感应线圈技术结合的交通事件检测系统 | 第46-58页 |
| 5.1 检测器数据的选择 | 第46-47页 |
| 5.2 感应线圈交通检测器的布设 | 第47-52页 |
| 5.2.1 事件检测对交通检测器布设的要求 | 第47-48页 |
| 5.2.2 主干道路检测器的布设 | 第48-49页 |
| 5.2.3 其它路面检测器布设 | 第49-51页 |
| 5.2.4 交通事件多发路段感应线圈检测器的布设 | 第51-52页 |
| 5.3 算法的仿真及结果分析 | 第52-57页 |
| 5.3.1 基于小波的神经网络算法 | 第52-55页 |
| 5.3.2 实验结果分析 | 第55-57页 |
| 5.4 本章小结 | 第57-58页 |
| 第六章 总结与展望 | 第58-60页 |
| 6.1 总结 | 第58-59页 |
| 6.2 展望 | 第59-60页 |
| 参考文献 | 第60-63页 |
| 攻读硕士学位期间公开发表论文 | 第63-64页 |
| 致谢 | 第64页 |