| 摘要 | 第1-6页 |
| Abstract | 第6-8页 |
| 致谢 | 第8-13页 |
| 第一章 绪论 | 第13-20页 |
| ·课题研究背景与意义 | 第13-15页 |
| ·智能交通系统的意义和相关应用 | 第13-14页 |
| ·智能交通系统在国内外的发展状况 | 第14-15页 |
| ·车辆检测与跟踪技术的研究现状 | 第15-18页 |
| ·背景模型的初始化及更新技术 | 第15-16页 |
| ·车辆检测技术 | 第16-17页 |
| ·车辆跟踪技术 | 第17-18页 |
| ·本论文的主要工作和各章内容安排 | 第18-20页 |
| ·本文主要工作 | 第18页 |
| ·各章内容安排 | 第18-20页 |
| 第二章 背景模型的初始化及更新方法 | 第20-30页 |
| ·背景建模方法 | 第20-24页 |
| ·常用的背景建模方法 | 第20-22页 |
| ·多层次背景模型提取算法 | 第22-23页 |
| ·实验结果与分析 | 第23-24页 |
| ·背景更新方法 | 第24-29页 |
| ·两种常用的背景更新方法 | 第24-25页 |
| ·选择性背景更新法 | 第25-26页 |
| ·实验结果及分析 | 第26-29页 |
| ·本章小结 | 第29-30页 |
| 第三章 运动车辆检测 | 第30-46页 |
| ·车辆检测方法 | 第30-35页 |
| ·常用的车辆检测方法 | 第30-32页 |
| ·改进的背景差分法 | 第32-34页 |
| ·实验结果及分析 | 第34-35页 |
| ·车辆目标的分割 | 第35-42页 |
| ·常用的目标分割方法 | 第35-36页 |
| ·传统的两次扫描法 | 第36-38页 |
| ·改进的两次扫描法 | 第38-40页 |
| ·基于两次扫描法的种子填充 | 第40页 |
| ·两次扫描法的实验结果比较 | 第40-42页 |
| ·阴影检测和消除 | 第42-44页 |
| ·基于YUV 色彩空间的阴影检测算法 | 第42-44页 |
| ·阴影检测算法的实验结果 | 第44页 |
| ·运动车辆检测算法流程 | 第44-45页 |
| ·本章小结 | 第45-46页 |
| 第四章 运动车辆跟踪 | 第46-55页 |
| ·常用的跟踪方法 | 第46-48页 |
| ·基于特征匹配的跟踪方法 | 第46页 |
| ·基于区域匹配的跟踪方法 | 第46-47页 |
| ·基于主动轮廓匹配的跟踪方法 | 第47页 |
| ·基于Kalman 预测的跟踪方法 | 第47-48页 |
| ·运动车辆的匹配与跟踪 | 第48-54页 |
| ·遮挡车辆的分割方法介绍 | 第49-52页 |
| ·车辆跟踪算法步骤 | 第52页 |
| ·实验结果与分析 | 第52-54页 |
| ·本章小结 | 第54-55页 |
| 第五章 基于TMS320DM6437 的车辆检测和跟踪算法实现 | 第55-63页 |
| ·基于TMS320DM6437 的嵌入式系统 | 第55-56页 |
| ·TMS320DM6437 处理器 | 第55页 |
| ·系统外设 | 第55-56页 |
| ·算法针对TMS320DM6437 系统的优化 | 第56-62页 |
| ·集成开发环境CCS | 第56-57页 |
| ·算法的优化方法 | 第57-59页 |
| ·本文算法的优化 | 第59-61页 |
| ·算法的时间性能统计及实验结果 | 第61-62页 |
| ·本章小结 | 第62-63页 |
| 第六章 总结与展望 | 第63-65页 |
| ·本文的主要工作 | 第63-64页 |
| ·对未来工作的展望 | 第64-65页 |
| 参考文献 | 第65-70页 |
| 攻读硕士学位期间发表的论文 | 第70-71页 |