| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 目录 | 第7-10页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 智能交通系统的国内外发展概况 | 第11-13页 |
| 1.3 交通视频分析的相关技术 | 第13-15页 |
| 1.3.1 视频车辆检测技术的现状 | 第13页 |
| 1.3.2 视频车辆跟踪技术的现状 | 第13-14页 |
| 1.3.3 车辆检测和跟踪的难点 | 第14-15页 |
| 1.4 本文的主要工作及章节结构 | 第15-18页 |
| 1.4.1 本文的主要工作 | 第15-16页 |
| 1.4.2 本文的章节结构 | 第16-18页 |
| 第二章 目标检测和跟踪方法的相关综述 | 第18-32页 |
| 2.1 引言 | 第18页 |
| 2.2 现有的目标检测方法分析 | 第18-21页 |
| 2.2.1 帧差法 | 第18-19页 |
| 2.2.2 背景减除法 | 第19-20页 |
| 2.2.3 光流法 | 第20-21页 |
| 2.3 现有的目标跟踪方法分析 | 第21-31页 |
| 2.3.1 基于区域的目标跟踪算法 | 第21-22页 |
| 2.3.2 基于特征的目标跟踪算法 | 第22页 |
| 2.3.3 基于轮廓的目标跟踪算法 | 第22-24页 |
| 2.3.4 基于模型的目标跟踪算法 | 第24页 |
| 2.3.5 Kalman 算法 | 第24-25页 |
| 2.3.6 粒子滤波算法 | 第25-26页 |
| 2.3.7 mean shift 算法 | 第26-31页 |
| 2.4 本章小结 | 第31-32页 |
| 第三章 基于改进阴影消除的车辆鲁棒检测方法 | 第32-51页 |
| 3.1 引言 | 第32-33页 |
| 3.2 本文提出的车辆检测算法 | 第33-45页 |
| 3.2.1 基于混合高斯背景模型的运动目标检测算法 | 第33-35页 |
| 3.2.2 改进的阴影消除算法 | 第35-43页 |
| 3.2.3 车辆检测结果的后处理 | 第43-45页 |
| 3.3 仿真实验 | 第45-49页 |
| 3.4 本章小结 | 第49-51页 |
| 第四章 基于最大重叠面积和 cam-shift 的车辆快速跟踪方法 | 第51-67页 |
| 4.1 引言 | 第51页 |
| 4.2 本文提出的车辆跟踪算法 | 第51-56页 |
| 4.2.1 基于最大重叠面积和 cam-shift 的车辆跟踪算法 | 第51-55页 |
| 4.2.2 车辆粘连和分裂问题 | 第55-56页 |
| 4.3 仿真实验 | 第56-66页 |
| 4.3.1 实验环境与工具 | 第56页 |
| 4.3.2 实验结果分析 | 第56-66页 |
| 4.4 本章小结 | 第66-67页 |
| 第五章 基于交通视频分析的交通事件检测 | 第67-70页 |
| 5.1 引言 | 第67页 |
| 5.2 交通事件检测 | 第67-69页 |
| 5.2.1 车辆逆行的检测 | 第67-68页 |
| 5.2.2 停车与拥堵检测 | 第68-69页 |
| 5.3 本章小结 | 第69-70页 |
| 总结与展望 | 第70-72页 |
| 参考文献 | 第72-78页 |
| 攻读硕士学位期间取得的研究成果 | 第78-79页 |
| 致谢 | 第79-80页 |
| 附件 | 第80页 |
