| 摘要 | 第1-6页 |
| ABSTRACT | 第6-11页 |
| 第1章 绪论 | 第11-25页 |
| ·研究背景和意义 | 第11-13页 |
| ·运动物体识别技术概述 | 第13-14页 |
| ·运动物体检测方法 | 第13页 |
| ·运动物体跟踪方法 | 第13-14页 |
| ·运动物体分类方法 | 第14页 |
| ·交通视频目标识别技术概况 | 第14-18页 |
| ·机动车识别相关方法 | 第14-15页 |
| ·助力车识别相关方法 | 第15-16页 |
| ·行人识别相关方法 | 第16-17页 |
| ·交通视频场景的特殊性 | 第17-18页 |
| ·智能视频监控系统发展概况 | 第18-19页 |
| ·论文主要研究内容和章节安排 | 第19-23页 |
| ·论文主要研究内容 | 第19-22页 |
| ·论文章节安排 | 第22-23页 |
| ·本章小结 | 第23-25页 |
| 第2章 低分辨率交通视频运动物体检测与跟踪算法设计 | 第25-45页 |
| ·背景建模 | 第25-33页 |
| ·背景提取与更新算法概述 | 第26-28页 |
| ·混合高斯模型背景建模 | 第28-30页 |
| ·自适应参数背景建模 | 第30-31页 |
| ·实验分析 | 第31-33页 |
| ·运动物体分割与后处理 | 第33-36页 |
| ·对被割裂前景图像的处理 | 第35-36页 |
| ·阴影去除 | 第36-42页 |
| ·基于RGB空间的阴影检测 | 第37-38页 |
| ·基于HSV空间的阴影检测 | 第38-39页 |
| ·基于区域生长的阴影检测 | 第39-42页 |
| ·运动物体跟踪 | 第42-44页 |
| ·相关方法 | 第42-43页 |
| ·基于运动估计的运动物体跟踪 | 第43-44页 |
| ·本章小结 | 第44-45页 |
| 第3章 基于多特征融合与多帧融合的运动物体分类算法设计 | 第45-59页 |
| ·分类特征 | 第45-48页 |
| ·视频图像的两种特征 | 第46-47页 |
| ·分类特征的选择 | 第47-48页 |
| ·分类器的构造 | 第48-50页 |
| ·支持向量机方法 | 第50-53页 |
| ·支持向量机 | 第50-51页 |
| ·特征训练 | 第51-53页 |
| ·级联分类器方法 | 第53-54页 |
| ·级联分类器 | 第53-54页 |
| ·级联分类器的优势 | 第54页 |
| ·多帧判决融合 | 第54-57页 |
| ·多帧融合规则 | 第55页 |
| ·生命周期 | 第55-56页 |
| ·置信度 | 第56-57页 |
| ·本章小结 | 第57-59页 |
| 第4章 智能交通视频监控系统的搭建与测试 | 第59-69页 |
| ·总体实现方案 | 第59-60页 |
| ·算法基本流程 | 第60-62页 |
| ·系统测试 | 第62-67页 |
| ·测试数据集 | 第62-63页 |
| ·性能指标 | 第63页 |
| ·实验结果与分析 | 第63-66页 |
| ·程序界面 | 第66-67页 |
| ·本章小结 | 第67-69页 |
| 第5章 总结与展望 | 第69-71页 |
| 参考文献 | 第71-75页 |
| 致谢 | 第75-77页 |
| 在读期间发表的学术论文与取得的其他研究成果 | 第77页 |