| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第11-22页 |
| 1.1 课题来源 | 第11页 |
| 1.2 研究背景和意义 | 第11-12页 |
| 1.3 国内外研究现状 | 第12-19页 |
| 1.3.1 无人机发展历程 | 第12-13页 |
| 1.3.2 无人机交通信息采集优势分析 | 第13-14页 |
| 1.3.3 基于无人机视频的交通应用研究 | 第14-17页 |
| 1.3.4 基于无人机视频的车辆检测与跟踪算法研究 | 第17-18页 |
| 1.3.5 存在的问题 | 第18-19页 |
| 1.4 研究主要内容 | 第19页 |
| 1.5 论文结构与研究技术路线 | 第19-22页 |
| 1.5.1 论文结构 | 第19-21页 |
| 1.5.2 研究技术路线 | 第21-22页 |
| 第二章 图像处理技术 | 第22-29页 |
| 2.1 图像预处理 | 第22-25页 |
| 2.1.1 图像灰度化 | 第22-23页 |
| 2.1.2 图像金字塔 | 第23-24页 |
| 2.1.3 设置感兴趣区 | 第24-25页 |
| 2.2 图像滤波 | 第25-26页 |
| 2.2.1 均值滤波 | 第25页 |
| 2.2.2 中值滤波 | 第25-26页 |
| 2.3 阈值分割 | 第26页 |
| 2.4 形态学处理 | 第26-28页 |
| 2.4.1 膨胀与腐蚀 | 第27页 |
| 2.4.2 开操作和闭操作 | 第27-28页 |
| 2.5 本章小结 | 第28-29页 |
| 第三章 视频车辆检测与跟踪算法分析 | 第29-40页 |
| 3.1 车辆检测算法 | 第29-36页 |
| 3.1.1 帧间差分法 | 第29-30页 |
| 3.1.2 背景差分法 | 第30-33页 |
| 3.1.3 边缘检测法 | 第33-35页 |
| 3.1.4 光流法 | 第35-36页 |
| 3.2 基于Camshift算法的车辆跟踪算法 | 第36-39页 |
| 3.3 车辆检测与交通参数提取评价指标 | 第39页 |
| 3.4 本章小结 | 第39-40页 |
| 第四章 基于无人机视频的车辆检测 | 第40-59页 |
| 4.1 无人机视频采集 | 第41-45页 |
| 4.1.1 无人机基本性能介绍 | 第41-42页 |
| 4.1.2 无人机视频采集的主要考虑因素 | 第42-43页 |
| 4.1.3 无人机视频内容说明 | 第43-45页 |
| 4.2 基于对称差分的分块背景建模 | 第45-55页 |
| 4.2.1 对称差分处理 | 第45-49页 |
| 4.2.2 基于车辆宽度像素的图像分块划分方法 | 第49-51页 |
| 4.2.3 分块背景建模 | 第51-55页 |
| 4.3 基于分块建模的背景差分 | 第55-57页 |
| 4.4 评价指标 | 第57页 |
| 4.5 实验结果及评价 | 第57-58页 |
| 4.6 本章小结 | 第58-59页 |
| 第五章 基于无人机视频的交通密度和流量提取方法 | 第59-67页 |
| 5.1 交通密度提取方法 | 第59-62页 |
| 5.2 交通流量提取方法 | 第62-63页 |
| 5.3 实验结果与分析 | 第63-66页 |
| 5.3.1 交通密度 | 第63-65页 |
| 5.3.2 交通流量 | 第65-66页 |
| 5.4 本章小结 | 第66-67页 |
| 第六章 基于无人机视频的车辆轨迹与车速提取方法 | 第67-83页 |
| 6.1 车辆轨迹提取方法 | 第67-74页 |
| 6.1.1 基于CamShift算法的车辆轨迹提取方法 | 第67-68页 |
| 6.1.2 轮廓与对角线标注法 | 第68-74页 |
| 6.2 车辆速度提取方法 | 第74-76页 |
| 6.2.1 基于虚拟线圈的车速提取方法 | 第74-76页 |
| 6.2.2 基于车辆轨迹的车速提取方法 | 第76页 |
| 6.3 实验结果与分析 | 第76-82页 |
| 6.3.1 车辆轨迹 | 第76-78页 |
| 6.3.2 车辆速度 | 第78-82页 |
| 6.4 本章小结 | 第82-83页 |
| 第七章 结论与展望 | 第83-85页 |
| 7.1 结论 | 第83-84页 |
| 7.2 展望 | 第84-85页 |
| 致谢 | 第85-86页 |
| 参考文献 | 第86-91页 |
| 附录 | 第91-98页 |
| 在学期间发表的论文和取得的学术成果 | 第98-99页 |