| 摘要 | 第1-5页 |
| ABSTRACT | 第5-10页 |
| 第一章 绪论 | 第10-16页 |
| ·研究背景 | 第10-11页 |
| ·国内外研究现状 | 第11-13页 |
| ·国外研究现状 | 第11-12页 |
| ·国内研究现状 | 第12-13页 |
| ·论文研究目标及内容 | 第13-14页 |
| ·论文研究目标 | 第13页 |
| ·论文研究内容 | 第13-14页 |
| ·论文的结构 | 第14-15页 |
| ·小结 | 第15-16页 |
| 第二章 自适应背景模型 | 第16-26页 |
| ·概述 | 第16-20页 |
| ·自适应背景模型 | 第20-22页 |
| ·自适应背景模型的初始化 | 第20-22页 |
| ·自适应背景模型的更新 | 第22页 |
| ·实验及结果分析 | 第22-25页 |
| ·小结 | 第25-26页 |
| 第三章 运动车辆检测 | 第26-35页 |
| ·概述 | 第26-28页 |
| ·基于自适应背景模型的运动车辆检测 | 第28-33页 |
| ·运动区域提取与分割 | 第29页 |
| ·阴影抑制 | 第29-30页 |
| ·形态滤波 | 第30-31页 |
| ·矩形提取 | 第31-33页 |
| ·连通区域标记 | 第31-32页 |
| ·矩形提取 | 第32-33页 |
| ·实验及结果分析 | 第33-34页 |
| ·小结 | 第34-35页 |
| 第四章 运动车辆跟踪 | 第35-49页 |
| ·概述 | 第35-37页 |
| ·粒子滤波 | 第37-42页 |
| ·贝叶斯滤波原理 | 第37-39页 |
| ·粒子滤波器 | 第39-42页 |
| ·特征选择 | 第42-44页 |
| ·特征 | 第42-43页 |
| ·特征选择 | 第43-44页 |
| ·特征分类器的更新 | 第44页 |
| ·基于自适应粒子滤波的运动车辆跟踪 | 第44-46页 |
| ·实验及结果分析 | 第46-48页 |
| ·小结 | 第48-49页 |
| 第五章 基于视频分析的事件检测 | 第49-61页 |
| ·概述 | 第49-50页 |
| ·基于轨迹的事件检测 | 第50-55页 |
| ·直线拟合及车辆换道、避障等事件判别 | 第50-52页 |
| ·车辆运动方向检测及车辆逆行、停车检测 | 第52-54页 |
| ·超速、行车道慢行事件检测 | 第54-55页 |
| ·交通阻塞检测 | 第55-57页 |
| ·基于boosting方法集成神经网络的交通阻塞检测 | 第55-56页 |
| ·实验及结果分析 | 第56-57页 |
| ·基于HMM的车辆碰撞预测 | 第57-60页 |
| ·隐马尔可夫模型 | 第57页 |
| ·隐马尔可夫模型建模 | 第57-58页 |
| ·Baum-Welch算法 | 第58-60页 |
| ·碰撞事件预测 | 第60页 |
| ·小结 | 第60-61页 |
| 第六章 总结与展望 | 第61-62页 |
| 参考文献 | 第62-67页 |
| 致谢 | 第67-68页 |
| 攻读学位期间的主要研究成果 | 第68页 |