ITS中交通状态检测的算法研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第1章 绪论 | 第10-16页 |
| ·研究背景和意义 | 第10-11页 |
| ·国内外研究现状 | 第11-14页 |
| ·国外研究现状 | 第11-13页 |
| ·国内研究现状 | 第13-14页 |
| ·本文研究的主要内容 | 第14-16页 |
| 第2章 交通状态检测的关键技术 | 第16-27页 |
| ·视频图像处理 | 第16-22页 |
| ·图像灰度化 | 第16-17页 |
| ·灰度图像二值化 | 第17页 |
| ·图像增强 | 第17-20页 |
| ·图像的颜色模型 | 第20-22页 |
| ·模式识别分类 | 第22-26页 |
| ·支持向量机(SVM)分类原理 | 第23-25页 |
| ·BP神经网络分类原理 | 第25-26页 |
| ·VISSM仿真系统介绍 | 第26页 |
| ·本章小结 | 第26-27页 |
| 第3章 基于视频的运动目标检测 | 第27-37页 |
| ·光流法 | 第27-28页 |
| ·帧间差分法 | 第28-29页 |
| ·边缘检测法 | 第29-30页 |
| ·背景差分法 | 第30页 |
| ·背景提取算法及改进 | 第30-36页 |
| ·二维离散小波变换 | 第31页 |
| ·三种常见背景提取算法的分析与比较 | 第31-33页 |
| ·基于小波变换的多帧图像平均法 | 第33-34页 |
| ·背景提取实验仿真结果与分析 | 第34-36页 |
| ·本章小结 | 第36-37页 |
| 第4章 基于虚拟检测圈的车辆计数和车速检测 | 第37-47页 |
| ·方法流程 | 第37-38页 |
| ·视频图像预处理部分 | 第38-41页 |
| ·虚拟检测圈的设置 | 第38-39页 |
| ·背景图像的提取 | 第39-40页 |
| ·背景差图像的处理 | 第40-41页 |
| ·切割虚拟检测圈 | 第41页 |
| ·车辆计数 | 第41-44页 |
| ·算法流程 | 第41-43页 |
| ·实验仿真结果与分析 | 第43-44页 |
| ·车速检测 | 第44-46页 |
| ·算法流程 | 第44-45页 |
| ·实验仿真结果与分析 | 第45-46页 |
| ·本章小结 | 第46-47页 |
| 第5章 交通状态分类算法研究 | 第47-60页 |
| ·分类方法描述 | 第47页 |
| ·考虑影响城市道路交通状态的主要因素 | 第47-48页 |
| ·交通特征参数的提取及状态标定 | 第48-51页 |
| ·交通特征参数的提取 | 第48页 |
| ·交通状态的标定 | 第48-51页 |
| ·分类器的训练及验证 | 第51-56页 |
| ·仿真实验结果分析 | 第56-57页 |
| ·训练阶段及测试阶段融合算法思想 | 第57-59页 |
| ·交通状态分类改进算法的创新点 | 第59页 |
| ·本章小结 | 第59-60页 |
| 第6章 总结与展望 | 第60-62页 |
| ·总结 | 第60页 |
| ·展望 | 第60-62页 |
| 参考文献 | 第62-66页 |
| 致谢 | 第66-67页 |
| 攻读学位期间参加的科研项目和成果 | 第67页 |
