智能交通系统中的运动目标检测与识别
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-7页 |
| 第一章 绪论 | 第7-13页 |
| ·研究背景 | 第7页 |
| ·智能交通系统 | 第7-8页 |
| ·国内外的研究现状 | 第8-11页 |
| ·本文的研究内容与安排 | 第11-13页 |
| 第二章 常用的图像处理技术 | 第13-22页 |
| ·图像的颜色空间转换 | 第13-15页 |
| ·图像的灰度化 | 第15-16页 |
| ·图像的二值化 | 第16页 |
| ·图像的形态学处理 | 第16-19页 |
| ·腐蚀和膨胀 | 第17-18页 |
| ·开运算和闭运算 | 第18-19页 |
| ·目标轮廓的描述 | 第19-20页 |
| ·多边形逼近 | 第19-20页 |
| ·凸包 | 第20页 |
| ·本章小结 | 第20-22页 |
| 第三章 运动目标检测 | 第22-38页 |
| ·运动目标检测的主要方法 | 第22-24页 |
| ·光流法 | 第22-23页 |
| ·帧间差分法 | 第23页 |
| ·背景差分法 | 第23-24页 |
| ·常用的背景建模方法 | 第24-30页 |
| ·平均背景法 | 第24-25页 |
| ·混合高斯背景建模 | 第25-26页 |
| ·码书法背景建模 | 第26-30页 |
| ·改进的码书法背景建模 | 第30-36页 |
| ·本章小结 | 第36-38页 |
| 第四章 阴影的检测与去除 | 第38-45页 |
| ·基于模型的阴影检测 | 第38页 |
| ·基于属性的阴影检测方法 | 第38-39页 |
| ·基于纹理的阴影检测 | 第39-40页 |
| ·基于特征融合的阴影检测 | 第40-44页 |
| ·大致阴影区域的估计 | 第41页 |
| ·LBP 纹理的阴影检测 | 第41-44页 |
| ·本章小结 | 第44-45页 |
| 第五章 运动目标的识别 | 第45-51页 |
| ·模板匹配方法 | 第45页 |
| ·基于静态特征的运动目标识别 | 第45-46页 |
| ·基于动态特征的运动目标识别 | 第46页 |
| ·基于支持向量机的运动目标识别 | 第46-48页 |
| ·标准 SVM | 第47页 |
| ·OneVsOne 分类 | 第47-48页 |
| ·分类特征的提取 | 第48-50页 |
| ·本章小结 | 第50-51页 |
| 第六章 总结与展望 | 第51-53页 |
| 参考文献 | 第53-58页 |
| 发表论文和参加科研情况说明 | 第58-59页 |
| 致谢 | 第59页 |
