基于高速公路大货车违法占道监测系统的车辆检测与跟踪研究
| 摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第11-16页 |
| 1.1 课题研究背景及意义 | 第11-12页 |
| 1.2 城市智能交通监控系统发展国内外现状分析 | 第12-15页 |
| 1.2.1 智能交通系统发展现状 | 第12-13页 |
| 1.2.2 智能交通监控系统发展现状 | 第13-15页 |
| 1.3 论文结构与安排 | 第15-16页 |
| 第2章 视频车辆检测跟踪与车型识别方法概述 | 第16-23页 |
| 2.1 视频车辆检测的基本方法 | 第16-20页 |
| 2.1.1 视频车辆检测的基本方法分类 | 第16-17页 |
| 2.1.2 各类检测方法优缺点比较 | 第17-18页 |
| 2.1.3 自适应高斯背景模型原理 | 第18-20页 |
| 2.2 视频车辆跟踪的基本方法 | 第20-21页 |
| 2.2.1 目标跟踪原理 | 第20页 |
| 2.2.2 目标跟踪方法分类 | 第20-21页 |
| 2.2.3 各类方法优缺点比较 | 第21页 |
| 2.3 车型识别的基本方法目标 | 第21-22页 |
| 2.3.1 基于轮廓和车轴识别 | 第21-22页 |
| 2.3.2 基于车牌识别 | 第22页 |
| 2.3.3 基于视频识别 | 第22页 |
| 2.4 本章小结 | 第22-23页 |
| 第3章 高速公路车辆的检测 | 第23-34页 |
| 3.1 基于网格时空背景差分模型的车辆检测 | 第23-26页 |
| 3.1.1 带光照阴影消除的时空背景差分模型 | 第23-24页 |
| 3.1.2 光照阴影消除 | 第24-25页 |
| 3.1.3 邻域差分种子补偿 | 第25-26页 |
| 3.1.4 运动目标尾迹消除 | 第26页 |
| 3.2 车辆检测实验分析 | 第26-33页 |
| 3.2.1 实验内容和用例 | 第27-28页 |
| 3.2.2 实验结果 | 第28-31页 |
| 3.2.3 结果分析与结论 | 第31-33页 |
| 3.3 本章小结 | 第33-34页 |
| 第4章 高速公路车辆的跟踪 | 第34-43页 |
| 4.1 基于运动位置关联与颜色关联结合的车辆跟踪 | 第34-36页 |
| 4.1.1 基于运动位置关联的车辆跟踪 | 第34-36页 |
| 4.1.2 基于颜色信息关联的车辆跟踪 | 第36页 |
| 4.2 车辆跟踪实验分析 | 第36-42页 |
| 4.2.1 实验内容与用例 | 第37页 |
| 4.2.2 实验结果 | 第37-39页 |
| 4.2.3 结果分析与结论 | 第39-42页 |
| 4.3 本章小结 | 第42-43页 |
| 第5章 大货车车型识别 | 第43-54页 |
| 5.1 高速公路的车型区分 | 第43-47页 |
| 5.1.1 基于非线性关系的大小车区分 | 第43-44页 |
| 5.1.2 基于纹理信息和车型的客货车区分 | 第44-47页 |
| 5.2 车型识别实验分析 | 第47-53页 |
| 5.2.1 实验内容和用例 | 第47-51页 |
| 5.2.2 实验结果 | 第51-52页 |
| 5.2.3 结果分析和结论 | 第52-53页 |
| 5.3 本章小结 | 第53-54页 |
| 总结与展望 | 第54-55页 |
| 致谢 | 第55-56页 |
| 参考文献 | 第56-60页 |
| 攻读硕士学位期间发表的论文及参与的科研项目 | 第60页 |
