基于视频图像处理的车辆检测与跟踪方法研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-15页 |
| 1.1 课题研究背景与意义 | 第8-10页 |
| 1.2 研究现状及存在问题 | 第10-13页 |
| 1.2.1 国外的研究现状 | 第10-12页 |
| 1.2.2 国内的研究现状 | 第12页 |
| 1.2.3 当前研究存在问题 | 第12-13页 |
| 1.3 本文主要研究内容 | 第13-15页 |
| 第二章 基于视频图像的车辆检测与跟踪系统总体结构 | 第15-20页 |
| 2.1 道路交通样本采集 | 第15-16页 |
| 2.1.1 摄像机安装 | 第15-16页 |
| 2.1.2 样本的采集 | 第16页 |
| 2.2 系统结构 | 第16-19页 |
| 2.2.1 车辆检测算法系统结构 | 第16-17页 |
| 2.2.2 车辆跟踪算法系统结构 | 第17-19页 |
| 2.3 本章小结 | 第19-20页 |
| 第三章 图像处理基础知识 | 第20-31页 |
| 3.1 彩色空间 | 第20-23页 |
| 3.1.1 灰度图像 | 第20-21页 |
| 3.1.2 RGB 颜色空间 | 第21页 |
| 3.1.3 HSV 颜色空间 | 第21-23页 |
| 3.2 图像之间的转换 | 第23-25页 |
| 3.2.1 图像的灰度转换 | 第23页 |
| 3.2.2 RGB 到 HSV 的转换 | 第23-25页 |
| 3.3 数学形态及其滤波性质 | 第25-27页 |
| 3.3.1 数学形态学基本运算 | 第25页 |
| 3.3.2 腐蚀运算和膨胀运算 | 第25-26页 |
| 3.3.3 开运算和闭运算 | 第26-27页 |
| 3.4 边缘检测算子 | 第27-30页 |
| 3.4.1 基于梯度的边缘检测 | 第27-28页 |
| 3.4.2 二阶微分算子 | 第28-30页 |
| 3.5 实验结果 | 第30页 |
| 3.6 本章小结 | 第30-31页 |
| 第四章 车辆检测算法研究 | 第31-49页 |
| 4.1 基于极值的背景重构 | 第31-36页 |
| 4.1.1 基于灰度极值的背景重构算法 | 第31-34页 |
| 4.1.2 实验结果 | 第34-36页 |
| 4.2 运动车辆的检测算法研究 | 第36-42页 |
| 4.2.1 光流法 | 第36-38页 |
| 4.2.2 帧间差分法 | 第38-40页 |
| 4.2.3 背景差分法 | 第40-42页 |
| 4.3 目标车辆提取 | 第42-46页 |
| 4.3.1 像素建模 | 第42-43页 |
| 4.3.2 基于数学形态学后的处理 | 第43-44页 |
| 4.3.3 车辆的外接矩形求取 | 第44-46页 |
| 4.4 运动车辆的检测算法试验结果 | 第46-48页 |
| 4.5 本章小结 | 第48-49页 |
| 第五章 车辆跟踪算法研究 | 第49-61页 |
| 5.1 车辆跟踪常用算法综述 | 第49-52页 |
| 5.1.1 基于模型匹配的跟踪算法 | 第49页 |
| 5.1.2 基于区域的跟踪算法 | 第49-51页 |
| 5.1.3 基于主动轮廓的跟踪算法 | 第51页 |
| 5.1.4 基于特征匹配的跟踪算法 | 第51-52页 |
| 5.2 基于运动目标质心的跟踪算法 | 第52-56页 |
| 5.2.1 特征值的计算 | 第53页 |
| 5.2.2 跟踪窗口的设置 | 第53-54页 |
| 5.2.3 运动目标质心 | 第54页 |
| 5.2.4 运动质心模型及参数定义 | 第54-56页 |
| 5.3 车辆跟踪算法试验结果 | 第56-60页 |
| 5.4 本章小结 | 第60-61页 |
| 总结与展望 | 第61-62页 |
| 参考文献 | 第62-65页 |
| 攻读学位取得的研究成果 | 第65-66页 |
| 致谢 | 第66页 |
