| 摘要 | 第5-7页 |
| Abstract | 第7-9页 |
| 第1章 绪论 | 第13-23页 |
| 1.1 课题研究背景和意义 | 第13-14页 |
| 1.2 国内外研究现状 | 第14-19页 |
| 1.3 论文主要研究内容 | 第19-20页 |
| 1.4 论文的组织结构及章节安排 | 第20-23页 |
| 第2章 运动目标检测方法研究 | 第23-41页 |
| 2.1 引言 | 第23页 |
| 2.2 运动目标检测算法性能指标分析 | 第23-31页 |
| 2.2.1 运动目标检测算法分类 | 第23-25页 |
| 2.2.2 典型背景模型性能分析 | 第25-28页 |
| 2.2.3 典型运动检测算法抗干扰实验结果与分析 | 第28-31页 |
| 2.3 基于维纳滤波背景模型的运动检测算法设计与实现 | 第31-36页 |
| 2.3.1 基于中值滤波的参考背景图像建立 | 第31-33页 |
| 2.3.2 基于维纳滤波的背景更新算法设计与实现 | 第33-35页 |
| 2.3.3 基于改进Otsu算法的运动区域提取 | 第35-36页 |
| 2.4 实验结果与分析 | 第36-40页 |
| 2.4.1 抗干扰性能分析 | 第36-37页 |
| 2.4.2 实际交通场景下运动检测效果对比 | 第37-40页 |
| 2.5 本章小结 | 第40-41页 |
| 第3章 基于Kalman滤波器的多目标跟踪技术与应用研究 | 第41-51页 |
| 3.1 引言 | 第41页 |
| 3.2 Kalman滤波器在目标跟踪中的应用 | 第41-44页 |
| 3.3 基于位置、形状和颜色概率特征的多目标跟踪算法设计与实现 | 第44-49页 |
| 3.3.1 基于Kalman滤波器的目标位置与形状特征提取方法 | 第44-45页 |
| 3.3.2 目标颜色概率特征提取方法 | 第45-46页 |
| 3.3.3 跟踪匹配函数设计 | 第46-48页 |
| 3.3.4 实验结果与分析 | 第48-49页 |
| 3.4 本章小结 | 第49-51页 |
| 第4章 基于改进随机游走算法的阴影与遮挡处理研究 | 第51-69页 |
| 4.1 引言 | 第51-52页 |
| 4.2 典型阴影与遮挡处理算法分析 | 第52-54页 |
| 4.3 基于改进随机游走算法的阴影与遮挡处理方法 | 第54-64页 |
| 4.3.1 交互式随机游走算法的优势和难点 | 第54-57页 |
| 4.3.2 基于Kalman滤波器的改进随机游走算法 | 第57-60页 |
| 4.3.3 基于车底阴影检测的初始目标分割方法 | 第60-64页 |
| 4.4 实验结果与分析 | 第64-68页 |
| 4.5 本章小结 | 第68-69页 |
| 第5章 基于粒子滤波的非线性运动目标跟踪研究 | 第69-89页 |
| 5.1 引言 | 第69-70页 |
| 5.2 图像序列中运动目标的线性与非线性状态分析 | 第70-76页 |
| 5.2.1 目标纵向运动过程的状态分析 | 第71-73页 |
| 5.2.2 目标旋转运动过程的状态分析 | 第73-76页 |
| 5.3 改进可变数率粒子滤波器的设计与实现 | 第76-81页 |
| 5.4 基于Kalman滤波器与修正方程的线性状态估计算法设计与实现 | 第81-84页 |
| 5.5 实验结果与分析 | 第84-88页 |
| 5.6 本章小结 | 第88-89页 |
| 第6章 基于运动摄像机的目标跟踪与识别应用研究 | 第89-115页 |
| 6.1 引言 | 第89-90页 |
| 6.2 基于改进Lucas-Kanade稀疏光流跟踪算法的设计与实现 | 第90-98页 |
| 6.2.1 Lucas-Kanade稀疏光流跟踪算法局限性分析 | 第90-91页 |
| 6.2.2 基于小波金字塔的改进Lucas-Kanade光流跟踪算法 | 第91-92页 |
| 6.2.3 改进Harris角点特征提取 | 第92-93页 |
| 6.2.4 目标随动跟踪实验结果与分析 | 第93-98页 |
| 6.3 实时车牌检测算法研究 | 第98-105页 |
| 6.3.1 基于垂直边缘的车牌检测算法 | 第99-101页 |
| 6.3.2 车牌伪区域剔除方法 | 第101-102页 |
| 6.3.3 车牌检测实验结果与分析 | 第102-105页 |
| 6.4 车牌字符分割算法研究 | 第105-110页 |
| 6.4.1 基于Fisher判别准则与旋转差分投影的车牌倾斜校正 | 第105-107页 |
| 6.4.2 基于基准字符的字符垂直分割 | 第107-110页 |
| 6.5 字符特征提取与神经网络识别应用研究 | 第110-114页 |
| 6.5.1 基于主成分分析的字符特征提取算法应用研究 | 第110-111页 |
| 6.5.2 基于RBF神经网络的字符识别应用研究 | 第111-112页 |
| 6.5.3 车牌识别实验结果与分析 | 第112-114页 |
| 6.6 本章小结 | 第114-115页 |
| 第7章 总结与展望 | 第115-117页 |
| 7.1 总结 | 第115页 |
| 7.2 展望 | 第115-117页 |
| 参考文献 | 第117-125页 |
| 致谢 | 第125-126页 |
| 攻读博士期间发表的论文 | 第126-127页 |
