基于光流法的车辆检测与跟踪
| 摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第13-20页 |
| 1.1 课题研究的背景及意义 | 第13-14页 |
| 1.2 课题研究现状和发展趋势 | 第14-18页 |
| 1.2.1 光流法类别和特点 | 第14-15页 |
| 1.2.2 光流法存在的问题和解决方法 | 第15-17页 |
| 1.2.3 光流法在运动检测跟踪中的应用 | 第17-18页 |
| 1.3 文章的主要研究工作和章节安排 | 第18-20页 |
| 1.3.1 本文主要研究工作 | 第18页 |
| 1.3.2 本文章节安排 | 第18-20页 |
| 第2章 图像预处理及数学工具 | 第20-30页 |
| 2.1 模板运算 | 第20-21页 |
| 2.2 噪声滤除 | 第21-25页 |
| 2.2.1 噪声描述 | 第21-22页 |
| 2.2.2 滤波器简介 | 第22-25页 |
| 2.3 数学形态学处理 | 第25-27页 |
| 2.3.1 二值膨胀和腐蚀 | 第25页 |
| 2.3.2 二值开启和闭合 | 第25-27页 |
| 2.4 图像金字塔分层 | 第27-29页 |
| 2.4.1 灰度插值 | 第27-28页 |
| 2.4.2 金字塔图层构建 | 第28-29页 |
| 2.5 本章小结 | 第29-30页 |
| 第3章 光流算法理论与研究 | 第30-50页 |
| 3.1 光流场与运动场 | 第30-31页 |
| 3.2 微分光流算法简介 | 第31-35页 |
| 3.2.1 灰度守恒假设 | 第31-32页 |
| 3.2.2 Horn-Schunck算法 | 第32-34页 |
| 3.2.3 Lucas-Kanade算法 | 第34-35页 |
| 3.3 光流表示形式及评价标准 | 第35-39页 |
| 3.3.1 光流表示形式 | 第35-37页 |
| 3.3.2 光流评价标准 | 第37-39页 |
| 3.4 一种多帧光流的研究 | 第39-49页 |
| 3.4.1 多帧模型的建立 | 第39-41页 |
| 3.4.2 最小化求解 | 第41-44页 |
| 3.4.3 对视频的光流计算 | 第44-45页 |
| 3.4.4 模型实验评估 | 第45-49页 |
| 3.5 本章小结 | 第49-50页 |
| 第4章 基于实时稠密光流的车辆检测跟踪 | 第50-65页 |
| 4.1 检测跟踪算法简介 | 第50-54页 |
| 4.1.1 运动检测方法 | 第50-51页 |
| 4.1.2 运动跟踪流程 | 第51-52页 |
| 4.1.3 基于光流的检测跟踪算法分析 | 第52-54页 |
| 4.2 多帧光流法在GPU上的实时执行 | 第54-62页 |
| 4.2.1 CUDA架构与GPU简介 | 第55-57页 |
| 4.2.2 基于GPU的光流法移植 | 第57-60页 |
| 4.2.3 实验仿真与结果分析 | 第60-62页 |
| 4.3 车辆检测跟踪算法的给出 | 第62-64页 |
| 4.4 本章小结 | 第64-65页 |
| 第5章 总结与展望 | 第65-67页 |
| 5.1 总结 | 第65页 |
| 5.2 不足和展望 | 第65-67页 |
| 参考文献 | 第67-71页 |
| 攻读硕士学位期间发表的学术论文 | 第71-73页 |
| 致谢 | 第73页 |
