一种基于图像处理的交通监控系统
| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 第一章 绪论 | 第8-13页 |
| 1．1 研究的意义 | 第8页 |
| 1．2 视频交通检测的优点 | 第8-10页 |
| 1．3 国内外现状 | 第10-11页 |
| 1．4 本文的内容安排 | 第11-13页 |
| 第二章 交通视频监控系统的组成 | 第13-22页 |
| 2．1 视频监控系统概述 | 第13-14页 |
| 2．2 交通视频监控系统的基本原理 | 第14-15页 |
| 2．3 交通视频监控系统的组成 | 第15-22页 |
| 2．3．1 硬件系统 | 第16-17页 |
| 2．3．2 软件系统 | 第17-22页 |
| 第三章 数据采集和图像预处理 | 第22-32页 |
| 3．1 数据采集 | 第22-23页 |
| 3．1．1 采样 | 第22页 |
| 3．1．2 量化 | 第22-23页 |
| 3．2 文件存储格式 | 第23-26页 |
| 3．2．1 BMP文件格式 | 第23-24页 |
| 3．2．2 JPEG文件格式 | 第24页 |
| 3．2．3 AVI文件格式 | 第24-26页 |
| 3．3 图像噪声的消除 | 第26-28页 |
| 3．3．1 领域平均法 | 第26-27页 |
| 3．3．2 中值滤波 | 第27-28页 |
| 3．3．3 频域低通滤波 | 第28页 |
| 3．4 图像增强 | 第28-32页 |
| 3．4．1 微分算子方法 | 第29-30页 |
| 3．4．2 拉普拉斯算子方法 | 第30-32页 |
| 第四章 基于视觉原理的参数标定 | 第32-38页 |
| 4．1 计算机视觉标定概述 | 第32-36页 |
| 4．2 系统参数标定 | 第36-38页 |
| 第五章 车辆运动的检测 | 第38-54页 |
| 5．1 运动目标检测的原理 | 第38-39页 |
| 5．2 运动目标检测的方法 | 第39-41页 |
| 5．2．1 光流场检测方法 | 第39-40页 |
| 5．2．2 差分检测方法 | 第40-41页 |
| 5．3 基于背景差分的车辆检测算法 | 第41-48页 |
| 5．2．1 车辆检测算法原理 | 第41-42页 |
| 5．3．2 交通流量检测和车速测量的实现 | 第42-46页 |
| 5．3．3 背景的动态更新 | 第46-48页 |
| 5．4 实验结果及分析 | 第48-54页 |
| 5．4．1 实验结果 | 第48-52页 |
| 5．4．2 结论及分析 | 第52-54页 |
| 第六章 基于神经网络的交通流量预测 | 第54-63页 |
| 6．1 BP神经网路的基本原理 | 第54-58页 |
| 6．2 基于 BP神经网络的交通流量预测 | 第58-63页 |
| 6．2．1 交通流量的预测算法 | 第58-59页 |
| 6．2．2 实验结果 | 第59-61页 |
| 6．2．3 结论及分析 | 第61-63页 |
| 第七章 总结 | 第63-65页 |
| 7．1 全文总结 | 第63页 |
| 7．2 本文的创新 | 第63-64页 |
| 7．3 进一步的工作 | 第64-65页 |
| 参考文献 | 第65-68页 |
| 在学研究成果 | 第68-69页 |
| 致谢 | 第69页 |
