| 摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 第1章 绪论 | 第11-18页 |
| ·课题研究背景和意义 | 第11-12页 |
| ·交通视频图像序列中运动车辆检测与跟踪技术的研究现状 | 第12-16页 |
| ·运动车辆检测技术的研究现状 | 第12-14页 |
| ·运动车辆跟踪技术的研究现状 | 第14-16页 |
| ·本课题的研究内容 | 第16-18页 |
| 第2章 车辆检测相关技术理论及图像处理方法 | 第18-28页 |
| ·交通视频运动车辆检测的基本方法 | 第18-23页 |
| ·光流法 | 第18-20页 |
| ·相邻帧差分法 | 第20-22页 |
| ·背景差分法 | 第22-23页 |
| ·RGB 颜色空间 | 第23-24页 |
| ·图像处理的相关方法 | 第24-27页 |
| ·彩色图像的灰度变换 | 第24-25页 |
| ·灰度图像的二值化 | 第25-27页 |
| ·本章小结 | 第27-28页 |
| 第3章 基于边缘信息的混合高斯模型的运动车辆检测 | 第28-48页 |
| ·背景建模 | 第28-31页 |
| ·单高斯模型的背景建模 | 第29-30页 |
| ·混合高斯模型的背景建模 | 第30-31页 |
| ·边缘检测方法分析 | 第31-37页 |
| ·Robets 边缘检测算子 | 第32-33页 |
| ·Sobel 边缘检测算子 | 第33页 |
| ·Prewitt 边缘检测算子 | 第33-34页 |
| ·Canny 边缘检测算子 | 第34-35页 |
| ·边缘检测算子的实验结果分析 | 第35-37页 |
| ·基于边缘信息的混合高斯模型的建立 | 第37-40页 |
| ·基于边缘信息的混合高斯模型参数的更新 | 第40-42页 |
| ·前景目标提取 | 第42-43页 |
| ·提取前景目标的滤波处理 | 第43-45页 |
| ·车辆二值图像的膨胀 | 第43-44页 |
| ·车辆二值图像的腐蚀 | 第44-45页 |
| ·实验仿真结果与分析 | 第45-47页 |
| ·本章小结 | 第47-48页 |
| 第4章 基于交通视频图像序列的 Mean Shift 车辆跟踪技术 | 第48-65页 |
| ·Mean Shift 理论 | 第48-52页 |
| ·多维空间下的无参密度估计 | 第49-50页 |
| ·Mean Shift 向量 | 第50-52页 |
| ·Mean Shift 算法在运动车辆跟踪中的应用 | 第52-56页 |
| ·建立目标模型 | 第53页 |
| ·建立候选目标模型 | 第53-54页 |
| ·相似性函数 | 第54页 |
| ·运动车辆的定位 | 第54-56页 |
| ·目标变小时的跟踪算法 | 第56-57页 |
| ·目标不变或者变大时的跟踪算法 | 第57-58页 |
| ·运动车辆的形心配准 | 第57-58页 |
| ·仿射模型和特征点匹配 | 第58页 |
| ·实验结果与分析 | 第58-64页 |
| ·运动车辆的 Mean Shift 跟踪算法流程 | 第58-60页 |
| ·尺度变小车辆跟踪的实验结果分析 | 第60-62页 |
| ·尺度变大车辆跟踪的实验结果分析 | 第62-64页 |
| ·本章小结 | 第64-65页 |
| 第5章 快速运动以及被遮挡车辆的跟踪 | 第65-79页 |
| ·基于 Kalman 滤波的运动车辆跟踪 | 第65-70页 |
| ·卡尔曼滤波的基本内容 | 第66-67页 |
| ·卡尔曼滤波器建模 | 第67-69页 |
| ·运动车辆的卡尔曼滤波跟踪算法流程 | 第69-70页 |
| ·卡尔曼滤波与 Mean Shift 实现快速运动车辆的跟踪算法流程 | 第70页 |
| ·卡尔曼滤波与 Mean Shift 组合实现快速运动车辆跟踪的实验结果与分析 | 第70-74页 |
| ·遮挡问题的处理及实验结果分析 | 第74-77页 |
| ·本章小结 | 第77-79页 |
| 第6章 总结与展望 | 第79-82页 |
| ·本文的工作总结 | 第79-80页 |
| ·展望 | 第80-82页 |
| 参考文献 | 第82-87页 |
| 攻读硕士研究生期间发表的论文 | 第87-88页 |
| 致谢 | 第88-89页 |
