| 摘要 | 第10-12页 |
| ABSTRACT | 第12-13页 |
| 第一章 绪论 | 第14-19页 |
| 1.1 课题背景及意义 | 第14-15页 |
| 1.2 智能公交系统发展现状 | 第15-16页 |
| 1.2.1 客流统计技术发展现状 | 第15-16页 |
| 1.2.2 车道识别技术发展现状 | 第16页 |
| 1.3 研究的主要内容 | 第16-17页 |
| 1.4 论文结构安排 | 第17-19页 |
| 第二章 客流统计及公交专用道识别关键技术 | 第19-34页 |
| 2.1 深度估计算法 | 第19-25页 |
| 2.1.1 常用深度估计算法 | 第19-20页 |
| 2.1.2 基于立体视觉的视差估计方法 | 第20-25页 |
| 2.1.2.1 局部匹配算法 | 第20-22页 |
| 2.1.2.2 全局匹配算法 | 第22-25页 |
| 2.1.2.3 基于区域分割的匹配算法 | 第25页 |
| 2.2 HSV色彩空间 | 第25-26页 |
| 2.3 边缘检测算法 | 第26-31页 |
| 2.3.1 边缘检测算法步骤 | 第26-27页 |
| 2.3.2 常用边缘检测算法 | 第27-31页 |
| 2.4 常用的直线检测算法 | 第31-34页 |
| 2.4.1 最小二乘法和最小距离法 | 第31页 |
| 2.4.2 Radon变换直线检测 | 第31-32页 |
| 2.4.3 Hough变换直线检测 | 第32-34页 |
| 第三章 基于深度估计的客流统计算法的设计与实现 | 第34-46页 |
| 3.1 客流统计系统架构 | 第34页 |
| 3.2 客流统计算法流程 | 第34-36页 |
| 3.3 客流统计算法模块设计 | 第36-43页 |
| 3.3.1 图像预处理 | 第36-38页 |
| 3.3.2 深度估计 | 第38-39页 |
| 3.3.3 提取人头区域 | 第39-42页 |
| 3.3.4 乘客上、下车行为分析 | 第42-43页 |
| 3.4 客流统计算法参数获取 | 第43-45页 |
| 3.4.1 深度估计参数获取 | 第43-44页 |
| 3.4.2 环境深度图 | 第44-45页 |
| 3.5 本章小结 | 第45-46页 |
| 第四章 基于Hough变换的公交专用道识别算法的设计与实现 | 第46-54页 |
| 4.1 公交专用道识别算法流程 | 第46页 |
| 4.2 公交专用道识别算法模块设计 | 第46-53页 |
| 4.2.1 提取黄色像素点 | 第46-48页 |
| 4.2.2 筛选合理黄线区域 | 第48-50页 |
| 4.2.3 Canny边缘检测 | 第50-52页 |
| 4.2.4 基于Hough变换的公交专用道识别 | 第52-53页 |
| 4.3 本章小结 | 第53-54页 |
| 第五章 实验及分析 | 第54-58页 |
| 5.1 实验图像采集 | 第54页 |
| 5.2 上车实验结果 | 第54-57页 |
| 5.2.1 乘客识别效果图 | 第54-56页 |
| 5.2.2 专用道识别效果图 | 第56页 |
| 5.2.3 客流统计结果 | 第56-57页 |
| 5.3 实验结果分析 | 第57-58页 |
| 第六章 总结与展望 | 第58-60页 |
| 6.1 本文工作总结 | 第58页 |
| 6.2 未来工作展望 | 第58-60页 |
| 参考文献 | 第60-65页 |
| 致谢 | 第65-66页 |
| 攻读硕士研究生期间研究成果 | 第66-67页 |
| 学位论文评阅及答辩情况表 | 第67页 |