| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 研究背景 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.2.1 国外研究现状 | 第11-13页 |
| 1.2.2 国内研究现状 | 第13-14页 |
| 1.3 论文的研究内容 | 第14页 |
| 1.4 论文的组织结构 | 第14-16页 |
| 第二章 运动目标检测 | 第16-40页 |
| 2.1 图像预处理 | 第16-24页 |
| 2.1.1 频率域低通滤波 | 第18-21页 |
| 2.1.2 均值滤波 | 第21-22页 |
| 2.1.3 中值滤波 | 第22-24页 |
| 2.2 运动目标检测算法 | 第24-30页 |
| 2.2.1 光流法 | 第24-26页 |
| 2.2.2 背景差分法 | 第26-28页 |
| 2.2.3 帧间差分法 | 第28-30页 |
| 2.3 运动目标的提取 | 第30-33页 |
| 2.3.1 运动目标模型的获取 | 第30-31页 |
| 2.3.2 运动目标的提取 | 第31-33页 |
| 2.4 二值图像连通域标记优化 | 第33-38页 |
| 2.4.1 邻域标记算法原理 | 第34-36页 |
| 2.4.2 等价标号处理 | 第36-38页 |
| 2.5 本章小结 | 第38-40页 |
| 第三章 运动目标跟踪 | 第40-51页 |
| 3.1 运动目标跟踪的方法概述 | 第40-41页 |
| 3.1.1 基于模型的跟踪方法 | 第40页 |
| 3.1.2 基于变形模板的跟踪方法 | 第40-41页 |
| 3.1.3 基于区域的跟踪方法 | 第41页 |
| 3.1.4 基于特征的跟踪方法 | 第41页 |
| 3.2 CamShift 跟踪方法 | 第41-44页 |
| 3.2.1 基于 MeanShift 的跟踪方法 | 第41-43页 |
| 3.2.2 CamShift 跟踪方法 | 第43-44页 |
| 3.3 Kalman 滤波原理 | 第44-46页 |
| 3.4 CamShift 和 Kalman 相结合的跟踪方法 | 第46-50页 |
| 3.5 本章小结 | 第50-51页 |
| 第四章 运动目标轨迹分析及应用 | 第51-57页 |
| 4.1 运动轨迹线的拟合 | 第51-53页 |
| 4.2 运动目标轨迹线的分析 | 第53-54页 |
| 4.2.1 运动目标方向检测 | 第53-54页 |
| 4.2.2 运动目标逆行检测 | 第54页 |
| 4.3 在道路交通中的应用 | 第54-56页 |
| 4.3.1 运动车辆运动方向的检测 | 第54-55页 |
| 4.3.2 停车检测 | 第55页 |
| 4.3.3 超速、慢行事件检测 | 第55-56页 |
| 4.4 本章小结 | 第56-57页 |
| 第五章 车辆检测跟踪与行为分析系统的设计 | 第57-65页 |
| 5.1 系统开发环境 | 第57-58页 |
| 5.1.1 开发环境 | 第57页 |
| 5.1.2 OpenCV 在 VC6.0 下的配置 | 第57-58页 |
| 5.2 系统设计 | 第58-64页 |
| 5.2.1 算法流程 | 第58-59页 |
| 5.2.2 系统实现 | 第59-64页 |
| 5.3 本章小结 | 第64-65页 |
| 总结与展望 | 第65-66页 |
| 参考文献 | 第66-69页 |
| 致谢 | 第69页 |