车辆排队长度动态预测系统设计与实现
| 摘要 | 第8-9页 |
| ABSTRACT | 第9-10页 |
| 第1章 绪论 | 第11-19页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 研究现状 | 第12-15页 |
| 1.2.1 摄像机标定算法 | 第12-13页 |
| 1.2.2 交通视频检测技术 | 第13页 |
| 1.2.3 车辆排队长度检测研究 | 第13-15页 |
| 1.3 研究内容 | 第15-16页 |
| 1.4 技术路线 | 第16-17页 |
| 1.5 本章小结 | 第17-19页 |
| 第2章 摄像机标定 | 第19-37页 |
| 2.1 透视投影成像模型 | 第19-25页 |
| 2.1.1 四种坐标系 | 第19-21页 |
| 2.1.2 针孔成像模型 | 第21-23页 |
| 2.1.3 摄像机的畸变模型 | 第23-25页 |
| 2.1.4 畸变校正模型 | 第25页 |
| 2.2 摄像机标定方法介绍 | 第25-31页 |
| 2.2.1 传统摄像机标定 | 第26-27页 |
| 2.2.2 摄像机自标定 | 第27页 |
| 2.2.3 基于车道标线的标定 | 第27-31页 |
| 2.3 标定实验分析 | 第31-35页 |
| 2.3.1 标定流程 | 第33-34页 |
| 2.3.2 实验结果与分析 | 第34-35页 |
| 2.4 本章小结 | 第35-37页 |
| 第3章 基于视频的车辆排队长度检测 | 第37-51页 |
| 3.1 常用运动目标检测方法 | 第37-43页 |
| 3.1.1 背景初始化与更新 | 第37-38页 |
| 3.1.2 阈值分割方法 | 第38-39页 |
| 3.1.3 背景差分法 | 第39-40页 |
| 3.1.4 帧间差分法 | 第40-41页 |
| 3.1.5 形态学操作 | 第41-42页 |
| 3.1.6 边缘检测算法 | 第42-43页 |
| 3.2 排队长度检测算法 | 第43-49页 |
| 3.2.1 车辆运动状态识别 | 第44-47页 |
| 3.2.2 排队检测算法流程 | 第47-49页 |
| 3.3 实验结果与分析 | 第49-50页 |
| 3.4 本章小结 | 第50-51页 |
| 第4章 车辆排队长度动态预测模型 | 第51-55页 |
| 4.1 交通波理论 | 第51-53页 |
| 4.1.1 交通波分析 | 第51-52页 |
| 4.1.2 停车波与启动波 | 第52-53页 |
| 4.2 排队长度线性预测模型 | 第53页 |
| 4.3 实验结果与分析 | 第53-54页 |
| 4.4 本章小结 | 第54-55页 |
| 第5章 系统设计与实现 | 第55-65页 |
| 5.1 系统开发环境介绍 | 第55页 |
| 5.1.1 Visual Studio 2010 | 第55页 |
| 5.1.2 OpenCV | 第55页 |
| 5.2 系统设计 | 第55-59页 |
| 5.2.1 主要功能设计 | 第55-56页 |
| 5.2.2 工作流程设计 | 第56-58页 |
| 5.2.3 数据库设计 | 第58-59页 |
| 5.3 系统实现 | 第59-64页 |
| 5.3.1 系统初始化 | 第60页 |
| 5.3.2 摄像机标定 | 第60-62页 |
| 5.3.3 系统工作流程 | 第62-64页 |
| 5.4 本章小结 | 第64-65页 |
| 第6章 总结与展望 | 第65-67页 |
| 6.1 总结 | 第65页 |
| 6.2 展望 | 第65-67页 |
| 参考文献 | 第67-71页 |
| 致谢 | 第71-73页 |
| 攻读硕士期间取得的科研成果和参与的项目 | 第73-74页 |
| 学位论文评阅及答辩情况表 | 第74页 |
