摘要 | 第4-6页 |
abstract | 第6-7页 |
第一章 绪论 | 第11-16页 |
1.1 课题研究背景及意义 | 第11-12页 |
1.2 国内外研究现状 | 第12-14页 |
1.2.1 国外研究现状 | 第12-13页 |
1.2.2 国内研究现状 | 第13-14页 |
1.3 本文研究内容 | 第14-15页 |
1.4 论文组织结构 | 第15页 |
1.5 本章小结 | 第15-16页 |
第二章 运动目标检测 | 第16-33页 |
2.1 运动目标检测方法概述 | 第16-18页 |
2.1.1 光流法 | 第16-17页 |
2.1.2 背景差分法 | 第17-18页 |
2.1.3 帧间差分法 | 第18页 |
2.2 车辆目标检测与分割 | 第18-21页 |
2.2.1 车辆轮廓的链码表示 | 第19-20页 |
2.2.2 目标轮廓的提取 | 第20-21页 |
2.2.3 图像的凸集计算 | 第21页 |
2.3 人体目标检测与分割 | 第21-29页 |
2.3.1 角点检测算法 | 第23-25页 |
2.3.2 人体目标分割 | 第25-29页 |
2.4 实验结果及分析 | 第29-32页 |
2.4.1 改进的基于角点检测的车辆目标检测实验结果及分析 | 第29-30页 |
2.4.2 基于帧间差分和角点检测的行人目标检测实验结果及分析 | 第30-32页 |
2.5 本章小结 | 第32-33页 |
第三章 运动目标特征的提取与存储 | 第33-44页 |
3.1 车辆目标特征提取 | 第33-35页 |
3.1.1 目标信息去噪 | 第33-34页 |
3.1.2 车辆目标信息特征点提取 | 第34-35页 |
3.2 基于肢体权重的运动人体目标特征点提取 | 第35-41页 |
3.2.1 肢体权重算法 | 第35-36页 |
3.2.2 人体目标特征点提取 | 第36-41页 |
3.3 目标特征点的存储 | 第41页 |
3.4 实验结果及分析 | 第41-43页 |
3.4.1 车辆目标特征点提取实验结果及分析 | 第41-42页 |
3.4.2 人体目标特征点提取实验结果及分析 | 第42-43页 |
3.5 本章小结 | 第43-44页 |
第四章 运动目标跟踪 | 第44-65页 |
4.1 目标跟踪算法概述 | 第44-45页 |
4.1.1 基于对比分析的运动目标跟踪算法 | 第44页 |
4.1.2 基于匹配的运动目标跟踪算法 | 第44-45页 |
4.1.3 基于运动检测的目标跟踪算法 | 第45页 |
4.2 基于Camshift和Kalman滤波的车辆目标跟踪算法 | 第45-47页 |
4.2.1 Camshift算法 | 第45-46页 |
4.2.2 Kalman滤波算法 | 第46-47页 |
4.2.3 初始化跟踪信息 | 第47页 |
4.3 基于粒子滤波的人体多目标跟踪算法 | 第47-60页 |
4.3.1 贝叶斯滤波原理 | 第48-50页 |
4.3.2 粒子滤波原理 | 第50-55页 |
4.3.3 粒子滤波跟踪算法 | 第55-58页 |
4.3.4 跟踪信息初始化 | 第58-59页 |
4.3.5 多目标跟踪的粒子分配 | 第59-60页 |
4.4 实验结果及分析 | 第60-64页 |
4.5 本章小结 | 第64-65页 |
第五章 基于视频跟踪技术的交通流参数统计算法 | 第65-74页 |
5.1 常用的视频交通流量检测算法 | 第65页 |
5.2 人类统计数目方法的思想 | 第65-66页 |
5.3 结合人类统计数目方法思想的交通流量统计算法 | 第66-70页 |
5.3.1 目标特征点存储序列更新及数目统计过程 | 第66-68页 |
5.3.2 车流量统计 | 第68-69页 |
5.3.3 人流量统计 | 第69-70页 |
5.4 交通流参数统计算法 | 第70-71页 |
5.5 系统设计与实现 | 第71-72页 |
5.5.1 系统设计 | 第71页 |
5.5.2 系统实现 | 第71-72页 |
5.6 实验结果及分析 | 第72-73页 |
5.7 本章小结 | 第73-74页 |
总结与展望 | 第74-76页 |
论文总结 | 第74页 |
研究展望 | 第74-76页 |
参考文献 | 第76-78页 |
攻读学位期间取得的研究成果 | 第78-79页 |
致谢 | 第79页 |