| 摘要 | 第1-7页 |
| Abstract | 第7-22页 |
| 第1章 绪论 | 第22-40页 |
| ·课题来源 | 第22-23页 |
| ·研究背景及意义 | 第23-25页 |
| ·研究现状 | 第25-34页 |
| ·摄像机标定 | 第27-28页 |
| ·背景模型 | 第28页 |
| ·目标分割 | 第28-30页 |
| ·目标分类及识别 | 第30-32页 |
| ·目标跟踪 | 第32-34页 |
| ·亟待解决的问题 | 第34-37页 |
| ·研究内容框架 | 第37-40页 |
| 第2章 交通场景映射技术 | 第40-60页 |
| ·概述 | 第40-42页 |
| ·基于像素角映射的摄像机标定算法 | 第42-51页 |
| ·图像像素-像素角映射模型 | 第42-49页 |
| ·像素角-平面坐标映射模型 | 第49-51页 |
| ·可视角快捷标定方法 | 第51-52页 |
| ·高度和倾角逆标定 | 第52-53页 |
| ·现场标定及结果分析 | 第53-58页 |
| ·室内场景实验 | 第53-55页 |
| ·室外场景实验 | 第55-58页 |
| ·本章小结 | 第58-60页 |
| 第3章 混合交通前景信息提取及补偿技术 | 第60-92页 |
| ·概述 | 第60-62页 |
| ·PWH 背景模型 | 第62-70页 |
| ·PWH 算子 | 第64-65页 |
| ·背景初始化 | 第65-66页 |
| ·背景图像提取效果对比 | 第66-70页 |
| ·结合历史信息的前景边缘分割算法 | 第70-78页 |
| ·边缘检测算法 | 第70-72页 |
| ·边缘历史信息的建立及背景边缘的更新 | 第72-73页 |
| ·结合历史信息的前景边缘分割算法 | 第73-75页 |
| ·前景边缘提取效果验证 | 第75-78页 |
| ·融合边缘和差分信息的前景轮廓补偿算法 | 第78-83页 |
| ·基于融合信息的种子点生长法 | 第78-81页 |
| ·前景轮廓补偿效果验证 | 第81-83页 |
| ·复杂条件下的前景提取算法 | 第83-90页 |
| ·剔除阴影影响的前景提取算法 | 第83-87页 |
| ·适应夜间环境的前景提取算法 | 第87-90页 |
| ·小结 | 第90-92页 |
| 第4章 混合交通前景快速分类识别技术 | 第92-114页 |
| ·概述 | 第92-94页 |
| ·混合交通前景特征选择 | 第94-101页 |
| ·传统分类特征介绍 | 第94-98页 |
| ·基于差分的偏心矩向量特征 | 第98-101页 |
| ·边缘偏心率特征 | 第101-104页 |
| ·基于 ELM 的混合交通快速分类识别算法 | 第104-108页 |
| ·分类器概述 | 第104-107页 |
| ·ELM 原理及快速训练决策机制 | 第107-108页 |
| ·前景分类及识别效果实例验证 | 第108-111页 |
| ·小结 | 第111-114页 |
| 第5章 混合交通多目标跟踪及遮挡处理技术 | 第114-146页 |
| ·概述 | 第114-116页 |
| ·无遮挡条件下多目标运动预测与跟踪 | 第116-122页 |
| ·混合交通前景目标遮挡处理方法 | 第122-133页 |
| ·遮挡预测 | 第124页 |
| ·SIFT 算子及其匹配原理 | 第124-128页 |
| ·基于 PCA-SIFT 的快速匹配 | 第128-130页 |
| ·变换估计模型和匹配提纯 | 第130-132页 |
| ·基于 PCA-SIFT 匹配的遮挡处理 | 第132-133页 |
| ·结合 Kalman 滤波预测和 PCA-SIFT 匹配的多目标跟踪算法实现 | 第133-138页 |
| ·混合交通参数提取 | 第138-145页 |
| ·流量及方向信息提取 | 第138-141页 |
| ·多目标轨迹及速度提取 | 第141-145页 |
| ·小结 | 第145-146页 |
| 第6章 总结及展望 | 第146-152页 |
| ·工作总结 | 第146-148页 |
| ·创新成果 | 第148-150页 |
| ·研究展望 | 第150-152页 |
| 参考文献 | 第152-169页 |
| 作者简介及研究成果 | 第169-174页 |
| 致谢 | 第174-176页 |