| 摘要 | 第8-9页 |
| Abstract | 第9页 |
| 第1章 绪论 | 第10-15页 |
| 1.1 研究背景 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.3 本文主要研究内容 | 第13-14页 |
| 1.4 论文结构 | 第14-15页 |
| 第2章 基于贝叶斯模型的车辆检测算法 | 第15-27页 |
| 2.1 常用的检测算法分析 | 第15-18页 |
| 2.1.1 光流法 | 第15-16页 |
| 2.1.2 帧间差分法 | 第16-17页 |
| 2.1.3 背景差分法 | 第17页 |
| 2.1.4 检测算法总结 | 第17-18页 |
| 2.2 背景建模 | 第18-25页 |
| 2.2.1 混合高斯模型 | 第18-20页 |
| 2.2.2 贝叶斯模型 | 第20页 |
| 2.2.3 非参数估计理论 | 第20-22页 |
| 2.2.4 贝叶斯决策在车辆检测中的应用 | 第22页 |
| 2.2.5 先验概率的获取 | 第22-24页 |
| 2.2.6 检测算法步骤 | 第24-25页 |
| 2.3 本章总结 | 第25-27页 |
| 第3章 运动车辆跟踪 | 第27-41页 |
| 3.1 车辆跟踪的概述 | 第27-28页 |
| 3.2 运动目标特征分析 | 第28页 |
| 3.3 常见的运动目标跟踪算法 | 第28-32页 |
| 3.3.1 基于特征的跟踪方法 | 第29页 |
| 3.3.2 基于变形模型的跟踪方法 | 第29-31页 |
| 3.3.3 基于区域的跟踪方法 | 第31页 |
| 3.3.4 基于团块的目标跟踪 | 第31-32页 |
| 3.4 卡尔曼（Kalman）滤波器 | 第32-34页 |
| 3.5 基于区域特征和卡尔曼滤波器相结合的团块跟踪 | 第34-40页 |
| 3.5.1 目标中心和面积特征的计算 | 第35-36页 |
| 3.5.2 Kalman 运动估计模型设计 | 第36-37页 |
| 3.5.3 基于车流的交通线中心提取 | 第37-38页 |
| 3.5.4 目标匹配 | 第38-39页 |
| 3.5.5 模型更新 | 第39-40页 |
| 3.6 本章小结 | 第40-41页 |
| 第4章 软件设计 | 第41-50页 |
| 4.1 OpenCV 介绍 | 第41页 |
| 4.2 系统总体设计 | 第41-42页 |
| 4.3 基本的数据结构 | 第42-47页 |
| 4.4 系统实现结果 | 第47-49页 |
| 4.5 本章小结 | 第49-50页 |
| 第5章 总结和展望 | 第50-51页 |
| 5.1 论文总结 | 第50页 |
| 5.2 工作展望 | 第50-51页 |
| 参考文献 | 第51-53页 |
| 硕士期间发表论文及科研工作 | 第53-54页 |
| 致谢 | 第54-55页 |
| 附录 | 第55-57页 |