基于视频图像的人-车碰撞事故识别研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第10-17页 |
| 1.1 研究背景 | 第10-11页 |
| 1.2 研究意义 | 第11-12页 |
| 1.3 国内外研究现状 | 第12-14页 |
| 1.3.1 国外研究现状 | 第12-13页 |
| 1.3.2 国内研究现状 | 第13-14页 |
| 1.4 研究内容 | 第14-17页 |
| 2 交通视频图像相关技术 | 第17-22页 |
| 2.1 交通信息采集技术 | 第17-18页 |
| 2.2 基于视频图像的交通信息采集技术 | 第18-20页 |
| 2.2.1 交通视频图像的获取 | 第18-19页 |
| 2.2.2 交通视频图像的特点 | 第19-20页 |
| 2.3 视频图像的数字化 | 第20-21页 |
| 2.4 本章小结 | 第21-22页 |
| 3 运动目标检测 | 第22-38页 |
| 3.1 运动目标检测技术 | 第22-26页 |
| 3.1.1 常用的运动目标检测算法 | 第22-24页 |
| 3.1.2 常用的背景建模算法 | 第24-26页 |
| 3.2 基于混合高斯模型的运动目标检测 | 第26-29页 |
| 3.2.1 背景建模 | 第26-27页 |
| 3.2.2 背景模型参数更新 | 第27-28页 |
| 3.2.3 背景提取 | 第28页 |
| 3.2.4 运动目标提取 | 第28-29页 |
| 3.3 运动目标阴影去除 | 第29-37页 |
| 3.3.1 基于多特征融合的运动目标阴影去除 | 第30-36页 |
| 3.3.2 实验结果与分析 | 第36-37页 |
| 3.4 本章小结 | 第37-38页 |
| 4 运动目标跟踪 | 第38-52页 |
| 4.1 运动目标跟踪技术 | 第38-40页 |
| 4.1.1 基于特征的跟踪方法 | 第38-39页 |
| 4.1.2 基于模型的跟踪方法 | 第39页 |
| 4.1.3 基于区域的跟踪方法 | 第39页 |
| 4.1.4 基于运动估计的跟踪方法 | 第39-40页 |
| 4.2 基于卡尔曼滤波器运动目标跟踪算法 | 第40-45页 |
| 4.2.1 卡尔曼滤波器的原理 | 第40-42页 |
| 4.2.2 建立卡尔曼滤波器目标跟踪模型 | 第42-45页 |
| 4.3 遮挡情况的研究 | 第45-49页 |
| 4.3.1 遮挡情况分析 | 第45-46页 |
| 4.3.2 遮挡情况判断 | 第46-48页 |
| 4.3.3 遮挡情况处理 | 第48-49页 |
| 4.4 跟踪实验结果与分析 | 第49-51页 |
| 4.5 本章小结 | 第51-52页 |
| 5 人车碰撞事故识别系统实现 | 第52-70页 |
| 5.1 人车碰撞事故识别系统设计 | 第52-60页 |
| 5.1.1 基于有向包围框碰撞检测的原理 | 第52-53页 |
| 5.1.2 基于有向包围框的人车碰撞事故识别算法 | 第53-60页 |
| 5.2 人车碰撞事故识别系统框架搭建 | 第60-67页 |
| 5.2.1 系统框架和工作流程 | 第60-63页 |
| 5.2.2 系统搭建平台和工具 | 第63-65页 |
| 5.2.3 系统界面设计 | 第65-67页 |
| 5.3 系统测试与结果分析 | 第67-69页 |
| 5.4 本章小结 | 第69-70页 |
| 6 总结与展望 | 第70-72页 |
| 6.1 总结 | 第70-71页 |
| 6.2 展望 | 第71-72页 |
| 参考文献 | 第72-75页 |
| 个人简历、在学期间发表的学术论文与研究成果 | 第75-76页 |
| 致谢 | 第76页 |
