首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

基于交通监控视频的运动目标检测与跟踪算法研究

摘要第1-5页
ABSTRACT第5-10页
第一章 绪论第10-17页
   ·本课题的研究背景及意义第10-11页
   ·课题相关领域的研究现状第11-15页
     ·智能交通系统发展的国内外现状第11-12页
     ·运动目标检测与跟踪的研究现状第12-15页
       ·运动目标检测第12-13页
       ·运动目标跟踪第13-14页
       ·存在的主要问题第14-15页
   ·本文的主要创新点及结构安排第15-17页
     ·本文的主要创新点第15-16页
     ·本文的章节安排第16-17页
第二章 运动目标检测算法介绍第17-28页
   ·运动目标检测算法第17-22页
     ·光流法第17-18页
     ·帧间差分法第18-19页
     ·背景减除法第19-20页
     ·AdaBoost 算法第20-21页
     ·本文选用算法第21-22页
   ·典型的背景建模算法第22-27页
     ·均值滤波法第22-23页
     ·基于参数密度估计的背景建模第23-25页
     ·基于非参数密度估计的背景建模第25-27页
   ·本章小结第27-28页
第三章 本文运动目标检测策略第28-52页
   ·背景建模算法第28-36页
     ·ECD 背景建模算法原理第28-31页
     ·ECD 背景建模算法实现第31-36页
       ·Mean Shift 算法介绍第31-34页
       ·ECD 建模的具体求解第34-36页
   ·背景更新算法第36-41页
     ·IIR 背景更新算法介绍第36-38页
     ·改进IIR 背景更新算法第38-41页
     ·背景更新算法的选择策略第41页
   ·图像分割算法第41-45页
     ·KSW 熵阈值分割算法原理第41-42页
     ·改进的KSW 熵阈值分割第42-45页
   ·阴影检测及形态学处理第45-48页
     ·阴影检测与消除第45-47页
     ·图像形态学处理第47-48页
   ·目标外接矩形提取第48-49页
   ·运动目标检测算法实验结果第49-50页
   ·本章小结第50-52页
第四章 运动目标跟踪算法研究第52-69页
   ·视频跟踪理论概述第52-57页
     ·两大理论框架第52-53页
     ·常用跟踪算法第53-56页
       ·Mean Shift 跟踪算法第53-55页
       ·Kalman 滤波跟踪算法第55-56页
     ·本文跟踪思路第56-57页
   ·基于灰色预测模型的目标预测第57-60页
     ·GM(1,1)预测模型第57-58页
     ·改进的GM(1,1)预测模型第58-60页
   ·目标的多特征匹配跟踪第60-65页
     ·跟踪区域设置第60-61页
     ·目标特征匹配第61-64页
       ·角点特征匹配第61-63页
       ·全局特征匹配第63-64页
     ·匹配实验结果第64-65页
   ·基于视频的交通参数的获取第65-66页
     ·车流量第65-66页
     ·车辆速度第66页
     ·车辆运行轨迹第66页
   ·运动目标跟踪算法实验结果第66-68页
   ·本章小结第68-69页
第五章 系统设计与实现第69-78页
   ·系统硬件设备与软件开发平台第69-70页
     ·系统硬件平台第69-70页
     ·软件开发平台第70页
   ·OPENCV 目标跟踪框架介绍第70-77页
     ·前景检测模块第70-71页
     ·新团块检测模块第71页
     ·团块跟踪模块第71-72页
     ·轨迹生成模块第72-73页
     ·轨迹后处理模块第73-74页
     ·跟踪流程处理模块第74-75页
     ·自定义功能模块添加第75-77页
       ·自定义运动检测模块第75页
       ·自定义运动跟踪模块第75-76页
       ·软件运行界面第76-77页
   ·本章小结第77-78页
第六章 全文总结与展望第78-80页
   ·论文工作总结第78页
   ·下一步研究展望第78-80页
参考文献第80-86页
致谢第86-87页
攻读学位期间的研究成果第87页

论文共87页,点击 下载论文
上一篇:ERP人性化设计研究及其系统开发与实践
下一篇:群体智能优化算法的研究及应用