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 |