| 摘要 | 第1-5页 |
| ABSTRACT | 第5-10页 |
| 第一章 绪论 | 第10-22页 |
| ·研究背景 | 第10-12页 |
| ·为什么要使用Linux | 第12-13页 |
| ·自由软件 | 第12页 |
| ·可靠性和性能 | 第12-13页 |
| ·开放标准的支持 | 第13页 |
| ·Linux特性 | 第13-15页 |
| ·完全内存保护 | 第13页 |
| ·虚拟内存 | 第13页 |
| ·完全多用户特性 | 第13-14页 |
| ·支持多处理 | 第14页 |
| ·容易建立的TCP/IP | 第14页 |
| ·与Windows和Macintosh的互操作性 | 第14页 |
| ·Internet服务器软件 | 第14页 |
| ·一流的开发工具 | 第14-15页 |
| ·模块化内核 | 第15页 |
| ·ITS中的车辆检测和车型分类技术 | 第15-19页 |
| ·电磁感应线圈检测技术 | 第15-16页 |
| ·超声波检测分类技术 | 第16页 |
| ·激光检测分类技术 | 第16-17页 |
| ·动态称重技术 | 第17-18页 |
| ·视频检测识别技术 | 第18页 |
| ·基于视频的车辆检测和车型分类技术的发展状况 | 第18-19页 |
| ·论文的主要内容和组织结构 | 第19-22页 |
| 第二章 车辆检测及阴影去除技术 | 第22-47页 |
| ·车辆的检测方法 | 第22-27页 |
| ·基于帧间差分的方法 | 第23-24页 |
| ·基于光流场的方法 | 第24-27页 |
| ·基于背景差分的方法 | 第27页 |
| ·背景建模和更新技术 | 第27-31页 |
| ·基于统计的背景建模 | 第28-29页 |
| ·基于卡尔曼滤波的背景模型 | 第29-30页 |
| ·基于高斯分布的背景模型 | 第30-31页 |
| ·其他背景模型法 | 第31页 |
| ·基于中值像素灰度归类的背景重构算法 | 第31-36页 |
| ·算法步骤 | 第32-34页 |
| ·基于统计分块处理的背景更新方法 | 第34-36页 |
| ·车辆阴影去除技术 | 第36-46页 |
| ·阴影形成的特点 | 第36-37页 |
| ·阴影分割存在的方法 | 第37-42页 |
| ·本文中的阴影去除方法 | 第42-46页 |
| ·小结 | 第46-47页 |
| 第三章 车辆图像处理与特征提取 | 第47-58页 |
| ·图像的后处理 | 第47-52页 |
| ·数学形态学滤波 | 第48-51页 |
| ·区域连通标记 | 第51-52页 |
| ·车型特征的提取 | 第52-57页 |
| ·车型分类的标准 | 第52-54页 |
| ·车型特征的提取 | 第54-57页 |
| ·小结 | 第57-58页 |
| 第四章 基于决策树的车型分类器的设计 | 第58-62页 |
| ·判定树 | 第58-59页 |
| ·CART(classification and regression tree，CART) | 第59-60页 |
| ·本文所用的算法 | 第60-61页 |
| ·小结 | 第61-62页 |
| 第五章 总结与展望 | 第62-64页 |
| ·全文总结 | 第62-63页 |
| ·存在问题及发展方向 | 第63-64页 |
| 参考文献 | 第64-69页 |
| 致谢 | 第69-70页 |
| 硕士期间发表的论文 | 第70页 |