| 摘要 | 第1-6页 |
| Abstract | 第6-8页 |
| 目录 | 第8-10页 |
| 第1章 绪论 | 第10-16页 |
| ·研究背景与意义 | 第10-12页 |
| ·国内外研究现状 | 第12-14页 |
| ·国外研究现状 | 第12-13页 |
| ·国内研究现状 | 第13-14页 |
| ·本文的主要研究工作 | 第14-16页 |
| 第2章 城市交通环境下运动目标检测 | 第16-34页 |
| ·常用运动目标检测算法 | 第16-21页 |
| ·帧间差分法 | 第16-18页 |
| ·光流法 | 第18-20页 |
| ·背景差分法 | 第20-21页 |
| ·背景提取与背景更新 | 第21-26页 |
| ·基于 IPM 视角变换的统计直方图背景提取 | 第21-25页 |
| ·自适应背景更新方法 | 第25-26页 |
| ·目标分割与阴影处理 | 第26-33页 |
| ·目标分割 | 第26-31页 |
| ·阴影处理 | 第31-33页 |
| ·本章小结 | 第33-34页 |
| 第3章 多特征联合的尺度空间 Mean-Shift 多目标跟踪 | 第34-48页 |
| ·常用目标跟踪算法 | 第34-36页 |
| ·基于特征的目标跟踪 | 第34-35页 |
| ·基于区域的目标跟踪 | 第35-36页 |
| ·基于 3D 模型的目标跟踪 | 第36页 |
| ·多特征联合提取技术 | 第36-41页 |
| ·颜色特征 | 第36-38页 |
| ·HOG 特征 | 第38-40页 |
| ·多特征提取技术 | 第40-41页 |
| ·多特征联合的尺度空间 Mean-Shift 多目标跟踪 | 第41-47页 |
| ·多特征联合的尺度空间 Mean-Shift 多目标跟踪算法 | 第42-44页 |
| ·基于 Kalman 滤波的遮挡补偿算法 | 第44-47页 |
| ·本章小结 | 第47-48页 |
| 第4章 基于混合模式匹配的城市交通异常事件检测 | 第48-62页 |
| ·轨迹预处理 | 第48-49页 |
| ·运动轨迹混合模式学习 | 第49-56页 |
| ·运动轨迹空间模式学习 | 第49-54页 |
| ·运动轨迹方向模式学习 | 第54-56页 |
| ·混合模式匹配的异常事件检测 | 第56-61页 |
| ·KNN 分类算法 | 第56-57页 |
| ·运动轨迹空间模式匹配 | 第57-58页 |
| ·运动轨迹方向模式匹配 | 第58-59页 |
| ·混合模式匹配的异常行为分析 | 第59-61页 |
| ·本章小结 | 第61-62页 |
| 第5章 实验结果与分析 | 第62-68页 |
| ·变道事件检测 | 第62-65页 |
| ·逆行事件检测 | 第65-67页 |
| ·本章小结 | 第67-68页 |
| 第6章 总结与展望 | 第68-70页 |
| ·总结 | 第68-69页 |
| ·展望 | 第69-70页 |
| 参考文献 | 第70-74页 |
| 在学期间研究成果 | 第74-76页 |
| 致谢 | 第76-77页 |
