| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-15页 |
| 1.1 研究工作的背景与意义 | 第10-11页 |
| 1.2 基于机器视觉的交通流量统计方法的国内外研究历史与现状 | 第11-13页 |
| 1.3 本文的主要贡献与创新 | 第13-14页 |
| 1.4 本论文的结构安排 | 第14-15页 |
| 第二章 交通流量统计中的目标识别方法 | 第15-33页 |
| 2.1 基于特征提取的精确目标识别 | 第15-25页 |
| 2.1.1 基于手工特征提取的目标识别 | 第15-22页 |
| 2.1.1.1 基于Haar特征的目标识别 | 第15-20页 |
| 2.1.1.2 基于LBP特征的目标识别 | 第20-22页 |
| 2.1.2 基于自动特征提取的精确目标识别 | 第22-25页 |
| 2.1.2.1 卷积 | 第23页 |
| 2.1.2.2 卷积神经网络 | 第23-25页 |
| 2.2 基于背景建模的模糊目标识别 | 第25-31页 |
| 2.2.1 基本方法 | 第26页 |
| 2.2.2 统计方法 | 第26-27页 |
| 2.2.3 基于人工神经网络的方法 | 第27-30页 |
| 2.2.4 非参数估计方法 | 第30-31页 |
| 2.3 本章小结 | 第31-33页 |
| 第三章 基于目标区域的交通流量统计方法 | 第33-53页 |
| 3.1 目标区域的计算 | 第35-41页 |
| 3.1.1 绘制虚拟线框 | 第36-38页 |
| 3.1.2 获得目标区域 | 第38-41页 |
| 3.2 基于混合背景建模的目标识别 | 第41-43页 |
| 3.3 计数及跟踪 | 第43-51页 |
| 3.4 本章小结 | 第51-53页 |
| 第四章 实验结果与分析 | 第53-71页 |
| 4.1 数据集 | 第53-54页 |
| 4.2 评价指标 | 第54-55页 |
| 4.3 实验结果 | 第55-70页 |
| 4.3.1 目标识别实验结果 | 第56-67页 |
| 4.3.2 识别及计数的评价 | 第67-70页 |
| 4.4 本章小结 | 第70-71页 |
| 第五章 全文总结与展望 | 第71-74页 |
| 5.1 全文总结 | 第71-72页 |
| 5.2 后续工作展望 | 第72-74页 |
| 致谢 | 第74-75页 |
| 参考文献 | 第75-80页 |
| 攻读硕士学位期间取得的成果 | 第80-81页 |