复杂环境下基于图像特征的交通事件检测算法研究
摘要 | 第5-6页 |
Abstract | 第6-7页 |
第一章 绪论 | 第10-17页 |
1.1 研究背景和意义 | 第10-11页 |
1.2 国内外研究现状 | 第11-14页 |
1.2.1 目标检测算法 | 第12-13页 |
1.2.2 背景差分算法 | 第13-14页 |
1.3 本文研究的主要内容 | 第14-16页 |
1.4 本章小结 | 第16-17页 |
第二章 相关理论知识 | 第17-28页 |
2.1 机器学习算法概述 | 第17页 |
2.2 K-Means聚类 | 第17-19页 |
2.2.1 K-Means概念及约束条件 | 第17-18页 |
2.2.2 K-Means算法的实现 | 第18-19页 |
2.3 高斯卷积 | 第19-20页 |
2.3.1 高斯分布 | 第19-20页 |
2.3.2 高斯卷积 | 第20页 |
2.4 主成分分析 | 第20-24页 |
2.4.1 最大方差公式 | 第21-22页 |
2.4.2 最小误差公式 | 第22-24页 |
2.5 卡尔曼滤波器 | 第24-26页 |
2.6 本章小结 | 第26-28页 |
第三章 监控环境识别算法研究 | 第28-45页 |
3.1 环境信息采集 | 第28-29页 |
3.2 日夜切换 | 第29-33页 |
3.2.1 日夜切换特征选取 | 第29-30页 |
3.2.2 日夜切换特征匹配 | 第30-33页 |
3.3 雨天识别 | 第33-44页 |
3.3.1 白天雨天识别 | 第33-37页 |
3.3.2 夜间雨天识别 | 第37-44页 |
3.4 本章小结 | 第44-45页 |
第四章 目标检测算法研究 | 第45-58页 |
4.1 背景采集及更新 | 第45-47页 |
4.1.1 背景采集 | 第45-46页 |
4.1.2 背景更新 | 第46-47页 |
4.2 背景差分图像优化 | 第47-49页 |
4.3 差分图像二值化阈值确定 | 第49-52页 |
4.4 二值化目标检测及环境优化 | 第52-56页 |
4.5 本章小结 | 第56-58页 |
第五章 交通事件检测算法研究 | 第58-69页 |
5.1 目标跟踪检测 | 第58-59页 |
5.2 交通事件检测 | 第59-68页 |
5.2.1 跟踪目标类事件检测 | 第60-62页 |
5.2.2 非跟踪目标类事件检测 | 第62-68页 |
5.3 本章小结 | 第68-69页 |
第六章 工程应用 | 第69-77页 |
6.1 系统架构 | 第69-70页 |
6.2 系统测试效果 | 第70-72页 |
6.3 复杂环境系统检测效果 | 第72-76页 |
6.4 本章小结 | 第76-77页 |
结论与展望 | 第77-79页 |
主要结论 | 第77-78页 |
进一步研究和设想 | 第78-79页 |
参考文献 | 第79-83页 |
攻读硕士学位期间取得的研究成果 | 第83-84页 |
致谢 | 第84-85页 |
附件 | 第85页 |