| 提要 | 第1-13页 |
| 第1章 绪论 | 第13-29页 |
| ·研究背景和意义 | 第13-18页 |
| ·研究背景 | 第13-17页 |
| ·研究意义 | 第17页 |
| ·课题来源 | 第17-18页 |
| ·交通视频检测技术研究现状 | 第18-25页 |
| ·研究历程 | 第18-19页 |
| ·研究现状 | 第19-23页 |
| ·视频检测技术亟待解决的关键问题 | 第23-25页 |
| ·研究内容 | 第25-27页 |
| ·论文结构 | 第27-29页 |
| 第2章 交通场景映射方法研究 | 第29-50页 |
| ·概述 | 第29-31页 |
| ·摄像机标定基本原理 | 第31-35页 |
| ·四参考坐标系 | 第32-33页 |
| ·摄像机成像模型 | 第33-35页 |
| ·角点检测 | 第35-39页 |
| ·Harris 算子的基本原理和判断准则 | 第35-37页 |
| ·Harris 算子的特点 | 第37页 |
| ·F(?)rstner 定位算子 | 第37-38页 |
| ·基于Harris 算子的子像素级角点检测 | 第38-39页 |
| ·四点参数映射变换 | 第39-41页 |
| ·摄像机标定算法 | 第39-40页 |
| ·二维重建算法 | 第40-41页 |
| ·实验结果分析 | 第41-49页 |
| ·室内实验 | 第41-46页 |
| ·室外实验 | 第46-49页 |
| ·实验结果分析 | 第49页 |
| ·本章小结 | 第49-50页 |
| 第3章 背景模型研究 | 第50-64页 |
| ·概述 | 第50-51页 |
| ·背景初始化 | 第51-54页 |
| ·平滑序列检测 | 第51-52页 |
| ·聚类识别 | 第52-54页 |
| ·背景表达 | 第54-59页 |
| ·混合高斯模型 | 第55-56页 |
| ·模型参数求解 | 第56-59页 |
| ·背景更新 | 第59-61页 |
| ·背景更新模型 | 第59-60页 |
| ·背景估计 | 第60-61页 |
| ·实验结果分析 | 第61-63页 |
| ·背景初始化实验 | 第61-62页 |
| ·背景更新实验 | 第62-63页 |
| ·本章小结 | 第63-64页 |
| 第4章 基于RGB 变化度的自适应阴影检测算法研究 | 第64-78页 |
| ·概述 | 第64-65页 |
| ·图像分割 | 第65-72页 |
| ·图像分割定义 | 第65页 |
| ·图像分割算法分类 | 第65-68页 |
| ·基于分水岭的图象分割方法 | 第68-71页 |
| ·基于标注的分水岭分割方法 | 第71-72页 |
| ·RGB 颜色变化度 | 第72-73页 |
| ·阴影检测算法 | 第73-75页 |
| ·阴影检测模型 | 第73-74页 |
| ·模型参数求解 | 第74-75页 |
| ·实验结果分析 | 第75-76页 |
| ·本章小结 | 第76-78页 |
| 第5章 基于SVM 的混合交通识别分类算法研究 | 第78-100页 |
| ·概述 | 第78-79页 |
| ·SVM 原理 | 第79-85页 |
| ·线性支持向量机 | 第79-83页 |
| ·非线性支持向量机 | 第83-84页 |
| ·多类支持向量机 | 第84-85页 |
| ·特征提取与表达 | 第85-92页 |
| ·特征选择与提取 | 第85-86页 |
| ·特征分类 | 第86-89页 |
| ·混合交通运动目标的特征表达 | 第89-92页 |
| ·混合交通物体识别分类 | 第92-98页 |
| ·训练学习机制 | 第92-94页 |
| ·运动目标分类决策 | 第94-98页 |
| ·实验结果分析 | 第98-99页 |
| ·本章小结 | 第99-100页 |
| 第6章 总结与展望 | 第100-102页 |
| 参考文献 | 第102-108页 |
| 攻读博士学位期间取得的科研成果 | 第108-110页 |
| 致谢 | 第110-111页 |
| 摘要 | 第111-114页 |
| ABSTRACT | 第114-117页 |