| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-14页 |
| 1.1 研究背景与意义 | 第9-10页 |
| 1.2 研究现状与趋势 | 第10-11页 |
| 1.3 论文主要内容与章节安排 | 第11-14页 |
| 2 系统需求分析 | 第14-16页 |
| 2.1 系统的功能说明 | 第14页 |
| 2.2 系统的资源说明 | 第14-16页 |
| 3 运动目标检测算法实现 | 第16-39页 |
| 3.1 图像预处理技术 | 第16-26页 |
| 3.1.1 去除噪声处理 | 第16-24页 |
| 3.1.2 形态学操作 | 第24-26页 |
| 3.2 运动目标检测概述 | 第26-30页 |
| 3.2.1 运动目标检测算法 | 第26-29页 |
| 3.2.2 算法比较 | 第29-30页 |
| 3.3 运动目标检测算法实现 | 第30-37页 |
| 3.3.1 背景模型初始化 | 第30-31页 |
| 3.3.2 背景模型更新 | 第31-32页 |
| 3.3.3 背景模型更新算法改进 | 第32-33页 |
| 3.3.4 连通区域检测 | 第33-37页 |
| 3.4 算法实现效果与小结 | 第37-39页 |
| 4 车辆识别 | 第39-49页 |
| 4.1 车辆识别概述 | 第39页 |
| 4.2 常用特征描述算子概述 | 第39-43页 |
| 4.2.1 Haar特征 | 第39-40页 |
| 4.2.2 HOG特征 | 第40-43页 |
| 4.3 常用分类器概述 | 第43-46页 |
| 4.3.1 KNN算法 | 第43页 |
| 4.3.2 神经网络算法 | 第43-44页 |
| 4.3.3 支持向量机算法 | 第44-46页 |
| 4.4 车辆识别算法实现 | 第46-48页 |
| 4.5 本章小结 | 第48-49页 |
| 5 运动目标跟踪算法实现 | 第49-62页 |
| 5.1 运动目标跟踪概述 | 第49-54页 |
| 5.1.1 MeanShift跟踪算法 | 第49-52页 |
| 5.1.2 Kalman滤波 | 第52-53页 |
| 5.1.3 算法比较 | 第53-54页 |
| 5.2 车辆跟踪算法 | 第54-60页 |
| 5.2.1 基于直方图的Meanshift跟踪算法 | 第55-58页 |
| 5.2.2 结合车辆面积与速度进行辅助跟踪 | 第58-60页 |
| 5.3 算法实现效果与小结 | 第60-62页 |
| 6 车辆检测与跟踪系统的实现 | 第62-68页 |
| 6.1 车辆检测与跟踪系统概述 | 第62页 |
| 6.2 系统架构与流程图 | 第62-64页 |
| 6.3 系统实现效果与分析 | 第64-67页 |
| 6.4 系统总结 | 第67-68页 |
| 7 总结与展望 | 第68-70页 |
| 7.1 总结 | 第68页 |
| 7.2 展望 | 第68-70页 |
| 参考文献 | 第70-74页 |
| 附录A 图索引 | 第74-76页 |
| 致谢 | 第76页 |