智能交通中车辆检测与跟踪技术的研究
| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-16页 |
| ·智能交通系统概述 | 第10-11页 |
| ·ITS国内外发展历程 | 第11-13页 |
| ·视频检测跟踪技术 | 第13-14页 |
| ·课题目的及难点分析 | 第14-15页 |
| ·课题目的 | 第14页 |
| ·课题难点分析 | 第14-15页 |
| ·论文内容安排 | 第15-16页 |
| 第2章 数字图像处理概述 | 第16-34页 |
| ·视频图像 | 第16-19页 |
| ·分辨率 | 第16页 |
| ·彩色模型 | 第16-19页 |
| ·数字图像基本处理 | 第19-25页 |
| ·图像类型 | 第19-20页 |
| ·图像类型转换 | 第20-21页 |
| ·图像间运算 | 第21-22页 |
| ·灰度直方图 | 第22页 |
| ·图像分割 | 第22-25页 |
| ·数学形态学 | 第25-29页 |
| ·结构元素 | 第25-26页 |
| ·腐蚀和膨胀 | 第26-28页 |
| ·开启和闭合 | 第28-29页 |
| ·区域填充和物体标记 | 第29页 |
| ·图像识别 | 第29-32页 |
| ·特征的提取和选择 | 第30-31页 |
| ·图像描述方法 | 第31页 |
| ·物体的描述 | 第31-32页 |
| ·目标跟踪 | 第32-34页 |
| 第3章 交通视场的背景图像获取算法综述 | 第34-43页 |
| ·运动物体检测算法 | 第34-37页 |
| ·帧差分法 | 第34-35页 |
| ·光流法 | 第35-36页 |
| ·背景差分法 | 第36-37页 |
| ·常用的几种背景模型 | 第37-41页 |
| ·基于高斯分布的背景模型 | 第37-39页 |
| ·Surendra模型 | 第39-40页 |
| ·基于帧差分的自适应背景更新模型 | 第40-41页 |
| ·阈值影响 | 第41-43页 |
| 第4章 车辆检测与跟踪算法设计 | 第43-71页 |
| ·算法结构和算法流程图 | 第43-45页 |
| ·彩色图像的灰度处理 | 第45-46页 |
| ·背景获取和更新算法 | 第46-53页 |
| ·初始背景获取算法 | 第47-49页 |
| ·背景更新算法 | 第49-53页 |
| ·车辆分割及二值化处理 | 第53-54页 |
| ·车辆检测的预处理 | 第54-58页 |
| ·车辆标记及特征值提取 | 第58-59页 |
| ·基于卡尔曼滤波的车辆跟踪 | 第59-71页 |
| ·卡尔曼滤波原理 | 第59-62页 |
| ·运动估计模型及参数设定 | 第62-65页 |
| ·目标匹配 | 第65-66页 |
| ·观测链的更新 | 第66页 |
| ·实验数据 | 第66-71页 |
| 第5章 结论 | 第71-73页 |
| 参考文献 | 第73-77页 |
| 致谢 | 第77-78页 |
| 研究生履历 | 第78页 |
