| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 研究背景与意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.2.1 计算机视觉技术研究现状 | 第10页 |
| 1.2.2 基于视觉技术的交通信息提取研究现状 | 第10-12页 |
| 1.3 本文主要研究内容及组织结构 | 第12-13页 |
| 1.4 本章小结 | 第13-15页 |
| 第二章 基于视觉技术的交通信息提取理论基础 | 第15-32页 |
| 2.1 计算机视觉概述 | 第15-16页 |
| 2.2 基于智能监控系统的交通信息提取框架 | 第16-17页 |
| 2.3 数字图像处理方法 | 第17-22页 |
| 2.3.1 数字图像处理概述 | 第17-18页 |
| 2.3.2 空间域图像增强 | 第18-20页 |
| 2.3.3 形态学图像处理 | 第20-22页 |
| 2.4 交通视频背景建模方法 | 第22-26页 |
| 2.4.1 背景建模问题分析 | 第22-23页 |
| 2.4.2 混合高斯背景建模方法 | 第23-25页 |
| 2.4.3 码本背景建模方法 | 第25-26页 |
| 2.5 车辆检测经典算法 | 第26-31页 |
| 2.5.1 帧间差分法 | 第26-27页 |
| 2.5.2 背景差分法 | 第27-28页 |
| 2.5.3 光流法 | 第28-29页 |
| 2.5.4 经典算法实验对比与分析 | 第29-31页 |
| 2.6 本章小结 | 第31-32页 |
| 第三章 运动车辆阴影检测与消除 | 第32-49页 |
| 3.1 运动阴影概述 | 第32-35页 |
| 3.1.1 阴影模型 | 第32-33页 |
| 3.1.2 阴影分类及其对车辆检测精度的影响 | 第33-35页 |
| 3.2 典型阴影消除算法 | 第35-40页 |
| 3.2.1 阴影特性分析 | 第35页 |
| 3.2.2 基于RGB空间的阴影消除算法 | 第35-36页 |
| 3.2.3 基于HSV空间的阴影消除算法 | 第36-37页 |
| 3.2.4 基于YUV空间的阴影消除算法 | 第37-38页 |
| 3.2.5 算法实验对比与分析 | 第38-40页 |
| 3.3 基于PCA的车辆阴影消除算法 | 第40-48页 |
| 3.3.1 Mean Shift算法分割前景区域 | 第40-42页 |
| 3.3.2 PCA算法分析阴影区域方向 | 第42-43页 |
| 3.3.3 阴影区域弱化模型构建 | 第43-45页 |
| 3.3.4 实例验证与评估 | 第45-48页 |
| 3.4 本章小结 | 第48-49页 |
| 第四章 车辆检测鬼影抑制 | 第49-60页 |
| 4.1 鬼影的成因 | 第49-50页 |
| 4.2 一种改进的V-ViBe鬼影抑制算法 | 第50-54页 |
| 4.2.1 ViBe算法原理 | 第50-51页 |
| 4.2.2 改进背景模型的V-ViBe算法 | 第51-54页 |
| 4.3 实例验证与评估 | 第54-59页 |
| 4.4 本章小结 | 第59-60页 |
| 第五章 基于虚拟线圈的交通信息参数提取 | 第60-76页 |
| 5.1 基于车道线识别的虚拟线圈设置 | 第60-67页 |
| 5.1.1 基于颜色特征和霍夫变换的车道线检测算法 | 第60-65页 |
| 5.1.2 虚拟线圈设置 | 第65-67页 |
| 5.2 交通信息参数提取 | 第67-72页 |
| 5.2.1 车速车型检测 | 第67-70页 |
| 5.2.2 车流量统计 | 第70-72页 |
| 5.3 实例验证与评估 | 第72-75页 |
| 5.4 本章小结 | 第75-76页 |
| 第六章 总结与展望 | 第76-78页 |
| 6.1 全文总结 | 第76-77页 |
| 6.2 展望 | 第77-78页 |
| 参考文献 | 第78-81页 |
| 致谢 | 第81-82页 |
| 攻读硕士学位期间参与课题与发表论文情况 | 第82页 |