摘要 | 第4-5页 |
Abstract | 第5-6页 |
第一章 绪论 | 第9-16页 |
1.1 课题研究的背景与意义 | 第9-10页 |
1.2 国内外研究现状 | 第10-13页 |
1.2.1 智能交通系统(ITS)研究现状 | 第10页 |
1.2.2 车辆检测研究现状 | 第10-11页 |
1.2.3 车辆跟踪研究现状 | 第11-12页 |
1.2.4 车辆异常行为检测研究现状 | 第12-13页 |
1.3 当前存在的问题 | 第13-14页 |
1.4 文章结构安排 | 第14-16页 |
第二章 车辆异常行为检测基础 | 第16-25页 |
2.1 交通监控视频中的车辆异常行为检测技术概述 | 第16-17页 |
2.2 视频中运动目标检测算法概述 | 第17-22页 |
2.2.1 帧差法 | 第17-18页 |
2.2.2 背景差分法 | 第18-21页 |
2.2.3 光流法 | 第21-22页 |
2.2.4 运动目标检测算法的比较 | 第22页 |
2.3 MeanShift算法介绍 | 第22-24页 |
2.4 小结 | 第24-25页 |
第三章 运动车辆检测算法研究 | 第25-39页 |
3.1 基于改进Surendra背景差分与三帧差分相结合的车辆检测算法 | 第25-28页 |
3.1.1 基于Surendra的背景更新算法 | 第25-26页 |
3.1.2 Surendra背景更新算法的改进 | 第26-27页 |
3.1.3 三帧差分算法 | 第27-28页 |
3.2 基于改进Surendra背景差分与三帧差分相结合的车辆检测算法 | 第28-29页 |
3.3 实验结果及评价 | 第29-38页 |
3.3.1 几种目标检测算法的比较 | 第30-32页 |
3.3.2 改进Surendra背景差分算法背景建模效果 | 第32-33页 |
3.3.3 基于改进Surendra背景差分与三帧差分相结合的车辆检测算法效果 | 第33-35页 |
3.3.4 光照突变下的车辆目标检测分析 | 第35-37页 |
3.3.5 车辆目标检测算法性能分析 | 第37-38页 |
3.4 本章小结 | 第38-39页 |
第四章 运动车辆跟踪算法研究 | 第39-61页 |
4.1 基于CamShift算法的运动车辆跟踪 | 第39-44页 |
4.1.1 直方图反向投影 | 第40页 |
4.1.2 MeanShift算法优缺点分析 | 第40-41页 |
4.1.3 CamShift目标跟踪算法介绍 | 第41-44页 |
4.1.4 CamShift目标跟踪算法不足分析 | 第44页 |
4.2 结合CamShift与Kalman滤波器的目标跟踪算法 | 第44-52页 |
4.2.1 Kalman滤波器建模 | 第45-47页 |
4.2.2 运用Kalman滤波器进行车辆运动轨迹预测 | 第47-49页 |
4.2.3 结合Kalman预测的CamShift车辆跟踪 | 第49-50页 |
4.2.4 运动车辆遮挡问题的分析 | 第50-52页 |
4.3 实验结果及评价 | 第52-60页 |
4.3.1 普通情况下运动车辆目标跟踪算法结果对比 | 第53-57页 |
4.3.2 车辆遮挡情况跟踪实验 | 第57-60页 |
4.4 本章小结 | 第60-61页 |
第五章 车辆异常行为检测研究 | 第61-78页 |
5.1 车辆轨迹分析与拟合 | 第63-66页 |
5.1.1 车辆运动轨迹的定义 | 第63-64页 |
5.1.2 车辆轨迹预处理 | 第64-65页 |
5.1.3 车辆轨迹的直线拟合 | 第65-66页 |
5.1.4 轨迹拟合在实际中的运动分类 | 第66页 |
5.2 车辆运动方向判断 | 第66-67页 |
5.3 车辆变道行为检测 | 第67-70页 |
5.3.1 Hough变换 | 第68-69页 |
5.3.2 车辆变道行为检测 | 第69-70页 |
5.4 车辆调头行为检测 | 第70-71页 |
5.5 实验结果及评价 | 第71-77页 |
5.5.1 车辆运动轨迹分析、运动方向与逆行判别 | 第71-73页 |
5.5.2 车辆变道行为检测 | 第73-76页 |
5.5.3 车辆调头行为检测 | 第76-77页 |
5.6 本章小结 | 第77-78页 |
第六章 总结与展望 | 第78-80页 |
6.1 论文工作总结 | 第78-79页 |
6.2 未来工作展望 | 第79-80页 |
参考文献 | 第80-83页 |
附录 攻读硕士学位期间撰写的论文 | 第83-84页 |
致谢 | 第84页 |