| 中文摘要 | 第3-4页 |
| 英文摘要 | 第4-5页 |
| 1 绪论 | 第9-17页 |
| 1.1 研究背景 | 第9-10页 |
| 1.2 国内外研究现状与课题的提出 | 第10-15页 |
| 1.2.1 基于视频的高速公路车速检测技术研究现状 | 第10-13页 |
| 1.2.2 研究现状分析与课题的提出 | 第13-15页 |
| 1.3 课题的研究意义 | 第15页 |
| 1.4 研究的主要内容及论文章节安排 | 第15-17页 |
| 2 基于视频的高速公路车速检测关键技术与方案 | 第17-29页 |
| 2.1 高速公路场景特点及视频测速难点 | 第17-19页 |
| 2.1.1 高速公路场景下的视频图像特点 | 第17-18页 |
| 2.1.2 视频测速原理及难点 | 第18-19页 |
| 2.2 基于视频的高速公路车速检测关键技术 | 第19-24页 |
| 2.2.1 图像距离标定 | 第19-22页 |
| 2.2.2 车辆图像距离检测 | 第22-24页 |
| 2.3 基于视频的高速公路车速检测方案 | 第24-27页 |
| 2.3.1 基于车道线信息的图像距离自动标定方案 | 第25-26页 |
| 2.3.2 基于背景差分的车辆目标提取方案 | 第26-27页 |
| 2.3.3 高速公路车辆角点检测与匹配方案 | 第27页 |
| 2.4 本章小结 | 第27-29页 |
| 3 基于车道线的车道区域自动提取及图像距离自动标定 | 第29-51页 |
| 3.1 高速公路车道线标准 | 第29-30页 |
| 3.2 影响车道线检测的噪声 | 第30页 |
| 3.3 图像滤波去噪 | 第30-32页 |
| 3.4 基于Hough变换的车道边缘线提取 | 第32-36页 |
| 3.4.1 边缘检测 | 第32-34页 |
| 3.4.2 Hough变换 | 第34-36页 |
| 3.5 基于自校正二值化阈值的车道虚线提取 | 第36-42页 |
| 3.6 车道区域自动提取 | 第42-43页 |
| 3.7 基于车道线信息的图像距离自动标定 | 第43-48页 |
| 3.7.1 本文采用的标定模型 | 第43-46页 |
| 3.7.2 实验结果与分析 | 第46-48页 |
| 3.8 自动标定算法的适用场景 | 第48-49页 |
| 3.9 本章小结 | 第49-51页 |
| 4 基于背景差分的车辆目标提取 | 第51-67页 |
| 4.1 背景建模 | 第51-57页 |
| 4.1.1 典型的背景建模方法 | 第51-54页 |
| 4.1.2 基于非参数核密度的背景建模方法 | 第54-57页 |
| 4.2 背景更新 | 第57-59页 |
| 4.3 车辆目标提取 | 第59-65页 |
| 4.3.1 背景差分 | 第59-60页 |
| 4.3.2 形态学去噪 | 第60-61页 |
| 4.3.3 连通域分析 | 第61-63页 |
| 4.3.4 车辆分裂与融合问题处理 | 第63-65页 |
| 4.4 本章小结 | 第65-67页 |
| 5 角点检测与匹配方法及测速实验 | 第67-91页 |
| 5.1 典型的基于亮度信息的角点检测方法 | 第67-71页 |
| 5.1.1 Moravec角点检测 | 第67-68页 |
| 5.1.2 Harris角点检测 | 第68-69页 |
| 5.1.3 SUSAN角点检测 | 第69-71页 |
| 5.2 提出的运动车辆角点检测方法 | 第71-75页 |
| 5.2.1 融合USAN分布信息的SUSAN角点检测优化算法 | 第71-74页 |
| 5.2.2 角点筛选 | 第74-75页 |
| 5.3 角点匹配 | 第75-80页 |
| 5.3.1 结合车辆运动矢量信息的角点粗匹配 | 第76-78页 |
| 5.3.2 角点精匹配 | 第78-79页 |
| 5.3.3 角点匹配结果分析 | 第79-80页 |
| 5.4 测速实验结果与分析 | 第80-90页 |
| 5.4.1 实验算法流程 | 第81-82页 |
| 5.4.2 高速公路视频测速实验与结果分析 | 第82-89页 |
| 5.4.3 车速检测误差分析 | 第89-90页 |
| 5.5 本章小结 | 第90-91页 |
| 6 总结与展望 | 第91-93页 |
| 致谢 | 第93-95页 |
| 参考文献 | 第95-101页 |
| 附录 | 第101页 |
| A. 作者在攻读学位期间参与的科研项目 | 第101页 |
