| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第1章 绪论 | 第8-15页 |
| 1.1 课题研究的目的及意义 | 第8-10页 |
| 1.2 研究现状 | 第10-13页 |
| 1.3 本文组织安排 | 第13页 |
| 1.4 本章小结 | 第13-15页 |
| 第2章 Mean Shift算法 | 第15-27页 |
| 2.1 Mean Shift基本概念 | 第15-22页 |
| 2.1.1 Mean Shift算法的基本原理 | 第15-19页 |
| 2.1.2 传统Mean Shift理论及其扩展形式 | 第19-20页 |
| 2.1.3 Cam shift算法的基本原理 | 第20-22页 |
| 2.2 Mean shift算法实验结果及分析 | 第22-25页 |
| 2.3 本章小结 | 第25-27页 |
| 第3章 基于颜色的改进Mean shift跟踪 | 第27-41页 |
| 3.1 引言 | 第27-30页 |
| 3.2 特征提取 | 第30页 |
| 3.3 传统Mean shift算法 | 第30-32页 |
| 3.3.1 目标模型和候选模型 | 第30-31页 |
| 3.3.2 相似性度量 | 第31页 |
| 3.3.3 实现目标定位 | 第31-32页 |
| 3.4 改进的基于颜色特征mean shift算法 | 第32-33页 |
| 3.5 算法描述以及流程图 | 第33-34页 |
| 3.6 实验结果与分析 | 第34-39页 |
| 3.6.1 实验结果分析 | 第34-39页 |
| 3.6.2 算法性能评估 | 第39页 |
| 3.7 本章小结 | 第39-41页 |
| 第4章 基于多特征的车辆轨迹聚类 | 第41-48页 |
| 4.1 引言 | 第41页 |
| 4.2 常用的聚类算法 | 第41-43页 |
| 4.2.1 k-means聚类算法 | 第42页 |
| 4.2.2 层次聚类算法 | 第42页 |
| 4.2.3 SOM聚类算法 | 第42页 |
| 4.2.4 FCM聚类算法 | 第42-43页 |
| 4.3 基于多特征融合的车辆轨迹聚类 | 第43-45页 |
| 4.3.1 目标特征的提取 | 第43-44页 |
| 4.3.2 轨迹的聚类 | 第44-45页 |
| 4.4 聚类融合 | 第45页 |
| 4.5 异常轨迹判断 | 第45-46页 |
| 4.6 实验结果与分析 | 第46-47页 |
| 4.7 本章小结 | 第47-48页 |
| 第5章 总结与展望 | 第48-50页 |
| 5.1 本文工作总结和创新点 | 第48页 |
| 5.2 未来工作展望 | 第48-50页 |
| 参考文献 | 第50-55页 |
| 攻读硕士学位期间撰写的论文和参加科研情况 | 第55-56页 |
| 一、攻读硕士学位期间撰写的论文 | 第55页 |
| 二、攻读硕士学位期间参加科研情况 | 第55-56页 |
| 致谢 | 第56-57页 |