首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

基于智能监控下的车辆检测与跟踪

摘要第5-6页
Abstract第6-7页
第1章 绪论第13-21页
    1.1 课题研究背景及意义第13-14页
    1.2 国内外研究现状及存在问题第14-18页
        1.2.1 运动目标检测方法的研究现状第16-17页
        1.2.2 运动目标跟踪方法的研究状况第17-18页
    1.3 交通道路监控系统的结构和功能第18页
    1.4 研究的主要内容及论文结构安排第18-21页
        1.4.1 研究的主要内容第18-19页
        1.4.2 论文结构安排第19-21页
第2章 运动车辆检测方法研究第21-39页
    2.1 图像预处理第21-25页
        2.1.1 均值滤波第21-22页
        2.1.2 中值滤波第22-24页
        2.1.3 高斯滤波第24-25页
    2.2 运动车辆检测的基本算法第25-27页
        2.2.1 帧差分法第25-26页
        2.2.2 背景差分法第26-27页
    2.3 基于LBP纹理相似性分析的车辆检测第27-31页
        2.3.1 LBP纹理特征第27-29页
        2.3.2 改进的LBP纹理特征第29-30页
        2.3.3 N-LBP纹理相似性分析第30-31页
    2.4 基于高斯混合模型的背景提取及更新第31-33页
    2.5 二值图像形态学处理第33-35页
        2.5.1 膨胀与腐蚀第34页
        2.5.2 开运算和闭运算第34-35页
    2.6 车辆检测实验流程、结果及分析第35-38页
    2.7 本章小结第38-39页
第3章 车辆的阴影检测第39-48页
    3.1 阴影的产生机理及基本特征第39-40页
    3.2 本文提出的阴影检测算法第40-46页
        3.2.1 RGB空间颜色组成不变性第40-42页
        3.2.2 光照模型第42-45页
        3.2.3 区域邻域像素相关性第45-46页
    3.3 本章小结第46-48页
第4章 运动车辆跟踪方法研究第48-68页
    4.1 传统Camshift跟踪算法原理第48-53页
        4.1.1 核函数密度估计第50页
        4.1.2 Meanshift向量第50-51页
        4.1.3 传统Camshift算法的匹配规则及策略第51-53页
    4.2 基于传统Camshift算法的车辆跟踪第53-56页
        4.2.1 颜色直方图第54页
        4.2.2 反向投影图第54-55页
        4.2.3 Camshift算法实现第55-56页
    4.3 基于改进后的Camshift算法的运动车辆跟踪第56-67页
        4.3.1 基于金字塔的L-K稀疏光流第57-59页
        4.3.2 联合直方图第59-61页
        4.3.3 空间概率与特征结合的反向投影图第61-62页
        4.3.4 对比实验结果及分析第62-65页
        4.3.5 各种场景下的跟踪实验第65-67页
    4.4 本章小结第67-68页
第5章 交通参数的提取及车辆行为的分析第68-71页
    5.1 交通参数的提取第68-69页
    5.2 车辆行为分析第69-70页
    5.3 本章小结第70-71页
第6章 结论第71-73页
    6.1 总结第71页
    6.2 展望第71-73页
参考文献第73-76页
致谢第76-77页
附录A (攻读学位期间所发表的学术论文目录)第77页

论文共77页,点击 下载论文
上一篇:重复的空间--浅析“空间营造”在艺术创作中的应用
下一篇:基于ETL的教学质量监管系统设计与实现