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 |