基于视频的交通流量检测算法研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 1 绪论 | 第9-15页 |
| 1.1 课题研究的背景及意义 | 第9-10页 |
| 1.2 课题的国内外研究现状 | 第10-12页 |
| 1.3 课题的技术难点 | 第12页 |
| 1.4 课题的研究思路与主要内容 | 第12-15页 |
| 2 视频图像处理的基础 | 第15-25页 |
| 2.1 颜色空间模型 | 第15-17页 |
| 2.1.1 RGB颜色空间模型 | 第15-16页 |
| 2.1.2 HSV颜色空间模型 | 第16-17页 |
| 2.2 图像灰度化 | 第17页 |
| 2.3 图像滤波 | 第17-21页 |
| 2.3.1 均值滤波 | 第17-18页 |
| 2.3.2 中值滤波 | 第18页 |
| 2.3.3 频域滤波 | 第18-19页 |
| 2.3.4 小波滤波 | 第19-20页 |
| 2.3.5 形态学滤波 | 第20-21页 |
| 2.4 图像二值化 | 第21-23页 |
| 2.5 本章小结 | 第23-25页 |
| 3 运动车辆检测 | 第25-39页 |
| 3.1 运动车辆检测的常用方法 | 第25-28页 |
| 3.1.1 光流法 | 第25-26页 |
| 3.1.2 帧间差分法 | 第26-27页 |
| 3.1.3 背景差分法 | 第27-28页 |
| 3.2 常用的背景建模方法 | 第28-32页 |
| 3.2.1 多帧平均法 | 第28页 |
| 3.2.2 核密度估计法 | 第28-29页 |
| 3.2.3 单高斯模型法 | 第29-30页 |
| 3.2.4 混合高斯模型法 | 第30-32页 |
| 3.3 基于动态环境的混合高斯模型检测算法 | 第32-34页 |
| 3.3.1 动态环境下背景模型更新 | 第32-33页 |
| 3.3.2 光线突变检测 | 第33-34页 |
| 3.4 实验结果与分析 | 第34-38页 |
| 3.5 本章小结 | 第38-39页 |
| 4 运动车辆阴影去除 | 第39-49页 |
| 4.1 阴影特性 | 第39-41页 |
| 4.2 现有的运动阴影消除算法 | 第41-44页 |
| 4.2.1 基于颜色特征的阴影去除 | 第41-43页 |
| 4.2.2 基于边缘比率特性的阴影去除 | 第43-44页 |
| 4.3 基于运动阴影属性和纹理特性的阴影去除算法 | 第44-47页 |
| 4.3.1 基于邻域光照强度比值不变的阴影去除 | 第45-46页 |
| 4.3.2 基于C1C2C3模型的阴影去除 | 第46页 |
| 4.3.3 算法步骤描述 | 第46-47页 |
| 4.4 实验结果与分析 | 第47页 |
| 4.5 本章小结 | 第47-49页 |
| 5 基于虚拟线圈的车流量检测方法 | 第49-55页 |
| 5.1 车流量检测模型 | 第49-50页 |
| 5.2 虚拟线圈的检测原理与设置 | 第50-52页 |
| 5.3 改进的虚拟线圈检测算法 | 第52-54页 |
| 5.4 实验结果与分析 | 第54页 |
| 5.5 本章小结 | 第54-55页 |
| 6 全文总结及展望 | 第55-57页 |
| 6.1 全文总结 | 第55页 |
| 6.2 展望 | 第55-57页 |
| 致谢 | 第57-59页 |
| 参考文献 | 第59-63页 |
| 个人简历、在学期间发表的学术论文及取得的研究成果 | 第63页 |
