| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第9-17页 |
| 1.1 课题研究背景和意义 | 第9-10页 |
| 1.2 高速公路运行中存在的问题 | 第10-12页 |
| 1.2.1 交通事件 | 第11页 |
| 1.2.2 环境与能源问题 | 第11-12页 |
| 1.3 高速公路交通事件检测算法国内外研究现状 | 第12-14页 |
| 1.4 论文研究内容 | 第14-15页 |
| 1.5 论文结构安排及依托项目 | 第15-17页 |
| 1.5.1 论文架构 | 第15页 |
| 1.5.2 依托项目 | 第15-17页 |
| 第二章 高速公路交通事件检测理论研究 | 第17-24页 |
| 2.1 交通事件 | 第17页 |
| 2.2 几种常见的交通检测器 | 第17-20页 |
| 2.3 交通检测系统处理技术 | 第20-21页 |
| 2.3.1 交通视频的检测技术 | 第20页 |
| 2.3.2 线圈检测器的交通检测技术 | 第20-21页 |
| 2.4 系统的组成及其工作流程 | 第21-23页 |
| 2.5 本章小结 | 第23-24页 |
| 第三章 交通检测器的优化布设 | 第24-38页 |
| 3.1 交通检测器优化布设概述 | 第24-29页 |
| 3.1.1 交通检测器优化布设的目的意义 | 第24-25页 |
| 3.1.2 交通检测器优化布设的基本原理 | 第25-26页 |
| 3.1.3 交通检测器优化的工作步骤 | 第26-27页 |
| 3.1.4 交通检测器布设的依据 | 第27-28页 |
| 3.1.5 交通参数选择的原则 | 第28页 |
| 3.1.6 数据采集的类型 | 第28-29页 |
| 3.2 交通事件检测算法 | 第29-31页 |
| 3.2.1 事件检测方法分类 | 第29-30页 |
| 3.2.2 事件检测算法的影响因素 | 第30-31页 |
| 3.3 交通检测器布设仿真 | 第31-37页 |
| 3.3.1 仿真坏境介绍 | 第31-33页 |
| 3.3.2 仿真结果 | 第33-37页 |
| 3.4 本章小结 | 第37-38页 |
| 第四章 运动车辆的跟踪与事件检测技术 | 第38-51页 |
| 4.1 运动目标检测常用的方法 | 第38-42页 |
| 4.1.1 帧差法 | 第38-39页 |
| 4.1.2 背景差法 | 第39-40页 |
| 4.1.3 光流法 | 第40页 |
| 4.1.4 各种算法的比较分析 | 第40-42页 |
| 4.2 运动车辆跟踪的常用方法 | 第42-43页 |
| 4.2.1 基于模型的车辆跟踪方法 | 第42页 |
| 4.2.2 基于区域的车辆跟踪方法 | 第42-43页 |
| 4.2.3 基于轮廓的车辆跟踪方法 | 第43页 |
| 4.2.4 基于特征的车辆跟踪方法 | 第43页 |
| 4.3 Mean-Shift 算法和 Cam-shift 跟踪算法 | 第43-47页 |
| 4.3.1 Mean-Shift 跟踪算法 | 第43-45页 |
| 4.3.2 Cam-Shift 跟踪算法 | 第45-47页 |
| 4.3.3 实验结果及其分析 | 第47页 |
| 4.4 交通事件判断 | 第47-49页 |
| 4.4.1 违章停车的判断 | 第48-49页 |
| 4.4.2 拥堵事件的判断 | 第49页 |
| 4.5 本章小结 | 第49-51页 |
| 第五章 视频与感应线圈技术结合的交通事件检测 | 第51-60页 |
| 5.1 检测器数据的选择 | 第51页 |
| 5.2 感应线圈交通检测器的布设 | 第51-55页 |
| 5.2.1 交通检测器布设方案 | 第52-53页 |
| 5.2.2 仿真工具选择 | 第53-54页 |
| 5.2.3 仿真步骤 | 第54页 |
| 5.2.4 模拟方案设计 | 第54-55页 |
| 5.3 算法的仿真及结果分析 | 第55-59页 |
| 5.3.1 融合算法的系统模型 | 第55-56页 |
| 5.3.2 多层前馈型神经网络（BP）模型 | 第56-57页 |
| 5.3.3 BP 神经网络的设计 | 第57-58页 |
| 5.3.4 实验结果分析 | 第58-59页 |
| 5.4 本章小结 | 第59-60页 |
| 总结与展望 | 第60-62页 |
| 参考文献 | 第62-66页 |
| 攻读硕士学位期间公开发表论文 | 第66-67页 |
| 致谢 | 第67页 |