道路视频监控系统中车辆检测与跟踪算法的研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第1章 绪论 | 第10-17页 |
| ·研究背景及其意义 | 第10-11页 |
| ·研究现状 | 第11-14页 |
| ·视频车辆检测技术研究现状 | 第11-13页 |
| ·视频车辆跟踪研究现状 | 第13-14页 |
| ·研究现状 | 第14-15页 |
| ·研究内容及其内容安排 | 第15-17页 |
| 第2章 视频道路监控系统结构 | 第17-22页 |
| ·视频道路监控系统的一般结构 | 第17页 |
| ·视频车辆检测与跟踪系统的一般结构 | 第17-20页 |
| ·车辆检测与跟踪技术在视频道路监控系统中的应用 | 第20-21页 |
| ·本章小结 | 第21-22页 |
| 第3章 背景建模与机器学习结合的车辆检测算法 | 第22-41页 |
| ·基于ViBe算法的前景检测 | 第23-28页 |
| ·ViBe算法的工作原理 | 第23-24页 |
| ·ViBe算法模型的初始化 | 第24页 |
| ·ViBe算法模型的更新 | 第24-25页 |
| ·ViBe的改进 | 第25-28页 |
| ·Two-Pass法连通域分割 | 第28-33页 |
| ·Two-Pass法 | 第29-32页 |
| ·网格标记 | 第32-33页 |
| ·Haar分类器车辆检测 | 第33-40页 |
| ·样本准备 | 第34页 |
| ·Haar-like特征及其计算 | 第34-37页 |
| ·级联Adaboost分类器训练 | 第37-40页 |
| ·本章小结 | 第40-41页 |
| 第4章 基于金字塔L-K的车辆跟踪算法 | 第41-55页 |
| ·基于区域的简单跟踪 | 第42-47页 |
| ·跟踪目标模型建立 | 第43-44页 |
| ·跟踪目标模型匹配与更新 | 第44-45页 |
| ·跟踪目标丢失 | 第45-46页 |
| ·基于区域简单跟踪小结 | 第46-47页 |
| ·基于金字塔的L-K特征点跟踪算法 | 第47-54页 |
| ·建立图像金字塔 | 第48-49页 |
| ·金字塔式的特征点跟踪 | 第49-50页 |
| ·光流计算法 | 第50-52页 |
| ·特征点选取 | 第52-53页 |
| ·特征点丢失 | 第53页 |
| ·基于金字塔L-K特征点跟踪算法小结 | 第53-54页 |
| ·本章小结 | 第54-55页 |
| 第5章 实验结果 | 第55-59页 |
| ·改进的ViBe实验结果分析 | 第55-56页 |
| ·车辆检测实验结果分析 | 第56-58页 |
| ·车辆跟踪实验结果分析 | 第58页 |
| ·本章小结 | 第58-59页 |
| 第6章 总结与展望 | 第59-61页 |
| ·研究内容总结 | 第59-60页 |
| ·展望 | 第60-61页 |
| 参考文献 | 第61-64页 |
| 致谢 | 第64-65页 |
| 攻读学位期间参加的科研项目和成果 | 第65页 |
