| 摘要 | 第1-7页 |
| ABSTRACT | 第7-11页 |
| 第一章 绪论 | 第11-16页 |
| ·课题研究背景及意义 | 第11-12页 |
| ·智能交通监控系统的研究现状及技术分析 | 第12-14页 |
| ·与智能交通监控有关的视频系统研究现状 | 第12-13页 |
| ·本文的智能交通监控系统中的技术关键及主要创新点 | 第13-14页 |
| ·本文的主要工作及组织结构安排 | 第14-16页 |
| 第二章 运动车辆分割 | 第16-36页 |
| ·视频对象分割的研究意义 | 第16页 |
| ·视频对象分割的研究现状 | 第16-17页 |
| ·一种改进的视频对象分割方法 | 第17-34页 |
| ·基于帧差与背景差的分割方法 | 第17-20页 |
| ·一种改进的分割方法 | 第20-22页 |
| ·利用CUDA模型实现GPU加速 | 第22-26页 |
| ·本文提出的后处理算法 | 第26-34页 |
| ·算法效果分析 | 第34-35页 |
| ·小结 | 第35-36页 |
| 第三章 运动车辆跟踪 | 第36-45页 |
| ·目标跟踪方法概述 | 第36-37页 |
| ·Harris特征点的原理 | 第37-41页 |
| ·Harris角点检测 | 第37-39页 |
| ·剔除多余的角点信息 | 第39-40页 |
| ·特征点匹配 | 第40-41页 |
| ·Harris特征点的原理 | 第41-44页 |
| ·实验结果分析 | 第44页 |
| ·小结 | 第44-45页 |
| 第四章 车辆特征提取 | 第45-53页 |
| ·车辆特征提取概述 | 第45-46页 |
| ·基于SIFT算子的车辆特征提取 | 第46-52页 |
| ·SIFT概述 | 第46-47页 |
| ·尺度空间的极值点检测 | 第47-49页 |
| ·关键点的精确定位 | 第49-50页 |
| ·关键点的主方向计算 | 第50-51页 |
| ·描述子的生成 | 第51-52页 |
| ·实验结果分析 | 第52页 |
| ·结论 | 第52-53页 |
| 第五章 基于SIFT特征的海量图像匹配查找 | 第53-65页 |
| ·预备知识 | 第53-55页 |
| ·向量之间距离的计算 | 第53页 |
| ·VA-File索引结构 | 第53-55页 |
| ·海量特征向量的检索 | 第55-63页 |
| ·使用Bloom Filter快速判断集合中是否存在匹配的向量 | 第56-59页 |
| ·利用Hashing技术实现海量特征向量的分桶 | 第59页 |
| ·利用Trie树实现桶中向量的快速查找 | 第59-61页 |
| ·使用倒排文件索引实现图像的模糊检索 | 第61-63页 |
| ·车辆检索在110查证中的应用 | 第63-64页 |
| ·总结 | 第64-65页 |
| 第六章 结论与展望 | 第65-67页 |
| 致谢 | 第67-68页 |
| 参考文献 | 第68-72页 |
| 附录 | 第72-73页 |
| 详细摘要 | 第73-76页 |