高速公路隧道停车检测中的车辆跟踪及状态识别方法研究
| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 1 绪论 | 第9-15页 |
| 1.1 研究背景 | 第9-10页 |
| 1.2 国内外研究现状及课题的提出 | 第10-12页 |
| 1.2.1 国外的研究现状 | 第10-11页 |
| 1.2.2 国内的研究现状 | 第11页 |
| 1.2.3 现状分析及课题的提出 | 第11-12页 |
| 1.3 主要研究内容及意义 | 第12-14页 |
| 1.4 论文章节安排 | 第14-15页 |
| 2 基于视频的停车检测关键技术及方案 | 第15-27页 |
| 2.1 引言 | 第15页 |
| 2.2 高速公路隧道的环境及特点分析 | 第15-18页 |
| 2.2.1 背景整体突变 | 第15-16页 |
| 2.2.2 背景局部变化 | 第16页 |
| 2.2.3 车辆灯光干扰 | 第16-17页 |
| 2.2.4 车辆遮挡 | 第17-18页 |
| 2.2.5 图像模糊 | 第18页 |
| 2.3 基于视频的停车检测关键技术 | 第18-22页 |
| 2.3.1 目标检测 | 第18-19页 |
| 2.3.2 目标跟踪 | 第19-20页 |
| 2.3.3 停车目标的识别 | 第20-22页 |
| 2.4 基于视频的停车检测方案 | 第22-25页 |
| 2.4.1 基于背景差分的车辆检测 | 第22-23页 |
| 2.4.2 基于特征匹配的车辆跟踪 | 第23-24页 |
| 2.4.3 基于车辆跟踪的停车识别 | 第24-25页 |
| 2.5 本章小结 | 第25-27页 |
| 3 基于背景差分的车辆检测 | 第27-37页 |
| 3.1 引言 | 第27页 |
| 3.2 背景建模 | 第27-30页 |
| 3.2.1 典型的背景建模方法 | 第27-29页 |
| 3.2.2 背景建模实验对比 | 第29-30页 |
| 3.3 背景更新 | 第30-33页 |
| 3.3.1 典型的背景更新方法 | 第30-31页 |
| 3.3.2 给出本文的背景更新方案 | 第31-32页 |
| 3.3.3 背景更新实验对比 | 第32-33页 |
| 3.4 目标提取 | 第33-35页 |
| 3.4.1 背景差分 | 第33-34页 |
| 3.4.2 边缘检测 | 第34页 |
| 3.4.3 连通域分析 | 第34-35页 |
| 3.5 本章小结 | 第35-37页 |
| 4 基于特征匹配的车辆跟踪 | 第37-65页 |
| 4.1 引言 | 第37页 |
| 4.2 特征的选择和匹配 | 第37-45页 |
| 4.2.1 特征的选择 | 第37-40页 |
| 4.2.2 特征的匹配 | 第40-43页 |
| 4.2.3 提出特征权值的自校正方法 | 第43-45页 |
| 4.3 提出初始跟踪目标的选择方法 | 第45-53页 |
| 4.3.1 基于虚拟检测线的车辆感知 | 第46-49页 |
| 4.3.2 基于虚拟检测线的初始跟踪目标选择方法 | 第49-53页 |
| 4.4 提出跟踪过程的处理方法 | 第53-60页 |
| 4.4.1 跟踪过程概述 | 第53页 |
| 4.4.2 正常跟踪情况 | 第53-55页 |
| 4.4.3 跟踪异常的处理策略 | 第55-60页 |
| 4.5 实验结果及分析 | 第60-62页 |
| 4.6 本章小结 | 第62-65页 |
| 5 基于车辆跟踪的停车识别 | 第65-81页 |
| 5.1 引言 | 第65页 |
| 5.2 车辆跟踪结果的分析 | 第65-67页 |
| 5.3 提出停车目标的识别方法 | 第67-72页 |
| 5.3.1 停车目标的初步识别 | 第67-69页 |
| 5.3.2 停车目标的最终识别 | 第69-72页 |
| 5.4 实验结果及分析 | 第72-79页 |
| 5.4.1 实验算法流程 | 第72-73页 |
| 5.4.2 实验结果及分析 | 第73-79页 |
| 5.5 本章小结 | 第79-81页 |
| 6 总结与展望 | 第81-83页 |
| 致谢 | 第83-85页 |
| 参考文献 | 第85-89页 |
| 附录 | 第89页 |
| A. 作者在攻读学位期间发表的专利 | 第89页 |
| B. 作者在攻读学位期间参与的项目 | 第89页 |
