摘要 | 第5-7页 |
ABSTRACT | 第7-8页 |
第一章 绪论 | 第12-19页 |
1.1 研究背景及意义 | 第12-14页 |
1.1.1 智能交通系统 | 第12页 |
1.1.2 交通信息 | 第12-14页 |
1.2 视频交通信息获取的优势 | 第14-15页 |
1.3 本论文的主要工作及章节安排 | 第15-19页 |
1.3.1 论文的主要工作 | 第15-17页 |
1.3.2 论文的章节安排 | 第17-19页 |
第二章 系统硬件平台 | 第19-29页 |
2.1 DM6446 内核结构 | 第19-22页 |
2.1.1 ARM 系统 | 第20页 |
2.1.2 DSP 系统 | 第20-21页 |
2.1.3 视频处理子系统 | 第21-22页 |
2.2 DaVinci 技术软件架构 | 第22-24页 |
2.2.1 Codec Engine 概述 | 第23页 |
2.2.2 xDAIS 和 xDM | 第23-24页 |
2.3 DaVinci 开发方法 | 第24-27页 |
2.3.1 建立 DaVinci 工具链 | 第25-26页 |
2.3.2 创建 Codec Server | 第26-27页 |
2.4 SEED-DVS6446 开发平台 | 第27-28页 |
2.5 本章小结 | 第28-29页 |
第三章 基于 DM6446 的基本交通信息采集 | 第29-51页 |
3.1 图像预处理 | 第29-33页 |
3.1.1 图像颜色空间转换 | 第30页 |
3.1.2 噪声抑制 | 第30-32页 |
3.1.3 对比度增强 | 第32-33页 |
3.2 背景模型建立 | 第33-35页 |
3.3 运动区域检测 | 第35-41页 |
3.3.1 前景提取 | 第35-37页 |
3.3.2 图像阈值化 | 第37-39页 |
3.3.3 形态学滤波 | 第39-41页 |
3.4 区域生长法目标定位 | 第41-42页 |
3.5 机动车车型判断 | 第42-43页 |
3.6 基本交通信息采集子系统设计与实现 | 第43-50页 |
3.6.1 视频数据采集 | 第43-44页 |
3.6.2 系统软件设计 | 第44-45页 |
3.6.3 算法移植 | 第45-46页 |
3.6.4 基于 DM6446 的优化 | 第46-48页 |
3.6.5 系统实现 | 第48-50页 |
3.7 本章小结 | 第50-51页 |
第四章 基于 DM6446 的动态交通信息采集 | 第51-68页 |
4.1 常用目标跟踪方法 | 第51-52页 |
4.1.1 基于滤波理论 | 第52页 |
4.1.2 基于 Mean Shift | 第52页 |
4.1.3 基于偏微分方程 | 第52页 |
4.2 卡尔曼滤波原理 | 第52-55页 |
4.3 基于卡尔曼滤波的多信息融合匹配的运动目标跟踪 | 第55-60页 |
4.3.1 目标特征提取 | 第55-56页 |
4.3.2 运动估计模型 | 第56页 |
4.3.3 基于卡尔曼滤波的运动目标跟踪 | 第56-58页 |
4.3.4 多信息融合匹配准则 | 第58-59页 |
4.3.5 实验结果 | 第59-60页 |
4.4 卡口信息采集子系统设计与实现 | 第60-67页 |
4.4.1 平均车速估计 | 第61-63页 |
4.4.2 车辆轨迹绘制 | 第63-64页 |
4.4.3 行驶方向判断 | 第64页 |
4.4.4 系统实现 | 第64-67页 |
4.5 本章小结 | 第67-68页 |
第五章 基于 DM6446 的道路信息采集 | 第68-78页 |
5.1 道路流量信息采集 | 第68-70页 |
5.2 道路使用信息采集 | 第70-72页 |
5.2.1 车辆排队长度和占道率 | 第70-71页 |
5.2.2 路口饱和度 | 第71-72页 |
5.3 自动信号灯子系统设计与实现 | 第72-77页 |
5.3.1 系统设计 | 第72-74页 |
5.3.2 通信模块设计 | 第74-75页 |
5.3.3 系统实现 | 第75-77页 |
5.4 本章小结 | 第77-78页 |
第六章 总结与展望 | 第78-80页 |
6.1 总结 | 第78-79页 |
6.2 展望 | 第79-80页 |
致谢 | 第80-81页 |
参考文献 | 第81-85页 |
作者在读期间发表的学术论文及参加的科研项目 | 第85页 |