基于视频的高架道路限流控制方法研究
| 致谢 | 第7-8页 |
| 摘要 | 第8-9页 |
| ABSTRACT | 第9-10页 |
| 第一章 绪论 | 第16-22页 |
| 1.1 课题的研究背景 | 第16-17页 |
| 1.2 国内外研究现状 | 第17-19页 |
| 1.2.1 国外研究现状 | 第17-19页 |
| 1.2.2 国内研究现状 | 第19页 |
| 1.3 课题的目的和意义 | 第19-20页 |
| 1.4 本文主要研究内容 | 第20-22页 |
| 第二章 城市交通拥堵判别技术 | 第22-29页 |
| 2.1 城市交通拥堵的概念与划分 | 第22-23页 |
| 2.2 基于视频的交通拥堵判别方法 | 第23-24页 |
| 2.2.1 交通特征参数提取 | 第23页 |
| 2.2.2 常用交通特征参数 | 第23-24页 |
| 2.2.3 交通拥堵判别 | 第24页 |
| 2.3 出租车速度与高架道路拥堵关联性分析 | 第24-28页 |
| 2.3.1 出租车的特征 | 第24-25页 |
| 2.3.2 高架道路的拥堵对出租车速度的影响 | 第25-26页 |
| 2.3.3 出租车速度阈值确定 | 第26-27页 |
| 2.3.4 出租车速度阈值合理性 | 第27-28页 |
| 2.4 本章小结 | 第28-29页 |
| 第三章 基于视频处理的出租车识别算法 | 第29-49页 |
| 3.1 车辆目标检测 | 第29-33页 |
| 3.1.1 帧间差分法 | 第29-30页 |
| 3.1.2 光流法 | 第30页 |
| 3.1.3 背景去除法 | 第30-31页 |
| 3.1.4 混合高斯分布的背景建模 | 第31-33页 |
| 3.2 车辆类型区分 | 第33-37页 |
| 3.2.1 图像Hu矩特征 | 第33-34页 |
| 3.2.2 Hu矩用于车辆分类可行性研究 | 第34-36页 |
| 3.2.3 快速Hu矩算法 | 第36-37页 |
| 3.3 车辆颜色识别 | 第37-44页 |
| 3.3.1 颜色提取算法原理 | 第37-39页 |
| 3.3.2 颜色空间转换 | 第39-41页 |
| 3.3.3 颜色量化及改进 | 第41-42页 |
| 3.3.4 车辆颜色判断及改进 | 第42-44页 |
| 3.4 顶灯识别 | 第44-48页 |
| 3.4.1 出租车顶灯的位置特征 | 第44页 |
| 3.4.2 经典的Canny边缘检测算法 | 第44-46页 |
| 3.4.3 改进的Canny边缘粗提取算法 | 第46-48页 |
| 3.5 本章小结 | 第48-49页 |
| 第四章 基于视频的车辆特征算法 | 第49-56页 |
| 4.1 视频测速算法研究 | 第49-52页 |
| 4.1.1 视频测速原理 | 第49-51页 |
| 4.1.2 视频测速的实时性分析 | 第51-52页 |
| 4.1.3 出租车的对应位置分析 | 第52页 |
| 4.2 视频车辆计数 | 第52-55页 |
| 4.2.1 虚拟线圈车辆检测方法 | 第52-54页 |
| 4.2.2 车辆通过检测计数 | 第54-55页 |
| 4.3 本章小结 | 第55-56页 |
| 第五章 高架道路限流控制系统设计 | 第56-67页 |
| 5.1 预先排堵调度策略 | 第56-58页 |
| 5.2 系统软件设计 | 第58-63页 |
| 5.2.1 偶发性事故 | 第58-61页 |
| 5.2.2 车流量激增 | 第61-63页 |
| 5.2.3 总体软件设计 | 第63页 |
| 5.3 仿真结果与分析 | 第63-66页 |
| 5.4 本章小结 | 第66-67页 |
| 第六章 总结与展望 | 第67-69页 |
| 6.1 总结 | 第67-68页 |
| 6.2 展望 | 第68-69页 |
| 参考文献 | 第69-72页 |
| 攻读硕士学位期间的学术活动及成果情况 | 第72页 |
