基于视频的隧道交通事件检测算法研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-17页 |
| 1.1 课题应用背景和意义 | 第8-9页 |
| 1.2 交通事件检测介绍 | 第9-10页 |
| 1.2.1 人工检测 | 第9-10页 |
| 1.2.2 自动检测 | 第10页 |
| 1.3 视频检测技术介绍 | 第10-13页 |
| 1.3.1 视频检测技术的概念及特点 | 第11-12页 |
| 1.3.2 视频检测技术的研究现状及其发展趋势 | 第12-13页 |
| 1.4 高速公路隧道交通事件检测系统现状 | 第13-15页 |
| 1.4.1 隧道内视频场景的特性及复杂特性分析 | 第14-15页 |
| 1.4.2 高速公路隧道交通事件检测系统的现状 | 第15页 |
| 1.5 研究内容、目标及论文组织结构 | 第15-17页 |
| 第二章 视频图像预处理 | 第17-29页 |
| 2.1 数据采集技术 | 第17-19页 |
| 2.1.1 感应式环形线圈检测器(ILD) | 第18页 |
| 2.1.2 视频检测处理系统(VIP) | 第18页 |
| 2.1.3 其它辅助检测器 | 第18-19页 |
| 2.2 视频图像处理概述 | 第19-28页 |
| 2.2.1 基本概念 | 第20-23页 |
| 2.2.2 特征提取 | 第23-24页 |
| 2.2.3 目标描述 | 第24页 |
| 2.2.4 数学形态学图像处理 | 第24-25页 |
| 2.2.5 图像分割技术 | 第25-28页 |
| 2.3 本章小结 | 第28-29页 |
| 第三章 基于视频的隧道交通事件检测 | 第29-42页 |
| 3.1 运动目标检测及算法分析 | 第29-34页 |
| 3.1.1 区域划分方法 | 第29-30页 |
| 3.1.2 运动目标的检测 | 第30-34页 |
| 3.2 基于差异深度积累的目标检测算法 | 第34-36页 |
| 3.2.1 背景建模 | 第34-35页 |
| 3.2.2 运动目标提取 | 第35-36页 |
| 3.2.3 实验结果 | 第36页 |
| 3.3 基于视频相邻稳态差异的交通事件检测方法 | 第36-41页 |
| 3.3.1 基于相邻稳态的事件判断理论 | 第36-37页 |
| 3.3.2 事件检测方法 | 第37-40页 |
| 3.3.3 事件检测 | 第40页 |
| 3.3.4 实验结果 | 第40-41页 |
| 3.4 本章小结 | 第41-42页 |
| 第四章 基于视频的运动目标跟踪 | 第42-52页 |
| 4.1 运动目标跟踪的难点 | 第42-43页 |
| 4.2 目标跟踪需要适应的状态 | 第43-44页 |
| 4.3 运动目标跟踪算法 | 第44-46页 |
| 4.3.1 基于区域的方法 | 第44-45页 |
| 4.3.2 基于特征的方法 | 第45-46页 |
| 4.3.3 基于运动估计的方法 | 第46页 |
| 4.3.4 基于 3D 的跟踪 | 第46页 |
| 4.3.5 基于动态轮廓的方法 | 第46页 |
| 4.4 基于区域的方法的改进 | 第46-47页 |
| 4.5 卡尔曼滤波跟踪算法 | 第47-51页 |
| 4.5.1 卡尔曼滤波 | 第48-49页 |
| 4.5.2 系统建模过程 | 第49-51页 |
| 4.6 本章小结 | 第51-52页 |
| 总结与展望 | 第52-54页 |
| 参考文献 | 第54-59页 |
| 硕士期间发表论文及参与科研情况 | 第59-60页 |
| 致谢 | 第60页 |
