| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 目录 | 第7-9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 | 第10-13页 |
| 1.3 本文结构 | 第13-15页 |
| 2 车辆目标检测 | 第15-25页 |
| 2.1 感兴趣区域的提取 | 第15-16页 |
| 2.2 基于 Adaboost 的车牌检测 | 第16-22页 |
| 2.2.0 Adaboost 算法原理 | 第16-17页 |
| 2.2.1 特征选取 | 第17-18页 |
| 2.2.2 Adaboost 分类器训练 | 第18-20页 |
| 2.2.3 积分图像 | 第20-21页 |
| 2.2.4 使用感兴趣区域的目标快速检测方法 | 第21-22页 |
| 2.3 基于聚类的车辆目标精确定位 | 第22-24页 |
| 2.4 本章小结 | 第24-25页 |
| 3 基于光流的车辆目标跟踪 | 第25-37页 |
| 3.1 光流的定义 | 第25-26页 |
| 3.2 Lucas-Kanade 光流法 | 第26-27页 |
| 3.2.1 Lucas-Kanade 光流法的约束条件 | 第26页 |
| 3.2.2 Lucas-Kanade 光流法原理 | 第26-27页 |
| 3.3 LK 金字塔特征点跟踪算法 | 第27-32页 |
| 3.3.1 经典 Lucas-Kanade 光流法存在的问题 | 第27-28页 |
| 3.3.2 图像的金字塔表示 | 第28-29页 |
| 3.3.3 金字塔表示计算光流原理 | 第29-31页 |
| 3.3.4 金字塔光流特征点跟踪算法 | 第31-32页 |
| 3.4 基于 LK 金字塔光流算法的车辆目标跟踪 | 第32-36页 |
| 3.4.1 选取特征点阵 | 第32-33页 |
| 3.4.2 计算特征点阵的跟踪匹配位置 | 第33-34页 |
| 3.4.3 使用正反向错误检测法排除误差 | 第34-36页 |
| 3.5 本章小结 | 第36-37页 |
| 4 跟踪误差分析及车流量统计 | 第37-42页 |
| 4.1 基于轨迹分析的跟踪误差校正 | 第37-39页 |
| 4.2 跟踪错误与长时间停车的验证判别 | 第39-41页 |
| 4.3 车辆目标运动分析与车流量统计 | 第41页 |
| 4.4 本章小结 | 第41-42页 |
| 5 算法具体实现及测试分析 | 第42-54页 |
| 5.1 算法具体实现 | 第42-48页 |
| 5.2 测试环境 | 第48页 |
| 5.3 各步骤性能对比分析 | 第48-52页 |
| 5.3.1 运动区域分割性能对比分析 | 第48-51页 |
| 5.3.2 检测算法性能对比分析 | 第51页 |
| 5.3.3 跟踪算法性能对比分析 | 第51-52页 |
| 5.4 车流量统计系统的性能分析 | 第52-54页 |
| 6 全文总结与展望 | 第54-57页 |
| 6.1 本文主要研究成果 | 第54-55页 |
| 6.2 进一步研究展望 | 第55-57页 |
| 致谢 | 第57-58页 |
| 参考文献 | 第58-62页 |
| 附录1 攻读学位期间取得的成果 | 第62页 |