首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

复杂环境下的多车辆检测与跟踪

摘要第5-6页
ABSTRACT第6-7页
第一章 绪论第11-17页
    1.1 智能交通系统第11-14页
        1.1.1 智能交通系统的国内外发展现状第11-13页
        1.1.2 我国公路面临的问题及智能交通发展的意义第13-14页
    1.2 机器视觉技术在ITS 中的应用第14-15页
        1.2.1 车辆检测第14-15页
        1.2.2 车辆跟踪第15页
    1.3 课题来源第15页
    1.4 本课题主要研究内容第15-17页
第二章 基于最优阈值和随机标号法的多车辆分割(检测)第17-28页
    2.1 引言第17页
    2.2 车辆分割方法现状第17-18页
    2.3 本文提出的车辆分割方法第18-26页
        2.3.1 色彩空间变换第19页
        2.3.2 背景更新及车辆图像的粗分割图第19-20页
        2.3.3 最优阈值的求取第20-23页
        2.3.4 贝叶斯估计理论[23]第23-24页
        2.3.5 相似度的确定及图像的细分割第24-26页
            2.3.5.1 确定相似度第24-25页
            2.3.5.2 确定先验概率第25-26页
    2.6 实验结果第26-27页
    2.7 本章小结第27-28页
第三章 基于多点对参考模型的车辆阴影消除第28-39页
    3.1 引言第28页
    3.2 车辆阴影消除方法现状第28-29页
    3.3 车辆阴影消除算法第29-35页
        3.3.1 点对模型第30-31页
        3.3.2 点对模型的属性分析第31-32页
        3.3.3 多点对参考模型的建立第32-34页
        3.3.4 阴影分割第34-35页
    3.4 本文算法的优点及提速第35-37页
    3.5 实验结果第37-38页
    3.6 本章小结第38-39页
第四章 基于马尔科夫蒙特卡洛方法的多车辆跟踪第39-52页
    4.1 引言第39页
    4.2 多目标车辆跟踪方法研究现状第39-40页
    4.3 车辆跟踪算法第40页
    4.4 马尔科夫链蒙特卡洛方法(Markov Chain Monte Carlo,MCMC)第40-42页
        4.4.1 马尔科夫原理第41页
        4.4.2 常用的MCMC 采样方法第41-42页
    4.5 跟踪邻域图第42-43页
        4.5.1 图的概念第42-43页
        4.5.2 跟踪邻域图第43页
    4.6 建立车辆跟踪后验概率第43-45页
    4.7 车辆运动状态第45-49页
        4.7.1 birth/death 运动状态第45-47页
        4.7.2 extension/reduction 运动状态第47-48页
        4.7.3 merge/split 运动状态第48-49页
    4.8 车辆全局最优运动状态的求取第49-51页
        4.8.1 模拟退火算法第49-50页
        4.8.2 车辆全局最优运动状态的求取第50-51页
    4.9 小结第51-52页
第五章 结论与展望第52-55页
    5.1 结论第52-53页
    5.2 展望第53-55页
参考文献第55-60页
攻读硕士学位期间取得的研究成果第60-61页
致谢第61-62页
附件第62页

论文共62页,点击 下载论文
上一篇:基于图像处理技术的铸坯表面缺陷自动检测系统的研究
下一篇:和谐社会下我国政府信用建设研究