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 |