基于视频的车辆检测与跟踪技术研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第一章 绪论 | 第9-21页 |
| ·研究背景 | 第9-13页 |
| ·概述 | 第9-10页 |
| ·ITS中的视频检测 | 第10-13页 |
| ·国内外研究现状 | 第13-18页 |
| ·论文研究目标及内容 | 第18-19页 |
| ·论文研究目标 | 第18-19页 |
| ·论文研究内容 | 第19页 |
| ·论文的结构 | 第19-20页 |
| ·小结 | 第20-21页 |
| 第二章 混合高斯背景建模 | 第21-44页 |
| ·概述 | 第21-22页 |
| ·典型的背景模型 | 第22-25页 |
| ·帧间差分法 | 第22-23页 |
| ·基于时间轴滤波的背景估计 | 第23页 |
| ·卡尔曼滤波法 | 第23-25页 |
| ·基本的高斯背景模型 | 第25-37页 |
| ·EM算法基本原理 | 第25-27页 |
| ·混合高斯背景模型参数估计 | 第27-33页 |
| ·混合高斯背景模型典型算法 | 第33-37页 |
| ·混合高斯背景模型改进算法 | 第37-41页 |
| ·区域的检测及划分 | 第39-40页 |
| ·不同区域α的取值 | 第40-41页 |
| ·实验及结果分析 | 第41-43页 |
| ·小结 | 第43-44页 |
| 第三章 基于视频图像的车辆提取 | 第44-54页 |
| ·概述 | 第44页 |
| ·运动区域提取与分割 | 第44-45页 |
| ·形态滤波 | 第45-46页 |
| ·自适应阴影检测 | 第46-50页 |
| ·RGB模式转换到HSV模式 | 第47-48页 |
| ·基于自适应HSV颜色空间的阴影检测 | 第48-50页 |
| ·矩形提取 | 第50-52页 |
| ·连通区域标记 | 第50-51页 |
| ·矩形提取 | 第51-52页 |
| ·实验及结果分析 | 第52-53页 |
| ·小结 | 第53-54页 |
| 第四章 基于特征的车辆跟踪 | 第54-69页 |
| ·概述 | 第54页 |
| ·跟踪预处理 | 第54-58页 |
| ·跟踪区域的设置和跟踪表的建立 | 第54-55页 |
| ·跟踪目标状态 | 第55-57页 |
| ·跟踪策略 | 第57-58页 |
| ·基于扩展kalman滤波器的车辆跟踪 | 第58-62页 |
| ·Kalman滤波器 | 第58-60页 |
| ·基于扩展Kalman滤波器的目标运动估计 | 第60-62页 |
| ·基于区域特征的目标匹配 | 第62-67页 |
| ·特征提取 | 第62-64页 |
| ·多目标的特征跟踪 | 第64-65页 |
| ·引进相似性算子 | 第65-67页 |
| ·实验及结果分析 | 第67-68页 |
| ·小结 | 第68-69页 |
| 第五章 总结与展望 | 第69-71页 |
| ·工作总结 | 第69页 |
| ·展望 | 第69-71页 |
| 参考文献 | 第71-76页 |
| 致谢 | 第76-77页 |
| 攻读学位期间的主要研究成果 | 第77页 |
