基于多特征融合的摄像机网络中运动车辆检测与跟踪
| 中文摘要 | 第1-3页 |
| Abstract | 第3-4页 |
| 中文文摘 | 第4-6页 |
| 目录 | 第6-8页 |
| 绪论 | 第8-12页 |
| 1 课题背景和意义 | 第8-10页 |
| 2 国内外研究现状 | 第10-12页 |
| 第一章 视频图像的预处理 | 第12-20页 |
| 第一节 图像灰度化 | 第12-14页 |
| 第二节 图像平滑去噪 | 第14-16页 |
| ·邻域平均法 | 第14-15页 |
| ·多图像平均法 | 第15页 |
| ·中值滤波法 | 第15-16页 |
| 第三节 图像增强 | 第16-19页 |
| ·直方图增强 | 第17页 |
| ·直方图均衡化 | 第17-19页 |
| 第四节 本章小结 | 第19-20页 |
| 第二章 单摄像机运动车辆检测 | 第20-38页 |
| 第一节 视频图像运动车辆检测方法 | 第20-27页 |
| ·背景差法 | 第20-22页 |
| ·帧间差分法 | 第22-24页 |
| ·光流法 | 第24-27页 |
| 第二节 混合高斯背景模型 | 第27-31页 |
| ·背景模型定义 | 第28页 |
| ·模型参数更新 | 第28-30页 |
| ·背景模型估计 | 第30-31页 |
| 第三节 阴影检测与去除 | 第31-37页 |
| ·问题描述 | 第31页 |
| ·阴影检测方法 | 第31-36页 |
| ·阴影检测的评估标准 | 第36-37页 |
| 第四节 本章小结 | 第37-38页 |
| 第三章 单摄像机运动车辆跟踪 | 第38-48页 |
| 第一节 视频图像中运动目标的跟踪算法 | 第38-39页 |
| 第二节 Kalman滤波 | 第39-44页 |
| 第三节 GM(1,1)模型 | 第44-46页 |
| ·灰色预测模型GM(1,1)定义 | 第44页 |
| ·GM(1,1)模型车辆跟踪原理 | 第44-46页 |
| 第四节 本章小结 | 第46-48页 |
| 第四章 摄像机网络中运动车辆轨迹预测与跟踪 | 第48-64页 |
| 第一节 数据融合 | 第48-49页 |
| 第二节 多特征提取与目标车辆匹配 | 第49-59页 |
| ·环形颜色直方图特征 | 第50-54页 |
| ·NMI特征 | 第54-55页 |
| ·SIFT特征 | 第55-59页 |
| 第三节 特征匹配度量 | 第59-61页 |
| ·环形颜色直方图特征度量 | 第59-60页 |
| ·NMI特征度量 | 第60页 |
| ·SIFT特征度量 | 第60-61页 |
| 第四节 实验结果分析 | 第61-62页 |
| 第五节 本章小结 | 第62-64页 |
| 第五章 结论与展望 | 第64-66页 |
| 参考文献 | 第66-72页 |
| 攻读学位期间承担的科研任务与主要成果 | 第72-74页 |
| 致谢 | 第74-76页 |
| 个人简历 | 第76-78页 |
