道路人流量状态监测
| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 1 绪论 | 第8-14页 |
| 1.1 课题研究的背景及意义 | 第8-9页 |
| 1.2 课题研究的发展现状 | 第9-11页 |
| 1.3 本文的创新之处及结构安排 | 第11-14页 |
| 1.3.1 课题研究的主要内容 | 第11页 |
| 1.3.2 创新之处 | 第11-12页 |
| 1.3.3 论文结构安排 | 第12-14页 |
| 2 运动信息提取 | 第14-23页 |
| 2.1 运动场与光流场近似转化 | 第14-16页 |
| 2.1.1 运动场 | 第14-15页 |
| 2.1.2 光流场 | 第15-16页 |
| 2.2 基于光流场的运动信息提取 | 第16-21页 |
| 2.2.1 光流约束方程 | 第16-17页 |
| 2.2.2 连续光流计算 | 第17-18页 |
| 2.2.3 时空离散的光流计算方法 | 第18-21页 |
| 2.3 实验结果与分析 | 第21-22页 |
| 2.4 本章小结 | 第22-23页 |
| 3 人群目标提取 | 第23-27页 |
| 3.1 基于粒子动力学的人群目标检测 | 第23-25页 |
| 3.1.1 粒子动力学系统 | 第23-24页 |
| 3.1.2 李雅普洛夫指数 | 第24-25页 |
| 3.1.3 人群前景目标提取 | 第25页 |
| 3.2 实验结果与分析 | 第25-26页 |
| 3.3 本章小结 | 第26-27页 |
| 4 基于光流角度的运动流分割 | 第27-32页 |
| 4.1 常见的聚类分割方法 | 第27-29页 |
| 4.2 运动流分割 | 第29-31页 |
| 4.2.1 样本提取及参数初始化 | 第29-30页 |
| 4.2.2 实验结果与分析 | 第30-31页 |
| 4.3 本章小结 | 第31-32页 |
| 5 道路人流量状态识别 | 第32-47页 |
| 5.1 特征选取 | 第32-35页 |
| 5.1.1 纹理特征提取原理及方法 | 第32-33页 |
| 5.1.2 基于光流角度的纹理特征提取方法 | 第33-35页 |
| 5.2 状态识别 | 第35-41页 |
| 5.2.1 基于自组织神经网络的人群密度估计 | 第35-39页 |
| 5.2.2 基于多元线性回归的人群密度估计 | 第39-41页 |
| 5.3 实验结果分析 | 第41-46页 |
| 5.4 本章小结 | 第46-47页 |
| 6 总结与展望 | 第47-49页 |
| 6.1 本文主要工作总结 | 第47页 |
| 6.2 展望 | 第47-49页 |
| 参考文献 | 第49-51页 |
| 致谢 | 第51-52页 |
| 在校期间科研成果 | 第52页 |
