公路隧道视频监控的智能分析算法研究
| 中文摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第一章 绪论 | 第9-15页 |
| ·研究背景 | 第9-10页 |
| ·智能交通系统概述 | 第10-12页 |
| ·智能交通系统定义 | 第10-11页 |
| ·智能交通系统国内外的发展现状 | 第11-12页 |
| ·公路隧道视频监控的智能分析算法设计 | 第12-13页 |
| ·公路隧道环境中智能算法设计的难点分析 | 第13页 |
| ·本文的主要工作 | 第13-14页 |
| ·论文的组织结构 | 第14页 |
| ·本章小结 | 第14-15页 |
| 第二章 基于视频的运动目标检测算法 | 第15-26页 |
| ·运动目标检测算法 | 第15-18页 |
| ·光流法 | 第15-16页 |
| ·帧差法 | 第16-17页 |
| ·背景差分法 | 第17-18页 |
| ·背景建模中的难点问题分析 | 第18-19页 |
| ·传统的背景模型及更新方法 | 第19-23页 |
| ·单高斯分布模型 | 第19-21页 |
| ·混合高斯分布模型 | 第21-22页 |
| ·时域滤波方法 | 第22页 |
| ·核密度估计模型 | 第22-23页 |
| ·基于单高斯分布的延时更新背景模型 | 第23-25页 |
| ·本章小结 | 第25-26页 |
| 第三章 运动车辆的特征提取和跟踪算法 | 第26-36页 |
| ·连通区域标记算法 | 第26-30页 |
| ·序贯算法 | 第26-28页 |
| ·区域增长法 | 第28页 |
| ·轮廓跟踪法 | 第28-30页 |
| ·视频图像中的交通车辆特征选择 | 第30-33页 |
| ·几何特征 | 第31页 |
| ·运动特征 | 第31-32页 |
| ·颜色特征 | 第32-33页 |
| ·运动目标的定位跟踪算法 | 第33-35页 |
| ·基于模型的跟踪方法 | 第33-34页 |
| ·基于区域的跟踪方法 | 第34页 |
| ·基于活动轮廓的跟踪方法 | 第34页 |
| ·基于特征的跟踪方法 | 第34-35页 |
| ·公路隧道环境下的车辆检测与跟踪方法 | 第35页 |
| ·本章小结 | 第35-36页 |
| 第四章 公路隧道路灯环境下的车辆检测与跟踪 | 第36-48页 |
| ·纹理的定义 | 第36-37页 |
| ·纹理分割方法 | 第37-41页 |
| ·自相关系数特征 | 第37-38页 |
| ·灰度共生矩阵 | 第38-39页 |
| ·局部二进制模板 | 第39-40页 |
| ·方向导数纹理特征 | 第40-41页 |
| ·基于局部归一化处理的运动车辆提取方法 | 第41-46页 |
| ·局部归一化处理 | 第41-43页 |
| ·基于 Laws 特征的运动目标分割 | 第43页 |
| ·实验结果与分析 | 第43-46页 |
| ·公路隧道路灯环境的运动车辆跟踪 | 第46-47页 |
| ·本章小结 | 第47-48页 |
| 第五章 公路隧道无路灯环境下的车辆定位与跟踪 | 第48-63页 |
| ·传统的夜间车辆检测方法 | 第48-49页 |
| ·无路灯环境中的视频车辆检测方法 | 第49-61页 |
| ·运动目标分割及特征提取 | 第49-50页 |
| ·反射光目标过滤 | 第50-53页 |
| ·基于卡尔曼滤波的亮斑帧间跟踪 | 第53-56页 |
| ·稳定亮斑的筛选 | 第56-57页 |
| ·基于谱系聚类方法的车灯聚类分组 | 第57-58页 |
| ·车辆目标定位与跟踪 | 第58-59页 |
| ·实验结果与分析 | 第59-61页 |
| ·本文方法与传统方法的优劣对比分析 | 第61-62页 |
| ·本章小结 | 第62-63页 |
| 结论与展望 | 第63-64页 |
| 参考文献 | 第64-68页 |
| 致谢 | 第68-69页 |
| 个人简历、在学期间的研究成果及发表的学术论文 | 第69页 |
