基于视频处理的交通事件识别方法研究
| 提要 | 第1-11页 |
| 第一章 绪论 | 第11-25页 |
| ·课题来源 | 第11页 |
| ·研究背景及意义 | 第11-13页 |
| ·研究背景 | 第11-12页 |
| ·研究意义 | 第12-13页 |
| ·研究综述 | 第13-21页 |
| ·系统发展历程 | 第13-15页 |
| ·关键技术研究现状 | 第15-20页 |
| ·亟待解决的主要问题 | 第20-21页 |
| ·论文研究工作与贡献 | 第21-23页 |
| ·章节安排 | 第23-25页 |
| 第二章 复杂场景下的运动目标检测 | 第25-45页 |
| ·前言 | 第25-26页 |
| ·自适应背景模型 | 第26-35页 |
| ·基于平稳序列搜索的背景初始化 | 第26-30页 |
| ·基于GMM 模型的背景表达 | 第30-34页 |
| ·基于对象层的背景更新 | 第34-35页 |
| ·阴影检测模型 | 第35-39页 |
| ·实验结果分析 | 第39-43页 |
| ·背景初始化实验效果 | 第39-41页 |
| ·前景运动区域检测实验效果 | 第41-42页 |
| ·阴影剔除实验效果 | 第42-43页 |
| ·小结 | 第43-45页 |
| 第三章 混合交通运动目标识别与跟踪 | 第45-65页 |
| ·前言 | 第45-46页 |
| ·混合交通运动目标识别分类算法 | 第46-55页 |
| ·运动目标特征表达 | 第46-50页 |
| ·基于SVM 的混合目标识别分类 | 第50-55页 |
| ·混合交通运动目标跟踪算法 | 第55-64页 |
| ·基于多特征匹配的目标跟踪 | 第56-58页 |
| ·基于历史运动信息补偿的遮挡处理 | 第58-61页 |
| ·跟踪结果分析 | 第61-64页 |
| ·小结 | 第64-65页 |
| 第四章 运动模式辨识与交通行为分析 | 第65-85页 |
| ·前言 | 第65页 |
| ·轨迹预处理 | 第65-67页 |
| ·运动轨迹模式辨识 | 第67-79页 |
| ·轨迹空间模式划分 | 第68-72页 |
| ·轨迹的多层次模式学习 | 第72-76页 |
| ·运动模式提取结果分析 | 第76-79页 |
| ·异常行为检测与分析 | 第79-83页 |
| ·基于Bayes 空间模式匹配的异常行为检测 | 第79-81页 |
| ·基于起讫点方向模式匹配的异常行为检测 | 第81页 |
| ·异常行为实例分析 | 第81-83页 |
| ·小结 | 第83-85页 |
| 第五章 交通事件表达与识别 | 第85-107页 |
| ·前言 | 第85-86页 |
| ·交通事件场景中的上下文概念 | 第86-89页 |
| ·空间上下文 | 第87-88页 |
| ·时间上下文 | 第88页 |
| ·对象上下文 | 第88-89页 |
| ·特殊参数上下文 | 第89页 |
| ·基于上下文的交通事件语义表达 | 第89-93页 |
| ·事件识别方法 | 第93-99页 |
| ·基本事件识别方法 | 第93-95页 |
| ·复杂事件识别方法 | 第95-99页 |
| ·实例验证分析 | 第99-106页 |
| ·行人违章过街事件识别 | 第99-102页 |
| ·车辆临时停车事件识别 | 第102-106页 |
| ·小结 | 第106-107页 |
| 第六章 总结与展望 | 第107-110页 |
| ·工作总结 | 第107-108页 |
| ·创新成果 | 第108-109页 |
| ·研究展望 | 第109-110页 |
| 参考文献 | 第110-119页 |
| 攻读博士学位期间取得的成果 | 第119-121页 |
| 致谢 | 第121-122页 |
| 摘要 | 第122-125页 |
| ABSTRACT | 第125-127页 |
