基于视频的车辆检测与跟踪
| 摘要 | 第1-7页 |
| Abstract | 第7-11页 |
| 第1章 绪论 | 第11-17页 |
| ·研究背景及意义 | 第11-13页 |
| ·视觉与视觉信息 | 第11-12页 |
| ·智能交通系统与智能车辆 | 第12-13页 |
| ·国内外研究现状 | 第13-14页 |
| ·本文的主要工作及内容安排 | 第14-17页 |
| ·主要工作 | 第14-16页 |
| ·内容安排 | 第16-17页 |
| 第2章 车辆检测与跟踪技术概述 | 第17-25页 |
| ·运动目标处理与分析 | 第17页 |
| ·车辆检测方法 | 第17-22页 |
| ·图像差法 | 第18-19页 |
| ·光流法 | 第19-20页 |
| ·边缘检测法 | 第20-22页 |
| ·车辆跟踪方法 | 第22-24页 |
| ·区域跟踪 | 第23页 |
| ·轮廓跟踪 | 第23页 |
| ·特征跟踪 | 第23页 |
| ·模型跟踪 | 第23-24页 |
| ·本文车辆检测与跟踪系统总体设计 | 第24页 |
| ·本章小结 | 第24-25页 |
| 第3章 兴趣区域检测 | 第25-38页 |
| ·颜色空间的介绍与选择 | 第25-30页 |
| ·颜色空间的介绍 | 第25-29页 |
| ·颜色空间的选择 | 第29-30页 |
| ·阴影检测 | 第30-33页 |
| ·红色像素检测 | 第33-34页 |
| ·边缘检测 | 第34-35页 |
| ·兴趣区域的生成 | 第35-36页 |
| ·本章小结 | 第36-38页 |
| 第4章 车辆验证 | 第38-57页 |
| ·车辆验证中的方法分析与选择 | 第38-39页 |
| ·Gabor滤波器与Gabor特征 | 第39-42页 |
| ·人类视觉系统与Gabor滤波器的联系 | 第39-40页 |
| ·Gabor函数表达式 | 第40-41页 |
| ·Gabor特征 | 第41-42页 |
| ·支持向量机 | 第42-45页 |
| ·支持向量机的出现与优点 | 第42-43页 |
| ·支持向量机原理 | 第43-45页 |
| ·遗传算法的改进 | 第45-53页 |
| ·标准遗传算法 | 第45-47页 |
| ·标准遗传算法存在的不足 | 第47-48页 |
| ·对标准遗传算法的改进 | 第48-49页 |
| ·改进后的遗传算法的运算流程 | 第49-50页 |
| ·改进遗传算法测试 | 第50-53页 |
| ·针对本文车辆验证的遗传算法系数及适应度计算方法 | 第53-54页 |
| ·车辆识别测试 | 第54-55页 |
| ·车辆验证的实现 | 第55-56页 |
| ·本章小结 | 第56-57页 |
| 第5章 车辆跟踪 | 第57-63页 |
| ·搜索跟踪区域 | 第57-58页 |
| ·匹配跟踪区域与目标区域 | 第58-60页 |
| ·车辆跟踪的实现 | 第60-62页 |
| ·本章小结 | 第62-63页 |
| 总结与展望 | 第63-65页 |
| 致谢 | 第65-66页 |
| 参考文献 | 第66-70页 |
| 攻读硕士学位期间发表的论文 | 第70页 |
