基于背景差分的视频车辆检测
| 摘要 | 第2-3页 |
| Abstract | 第3-4页 |
| 第1章 绪论 | 第9-17页 |
| 1.1 论文的研究背景和意义 | 第9-10页 |
| 1.2 国内外的研究现状和进展 | 第10-15页 |
| 1.2.1 车辆检测技术的现状与发展 | 第10-13页 |
| 1.2.2 视频图像去噪的现状与发展 | 第13-15页 |
| 1.3 论文的主要内容与组织结构 | 第15-17页 |
| 第2章 基于视频的车辆检测方法 | 第17-29页 |
| 2.1 引言 | 第17页 |
| 2.2 视频图像处理 | 第17-22页 |
| 2.2.1 图像灰度化 | 第17-19页 |
| 2.2.2 图像去噪 | 第19页 |
| 2.2.3 二值图像的形态学处理 | 第19-22页 |
| 2.3 车辆检测算法 | 第22-26页 |
| 2.3.1 光流法 | 第22-23页 |
| 2.3.2 帧间差分 | 第23-24页 |
| 2.3.3 背景差分 | 第24-26页 |
| 2.3.4 三种车辆检测技术性能对比 | 第26页 |
| 2.4 本章小结 | 第26-29页 |
| 第3章 基于K-SVD去噪的车辆检测 | 第29-47页 |
| 3.1 引言 | 第29页 |
| 3.2 稀疏表示 | 第29-31页 |
| 3.3 常用的视频图像去噪算法 | 第31-38页 |
| 3.3.1 中值滤波去噪 | 第32-33页 |
| 3.3.2 维纳滤波去噪 | 第33-35页 |
| 3.3.3 小波变换去噪 | 第35-38页 |
| 3.4 基于稀疏表示的去噪方法 | 第38-40页 |
| 3.4.1 图像的稀疏表示 | 第39页 |
| 3.4.2 K-SVD去噪算法 | 第39-40页 |
| 3.5 实验结果与分析 | 第40-46页 |
| 3.5.1 视觉效果和信噪比的比较 | 第40-44页 |
| 3.5.2 车辆检测率的比较 | 第44-46页 |
| 3.6 本章小结 | 第46-47页 |
| 第4章 基于背景差分的视频车辆检测与跟踪 | 第47-65页 |
| 4.1 引言 | 第47-48页 |
| 4.2 背景建模 | 第48-55页 |
| 4.2.1 均值法 | 第48-50页 |
| 4.2.2 单高斯背景模型 | 第50-52页 |
| 4.2.3 混合高斯背景模型 | 第52-54页 |
| 4.2.4 基于混合高斯的多模态背景模型 | 第54-55页 |
| 4.3 基于背景差分的车辆检测 | 第55-57页 |
| 4.4 基于质心的多车辆跟踪 | 第57-59页 |
| 4.5 实验结果与分析 | 第59-63页 |
| 4.5.1 性能验证 | 第59-61页 |
| 4.5.2 车辆检测率比较 | 第61页 |
| 4.5.3 多车辆的跟踪和统计 | 第61-63页 |
| 4.6 本章小结 | 第63-65页 |
| 第5章 总结与展望 | 第65-67页 |
| 5.1 论文工作总结 | 第65-66页 |
| 5.2 论文研究展望 | 第66-67页 |
| 参考文献 | 第67-73页 |
| 攻读硕士学位期间发表的学术论文及学术成果 | 第73-75页 |
| 致谢 | 第75-76页 |
| 详细摘要 | 第76-79页 |
