面向智能终端的交通模式识别技术研究与实现
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 课题背景和研究意义 | 第10-11页 |
| 1.2 研究难点和内容 | 第11-13页 |
| 1.3 本文主要贡献 | 第13页 |
| 1.4 论文组织结构 | 第13-16页 |
| 第二章 交通模式识别技术 | 第16-26页 |
| 2.1 交通模式识别技术概述 | 第16页 |
| 2.2 相关理论基础 | 第16-20页 |
| 2.2.1 模式识别基础概述 | 第16-18页 |
| 2.2.2 模式识别中统计分类常用算法 | 第18-20页 |
| 2.3 交通模式识别常用传感器介绍 | 第20-21页 |
| 2.3.1 Android加速度传感器介绍 | 第20-21页 |
| 2.3.2 Android陀螺仪介绍 | 第21页 |
| 2.3.3 Android磁场传感器介绍 | 第21页 |
| 2.3.4 Android气压传感器介绍 | 第21页 |
| 2.4 典型交通模式识别技术 | 第21-23页 |
| 2.4.1 基于射频的交通模式识别技术 | 第22页 |
| 2.4.2 基于低功耗传感器的交通模式识别技术 | 第22-23页 |
| 2.4.3 混合交通模式识别技术 | 第23页 |
| 2.5 交通模式识别技术分析与总结 | 第23-24页 |
| 2.6 本章小结 | 第24-26页 |
| 第三章 面向智能终端的交通模式识别技术研究方法 | 第26-50页 |
| 3.1 面向智能终端的交通模式识别方法概述 | 第26页 |
| 3.2 数据采集 | 第26-29页 |
| 3.2.1 采集软件展示 | 第26-28页 |
| 3.2.2 采集方法 | 第28-29页 |
| 3.3 数据预处理 | 第29-32页 |
| 3.3.1 数据去噪处理 | 第29-30页 |
| 3.3.2 加速度水平与垂直分量提取 | 第30-32页 |
| 3.4 机动车行为检测 | 第32-37页 |
| 3.4.1 加减速检测 | 第32-34页 |
| 3.4.2 停车检测 | 第34-36页 |
| 3.4.3 拐弯检测 | 第36-37页 |
| 3.5 特征属性提取 | 第37-41页 |
| 3.6 基于层次分类器的交通模式识别 | 第41-48页 |
| 3.6.1 步行分类器构建 | 第42-43页 |
| 3.6.2 静止分类器构建 | 第43-44页 |
| 3.6.3 机动车分类器构建 | 第44-46页 |
| 3.6.4 铁轨机动车分类器构建 | 第46-47页 |
| 3.6.5 非铁轨机动车分类器构建 | 第47-48页 |
| 3.7 本章小结 | 第48-50页 |
| 第四章 面向智能终端的交通模式识别方法性能分析 | 第50-56页 |
| 4.1 实验环境以及验证方法简介 | 第50页 |
| 4.2 实验结果分析与评估 | 第50-54页 |
| 4.2.1 准确度评估 | 第50-52页 |
| 4.2.2 能耗评估 | 第52页 |
| 4.2.3 稳定性和适用性评估 | 第52-54页 |
| 4.3 本章小结 | 第54-56页 |
| 第五章 基于Android的交通模式识别系统 | 第56-66页 |
| 5.1 基于Android的交通模式识别系统设计 | 第56-65页 |
| 5.1.1 系统架构 | 第56-57页 |
| 5.1.2 系统关键模块及设计 | 第57-61页 |
| 5.1.3 系统工作流程 | 第61-62页 |
| 5.1.4 界面呈现 | 第62-65页 |
| 5.2 本章小结 | 第65-66页 |
| 第六章 结束语 | 第66-68页 |
| 6.1 论文工作总结 | 第66-67页 |
| 6.2 下一阶段研究方向 | 第67-68页 |
| 参考文献 | 第68-72页 |
| 致谢 | 第72-74页 |
| 攻读学位期间发表的学术论文目录 | 第74页 |
