| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-16页 |
| 1.1 研究背景及意义 | 第8页 |
| 1.2 交通信息采集的研究现状 | 第8-11页 |
| 1.2.1 传统的交通信息采集技术 | 第8-9页 |
| 1.2.2 基于视频的交通信息采集技术 | 第9-10页 |
| 1.2.3 基于视频的多车型交通信息采集技术 | 第10-11页 |
| 1.3 车辆目标检测方法概述 | 第11-12页 |
| 1.3.1 光流法 | 第11页 |
| 1.3.2 帧间差分法 | 第11页 |
| 1.3.3 背景差分法 | 第11-12页 |
| 1.4 车辆目标跟踪方法概述 | 第12-13页 |
| 1.4.1 基于特征的跟踪方法 | 第12页 |
| 1.4.2 基于 3D 模型的跟踪方法 | 第12页 |
| 1.4.3 基于区域的跟踪方法 | 第12-13页 |
| 1.4.4 基于变形模型的跟踪方法 | 第13页 |
| 1.5 车型识别方法概述 | 第13-14页 |
| 1.5.1 基于几何参数的车型识别 | 第13页 |
| 1.5.2 基于特征的车型识别 | 第13-14页 |
| 1.5.3 基于模板匹配的车型识别 | 第14页 |
| 1.6 技术路线 | 第14页 |
| 1.7 主要研究内容和结构安排 | 第14-16页 |
| 第二章 系统框架和流程 | 第16-22页 |
| 2.1 系统框架 | 第16-18页 |
| 2.1.1 系统参数设置模块 | 第16页 |
| 2.1.2 系统初始化模块 | 第16-17页 |
| 2.1.3 车辆目标检测模块 | 第17页 |
| 2.1.4 车辆跟踪和分类模块 | 第17-18页 |
| 2.1.5 多车型交通信息采集模块 | 第18页 |
| 2.2 软件实现流程 | 第18-19页 |
| 2.3 软件开发平台 | 第19-21页 |
| 2.3.1 OpenCV 简介 | 第19-21页 |
| 2.4 本章小结 | 第21-22页 |
| 第三章 系统初始化 | 第22-30页 |
| 3.1 系统参数设置 | 第22页 |
| 3.2 系统初始化 | 第22-28页 |
| 3.2.1 图像预处理 | 第23页 |
| 3.2.2 检测初始彩色背景 | 第23-24页 |
| 3.2.3 场景标定 | 第24-27页 |
| 3.2.4 设置道路检测区域 | 第27-28页 |
| 3.3 本章小结 | 第28-30页 |
| 第四章 车辆目标检测 | 第30-40页 |
| 4.1 自适应彩色背景差分 | 第30-33页 |
| 4.1.1 彩色背景更新 | 第30页 |
| 4.1.2 彩色背景差分 | 第30-31页 |
| 4.1.3 自适应 Otsu 阈值分割 | 第31-32页 |
| 4.1.4 自适应彩色背景差分与自适应灰度背景差分比较 | 第32-33页 |
| 4.1.5 形态学操作与团块填充 | 第33页 |
| 4.2 阴影去除 | 第33-35页 |
| 4.3 车辆计数 | 第35-39页 |
| 4.3.1 基于线圈灰度变化百分比的车辆计数算法 | 第35-37页 |
| 4.3.2 避免重复计数 | 第37-39页 |
| 4.4 本章小结 | 第39-40页 |
| 第五章 车辆跟踪与分类 | 第40-51页 |
| 5.1 车辆跟踪 | 第40-41页 |
| 5.1.1 基于车头特征点匹配的车辆跟踪算法 | 第40-41页 |
| 5.1.2 瞬时车速测量 | 第41页 |
| 5.1.3 跟踪有效性的判断 | 第41页 |
| 5.2 车型识别 | 第41-46页 |
| 5.2.1 基于车长、面积和占空比的车型识别算法 | 第41-43页 |
| 5.2.2 基于 K-means 聚类的车型识别阈值分析 | 第43-46页 |
| 5.3 数据融合分析 | 第46-47页 |
| 5.4 车辆跟踪与分类演示 | 第47-48页 |
| 5.5 多目标跟踪的编程实现 | 第48-50页 |
| 5.6 本章小结 | 第50-51页 |
| 第六章 实验结果分析 | 第51-57页 |
| 6.1 多车型交通信息采集 | 第51页 |
| 6.2 实验验证 | 第51-55页 |
| 6.3 误差分析 | 第55页 |
| 6.4 本章小结 | 第55-57页 |
| 第七章 结论与展望 | 第57-59页 |
| 7.1 结论 | 第57页 |
| 7.2 展望 | 第57-59页 |
| 参考文献 | 第59-64页 |
| 攻读硕士期间取得的研究成果 | 第64-65页 |
| 致谢 | 第65页 |