| 摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 第1章 绪论 | 第11-19页 |
| ·课题背景及意义 | 第11-12页 |
| ·课题的背景 | 第11页 |
| ·课题的意义 | 第11-12页 |
| ·国内外研究现状 | 第12-16页 |
| ·国内外智能交通系统研究现状 | 第12-14页 |
| ·运动车辆检测技术研究现状 | 第14页 |
| ·运动目标跟踪研究现状 | 第14-16页 |
| ·运动目标分类算法研究现状 | 第16页 |
| ·论文研究内容和组织结构 | 第16-19页 |
| 第2章 视频图像相关理论 | 第19-29页 |
| ·图像的颜色空间 | 第19-20页 |
| ·图像滤波 | 第20-21页 |
| ·均值滤波 | 第20页 |
| ·中值滤波 | 第20-21页 |
| ·图像分割 | 第21-25页 |
| ·基于灰度期望值的阈值分割 | 第21-22页 |
| ·基于最大类间方差(Otsu)的阈值分割 | 第22-23页 |
| ·基于高斯模型的自适应阈值分割 | 第23-25页 |
| ·形态学介绍 | 第25-27页 |
| ·膨胀和腐蚀 | 第25-26页 |
| ·开运算和闭运算 | 第26-27页 |
| ·本章小结 | 第27-29页 |
| 第3章 基于灰度相关的帧间差和背景差相结合的车辆检测 | 第29-43页 |
| ·引言 | 第29页 |
| ·运动目标检测技术概述 | 第29-30页 |
| ·光流法 | 第29页 |
| ·帧间差分法 | 第29-30页 |
| ·背景差分法 | 第30页 |
| ·基于灰度相关的帧间差和背景差相结合的车辆检测 | 第30-41页 |
| ·车辆检测算法流程 | 第31页 |
| ·灰度相关的帧间差分 | 第31-32页 |
| ·常用背景建模方法研究 | 第32-36页 |
| ·基于高斯背景建模的背景差分 | 第36-37页 |
| ·背景的自适应更新 | 第37-38页 |
| ·HSV空间中阴影的检测和去除 | 第38-40页 |
| ·车辆检测实验结果和分析 | 第40-41页 |
| ·本章小结 | 第41-43页 |
| 第4章 基于灰度和轮廓特征的改进粒子滤波车辆跟踪 | 第43-59页 |
| ·引言 | 第43-44页 |
| ·粒子滤波理论 | 第44-46页 |
| ·贝叶斯原理 | 第44-45页 |
| ·粒子滤波器 | 第45-46页 |
| ·基于灰度和轮廓特征的改进粒子滤波跟踪算法 | 第46-57页 |
| ·目标的先验知识 | 第46-47页 |
| ·系统状态转移 | 第47-48页 |
| ·系统观测 | 第48-50页 |
| ·后验概率计算 | 第50页 |
| ·粒子的重采样 | 第50-51页 |
| ·算法流程和算法描述 | 第51-52页 |
| ·实验结果和分析 | 第52-57页 |
| ·本章小结 | 第57-59页 |
| 第5章 车型识别的研究 | 第59-71页 |
| ·引言 | 第59页 |
| ·车型特征提取 | 第59-62页 |
| ·支持向量机的车型分类 | 第62-70页 |
| ·广义最优分类面 | 第62-65页 |
| ·支持向量机车型分类 | 第65-67页 |
| ·模糊集的基本理论 | 第67-68页 |
| ·基于模糊支持向量机的车型分类 | 第68-70页 |
| ·实验结果和分析 | 第70页 |
| ·本章小结 | 第70-71页 |
| 第6章 总结和展望 | 第71-73页 |
| ·总结 | 第71页 |
| ·展望 | 第71-73页 |
| 参考文献 | 第73-77页 |
| 致谢 | 第77-79页 |
| 攻读硕士学位期间发表的论文 | 第79页 |