文摘
英文文摘
第一章绪 论
1.1 引言
1.1.1 智能交通系统研究背景
1.1.2 视觉和图像处理在ITS中的应用
1.1.3 智能控制技术在ITS中的应用
1.2 智能交通系统关键技术研究现状
1.2.1 车辆描述和车辆运动跟踪
1.2.2车辆识别和分类
1.2.3车道检测检测和跟踪
1.2.4交通参数检测
1.2.5车牌识别技术
1.2.6城市道路交叉口信号配时优化
1.3 课题来源和选题意义
1.4 本论文的创新
1.5 本论文的主要内容和结构
1.5.1 研究内容
1.5.2 本论文的篇章安排
1.5.3 各关键技术的结构框图
第二章车牌识别
2.1 引言
2.1.1 车牌自动识别研究的意义
2.1.2 车牌自动识别的处理特点和主要研究内容
2.1.3 国内外车牌自动识别的主要研究方法
2.1.4本文提出的方法
2.2 基于垂直字符边界特征的车牌定位方法
2.2.1 车牌定位
2.2.2 提高车牌定位性能的措施
2.2.3 讨论
2.3 基于颜色特征的车牌定位方法
2.3.1 系统框架
2.3.2 中国车牌的颜色和结构特征
2.3.3车牌定位
2.3.4颜色排列特征编码分析
2.3.5 车牌的倾斜度、高度和宽度估计
2.3.6图像扫描
2.4 基于模板匹配和神经网络的集成的车牌识别方法
2.4.1 四灰度加权相似函数模板匹配车牌字符识别
2.4.2 神经网络车牌字符识别
2.4.3 模板匹配和神经网络的集成
2.4.4 结论
2.5 车牌识别的分布式结构处理方法
2.5.1 车牌识别分布式结构处理方法
2.5.2 车牌自动识别分布式物理层拓扑结构
2.5.3 车牌自动识别系统算法层分布式结构
2.5.4 实验分析和结论
2.6 本章小结
第三章 车道检测和跟踪
3.1 引言
3.2 基于白线和区域检测的车道检测和跟踪算法
3.2.1 白线检测
3.2.2道路区域检测
3.2.3集成方法
3.3 基于图像形状可能性车道检测算法
3.3.1 带参数的道路形状模型在图像中地描述
3.3.2 图像形状可能性函数
3.3.3车道边缘检测
3.4 基于状态分析的车道检测和跟踪算法
3.4.1车道模型
3.4.2 候选边界点的提取
3.5 本章小结
第四章车型识别
4.1 引言
4.2 带参数的模型的结构
4.2.1 参数化模型的结构
4.2.2 数据采集和模型修正
4.2.3 参数化模型的数学描述
4.3 神经网络车型识别
4.3.1 神经网络车型识别特征提取
4.3.2神经网络拓扑结构
4.3.3 神经网络车型识别算法
4.3.4 神经网络车型识别的训练集和测试集
4.3.5 神经网络车型识别鲁棒性和实时性分析
4.4 本章小结
第五章车辆的运动估计和跟踪
5.1 引言
5.2 摄像机参数估计
5.2.1 摄像机的FOE运动分析
5.2.2 FOE方法
5.2.3 摄像机运动参数估计
5.3 图像序列处理方法
5.3.1 特征点定义和提取算法
5.3.2 FOE估计
5.4 车辆的运动参数估计
5.4.1 摄像机的运动参数估计
5.4.2 车辆的运动参数估计
5.5 本章小结
第六章 基于计算机视觉和图像处理的交通参数检测
6.1 引言
6.1.1 交通流参数检测的计算机视觉理论
6.1.2本文的方法
6.2 系统结构和处理流程
6.2.1 系统结构
6.2.2 系统处理流程
6.3 交通参数检测方法
6.3.1 图像帧差
6.3.2 虚拟线状态分析
6.3.3 符号参数定义
6.4 车辆计数
6.5 车辆速度检测
6.5.1 同一标志线和虚拟线上检测车辆速度
6.5.2 相邻两标志线和虚拟线上检测车辆速度
6.6排队状态和排队长度检测
6.7 本章小结
第七章 城市交叉口智能监控系统
7.1 引言
7.2 城市交叉口智能监控系统系统的总体框架
7.3 关键技术
7.3.1 数据获取
7.3.2 数据传输
7.3.3 智能控制技术
7.4 交叉口信号配时优化
7.4.1 交叉口信号控制的基本术语
7.4.2 模糊控制系统——参数及其优化
7.4.3基于竞争技术的模糊逻辑控制
7.4.4 基于多目标遗传算法的模糊控制参数优化
7.4.5 模糊逻辑信号控制器的评价
7.5 系统的仿真方法
7.6 本章小结
第八章全文总结
8.1 本文的主要工作与创新点
8.2 未来展望
致谢
作者在攻读博士学位期间完成的主要学术论文
参考文献
华中科技大学;
华中理工大学;
智能交通系统; 图像处理; 模式识别; 智能控制; 车牌识别; 车道检测; 车辆运动检测与跟踪; 交通参数检测; 交叉口信号配时优化;
