声明
致谢
1 引言
1.1 研究意义与背景
1.2 国内外研究现状
1.2.1 智能交通监控系统国内外研究现状
1.2.2 目标检测与目标跟踪国内外研究现状
1.3 本文主要内容和安排
1.3.1 主要研究内容
1.3.2 论文各章安排
2 目标检测算法
2.1 常用的目标检测算法
2.1.1 基于手工特征的目标检测算法
2.1.2 Faster R-CNN目标检测算法
2.1.3 YOLO v3 目标检测算法
2.1.4 Tiny YOLO v3 目标检测算法
2.2 数据库的构建
2.3 实验
2.3.1 目标检测算法评价指标
2.3.2 目标检测算法比较与选择
2.3.3 实验软硬件环境
2.3.4 目标检测算法实验及结果分析
2.4 本章小结
3 目标跟踪算法
3.1 概述
3.2 基于光流特征的多目标跟踪算法
3.2.1 光流法概述
3.2.2 LK光流法
3.2.3 金字塔LK光流法
3.3 基于运动信息的多目标跟踪算法
3.3.1 跟踪原理
3.3.2 卡尔曼滤波
3.3.3 基于匈牙利算法的数据关联
3.4 融合外观特征与运动信息的多目标跟踪算法
3.4.1 跟踪原理
3.4.2 利用深度外观特征关联目标
3.4.3 利用运动信息关联目标
3.4.4 级联匹配
3.4.5 算法性能表现
3.5 本章小结
4 建立目标检测与多目标跟踪联合算法
4.1 道路交通监控信息的获取
4.2 目标检测与金字塔LK光流法联合算法
4.2.1 算法流程
4.2.2 交通信息采集与异常事件监控
4.2.3 实验结果及分析
4.3 目标检测与融合外观特征、运动信息的多目标跟踪联合算法
4.3.1 算法流程
4.3.2 目标深度外观特征的提取
4.3.3 交通信息采集与异常事件监控
4.3.4 实验结果及分析
4.4 路网运行状态智能监控系统
4.4.1 对多路交通视频的实时监控
4.4.2 实验结果及分析
4.5 本章小结
5 总结与展望
5.1 本文工作总结
5.2 后续工作展望
参考文献
作者简历及攻读硕士/博士学位期间取得的研究成果
独创性声明
学位论文数据集
北京交通大学;