1、“.....其实质是种简化的卡尔曼滤波器，很好的解决了卡尔曼滤波器存在的问题。我们做了很多和大小，可以称之为基于像素的运动跟踪，然而图像的像素数量是很大的，这种像素点搜索匹配的方法所需的时间远远多于我们的方法，因此我们没有采用这种像素点搜索匹配的方法。第七章讲述运动物体层的运动跟踪。首先，的位置，然后和前帧图像中的运动点团位置关系判断是否为同运动物体。还有种运动跟踪的方二〇五年五月十日星期法在当前运动点团邻域搜索匹配下帧中的运动点团，这种方法不需要提取运动点团的位置跟踪。第六章还讲述了运动点团层的运动跟踪，并指出了其存在的几个问题，为解决这些问题......”。

2、“.....从而引出了第七章。另外，在运动跟踪时，我们是先确定帧图像中所有运动点团首先是对运动点团二值图像做数学形态学处理，去除微小的噪声物体。然后提取运动点团的位置和大小。提取运动点团的位置和大小有多种算法，第六章比较了不同的算法，并且提出了改进算法，改进算法更适合运动目标检测和路繁忙度的方法。前面讲述的处理方法都是基于图像像素的，属于图中的图像像素层，这层处理的结果是运动点团二值图像，代表运动前景像素，代表背景像素。接下来到了运动点团层处理。第六章讲述运动点团层的处理。体，关注区是图像中可能会出现运动物体的部分。在背景提取的时候可以同时获取关注区，之后的处理就集中在关注区中，这是减少图像像素数......”。

3、“.....第五章讲述了关注区的提取方法和利用关注区数据计算道作差的帧间差法，第四章接着讲述帧间差法，并将其与背景差法比较。图像会随时间而变化，得到前景和背景像素后，就可以对背景图像做更新，第四章最后讲述背景更新的策略。并不是图像的每个像素都会出现运动物体作差的帧间差法，第四章接着讲述帧间差法，并将其与背景差法比较。图像会随时间而变化，得到前景和背景像素后，就可以对背景图像做更新，第四章最后讲述背景更新的策略。并不是图像的每个像素都会出现运动物体，关注区是图像中可能会出现运动物体的部分。在背景提取的时候可以同时获取关注区，之后的处理就集中在关注区中，这是减少图像像素数......”。

4、“.....第五章讲述了关注区的提取方法和利用关注区数据计算道路繁忙度的方法。前面讲述的处理方法都是基于图像像素的，属于图中的图像像素层，这层处理的结果是运动点团二值图像，代表运动前景像素，代表背景像素。接下来到了运动点团层处理。第六章讲述运动点团层的处理。首先是对运动点团二值图像做在背景提取的时候可以同时获取关注区，之后的处理就集中在关注区中，这是减少图像像素数，减少处理时间的好方法。第五章讲述了关注区的提取方法和利用关注区数据计算道路繁忙度的方法。前面讲述的处理方法都是基于图像像素的，属于图中的图像像素层，这层处理的结果是运动点团二值图像，代表运动前景像素，代表背景像素......”。

5、“.....第六章讲述运动点团层的处理。首先是对运动点团二值图像做数学形态学处理，去除微小的噪声物体。然后提取运动点团的位置和大小。提取运动点团的位置和大小有多种算法，第六章比较了不同的算法，并且提出了改进算法，改进算法更适合运动目标检测和跟踪。第六章还讲述了运动点团层的运动跟踪，并指出了其存在的几个问题，为解决这些问题，必须在运动点团层上增加运动物体层见图，从而引出了第七章。另外，在运动跟踪时，我们是先确定帧图像中所有运动点团的位置，然后和前帧图像中的运动点团位置关系判断是否为同运动物体。还有种运动跟踪的方二〇五年五月十日星期法在当前运动点团邻域搜索匹配下帧中的运动点团......”。

6、“.....可以称之为基于像素的运动跟踪，然而图像的像素数量是很大的，这种像素点搜索匹配的方法所需的时间远远多于我们的方法，因此我们没有采用这种像素点搜索匹配的方法。第七章讲述运动物体层的运动跟踪。首先，介绍了卡尔曼滤波器，其可以用于运动跟踪，但其存在些问题，由卡尔曼滤波器启发，本文提出了种基于预测的运动跟踪方法，其实质是种简化的卡尔曼滤波器，很好的解决了卡尔曼滤波器存在的问题。我们做了很多实验验证了此算法的健壮性。这章还比较了基于边缘图像的运动跟踪与基于原始图象处理的目标是代替人去处理和理解图象，因此实时性，灵活性，精确性是对系统的主要要求。系统构成通过摄象机将道路交通流图像捕捉下来......”。

7、“.....从而得到交通流数据和交通状况等交通信息，这是系统的基本工作流程。二〇五年五月十日星期图系统构成图系统工作原理通过系统初始化，对系统中的参数进行设定，如每秒采集图象的帧数，图象二值化的门限值阈值等等。由图像采集系统将摄像机摄取的路段上行驶车辆的视频图象按序列连续捕捉下来并数字化，存入内存或帧缓存中。将这些采集到的序列数字图像进行预处理滤波除噪，图象锐化，对比度增强。对预处理后的图像进行图象分割，并对分割后的目标图象进行特征提取图象描述。用提取的特征进行分类识别。通过相应的算法进行计算，得到车辆的计数车辆速度，并将获得的数据存入数据库......”。

8、“.....识别出车辆的类型，将识别出的结果存入数据库。对数据库里的数据进行统计分析输出有关报表或图片。在道路视频图像序列中获得车辆的速度，可以使用简单的方法，就是在图像中的道路位置设置虚拟检测线，模拟感应线圈，根据虚拟检测线上的像素颜色的变化得到经过虚拟检测线的车辆的速度，同时也可以对经过虚拟检测线的车辆计数。这种方法有很大的局限性。首先，它需要人工标定虚拟检测线，摄像头旦换位置，就需要重新设定次虚拟检测线，很不方便其次，它只能检测通过虚拟检测线的车辆，而对图像其他区域的车辆无所知，图像的大量信息丢失掉了。因此，本文不采取虚拟检测线的方法......”。

9、“.....跟踪每个运动物体在视频图像序列中的位置，进而得到每个物体的运动速度和运动物二〇五年五月十日星期体总数。运动目标检测与跟踪的流程有三个层次，如图。每个层次再细分，可以得到图二的几个步骤。图运动目标检测与跟踪的层次图像像素层运动点团层运动物体层二〇五年五月十日星期图二运动目标检测和跟踪的步骤系统的输入是彩色视频图像序列。检测运动物体需要无运动物体的背景图像，而视频图像序列中的每帧图像般都有运动物体，因此需要提取背景。背景图像提取出来后，将每帧图像与背景图像作差，然后二值化，得到前景像素构成的运动点团图像，这就是背景差法。背景提取有很多种算法......”。