1、“.....采样率基于均值改进的基于均值基于中值滤波基于共同区域表三实验数据二不同方法得到的背景与标准背景图像比较的实验数据二不同方法的随处理时间变化关系图，如图二十。各提取背景算法与时间关系图时间基于均值改进的基于均值基于中值滤波基于共同区域二〇五年五月十日星期图二十实验数据二不同提取背景的算法与处理时间关系图将图二十中横坐标，区间部分作局部放大，得到图二十二。图二十二实验数据二不同提取背景的算法与处理时间关系图局部从图二十和图二十二这两组实验数据的结果中，我们可以得到以下结论并不是采样率越高处理时间越长，就越高......”。

2、“.....尽管采样率不同，但值都基本不变了。这是因为不同的图像帧区别只在于运动前景不同，背景是相同的，因此不同图像帧之间存在着信息冗余，增加采样率，只会增加处理时间，不会增加，也即不会提高背景提取的质量。也就是说，在背景提取的时候，我们不需要很高的采样率即可得到不错的背景图像。基于均值的算法是效果最差的算法，因为其只是简单的平均，没有做更多的处理。共同区域法需要更高的采样率才能得到好效果。这是因为要找到更多的共同区域，就需要更高的采样率。从提取出来的背景图像的人眼视觉效果来说......”。

3、“.....基于中值滤波的背景提取算法，只是取排序中位于中间的元素作输出，舍弃掉了其他元素，没有充分利用其他元素的信息，并且排序比较耗时，因此基于中值滤波的背景提取算法不是很好的算法。效果最好的算法是改进的基于均值的背景提取算法。综上所述，对于秒的视频图像序列，采用每秒帧的采样率，使用改进的基于均值的背景提取算法，不到秒就可以得到优秀的背景图像。而背景提取对实时性本来要求就不高，不需要像物体运动跟踪那样对所有输入帧都进行处理，这种方法完全能达到应用的要求。视频交通流检测及车辆识别系统的设计与实现软件功能概述能够对监视区域内的路段上通过车辆的数目进行标实时计数。能够对监视区域内的运动车辆进行实时速度测量......”。

4、“.....能够将检测和识别获得的交通数据存入数据库。能对数据库的数据进行统计输出。对系统测量到的车辆数目和每辆车的速度能实时处理并显示。二〇五年五月十日星期能够对车辆的长度，车辆的车头间距，车辆排队长度等交通流数据进行统计。功能模块设计视频交通流检测及车辆识别系统是由系统初始化模块图象采集模块图象预处理模块图象分割模块特征提取模块流量统计模块类型识别模块数据管理模块系统维护模块组成。这章还比较了基于边缘图像的运动跟踪与基于原始的彩色图像的运动跟踪的效果，指出了基于边缘图像的运动跟踪差于基于原始彩色图像的运动跟踪的原因。图二中虚线框的步骤，是物体运动跟踪之后可以继续进行器，其可以用于运动跟踪......”。

5、“.....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和大小，可以称之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......”。

6、“.....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，再将这些捕捉到的序列图像送入计算机进行图象处理图象分析和图象理解......”。

7、“.....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。将图象分割和特征提取得到的特征与模型库里建立好的车辆模型进行模式匹配，识别出车辆的类型......”。

8、“.....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，而以运动物体车辆为目标，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......”。

9、“.....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，第三章将详述与比较各种背景提取算法......”。