| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 目录 | 第7-10页 |
| 1. 绪论 | 第10-17页 |
| 1.1 研究背景与意义 | 第10页 |
| 1.2 国内外研究现状 | 第10-14页 |
| 1.2.1 车型识别技术的研究现状 | 第10-12页 |
| 1.2.2 基于视频的车型识别技术的研究现状 | 第12-14页 |
| 1.3 本文主要研究内容以及各章内容安排 | 第14-15页 |
| 1.4 本论文的创新点 | 第15-17页 |
| 2. 系统平台设计 | 第17-23页 |
| 2.1 引言 | 第17页 |
| 2.2 系统需求分析 | 第17页 |
| 2.3 系统流程设计 | 第17-19页 |
| 2.4 系统模块设计 | 第19-20页 |
| 2.5 系统界面设计 | 第20-22页 |
| 2.6 本章小结 | 第22-23页 |
| 3. 运动车辆的检测 | 第23-42页 |
| 3.1 引言 | 第23页 |
| 3.2 视频图像采集 | 第23页 |
| 3.3 前景检测的主要方法 | 第23-27页 |
| 3.3.1 基于光流场的方法 | 第23-25页 |
| 3.3.2 基于帧差分的方法 | 第25-26页 |
| 3.3.3 基于背景差分的方法 | 第26-27页 |
| 3.4 背景建模和更新 | 第27-31页 |
| 3.4.1 背景建模的主要方法介绍 | 第27-29页 |
| 3.4.2 基于混合高斯模型的背景建模 | 第29-31页 |
| 3.5 阴影的去除 | 第31-38页 |
| 3.5.1 阴影去除的主要方法介绍 | 第31-32页 |
| 3.5.2 结合YCrCb颜色特征和LBP纹理特征的阴影去除 | 第32-38页 |
| 3.6 实验结果与分析 | 第38-41页 |
| 3.7 本章小结 | 第41-42页 |
| 4. 车型组合特征提取算法研究 | 第42-51页 |
| 4.1 引言 | 第42-43页 |
| 4.2 车型纹理特征提取 | 第43-45页 |
| 4.3 车型形状特征提取 | 第45-47页 |
| 4.4 车型几何特征提取 | 第47-48页 |
| 4.5 多特征组合 | 第48页 |
| 4.6 实验结果与分析 | 第48-50页 |
| 4.7 本章小结 | 第50-51页 |
| 5. 支持向量机参数优化及车型识别 | 第51-70页 |
| 5.1 引言 | 第51页 |
| 5.2 支持向量机的基本概念 | 第51-58页 |
| 5.2.1 线性支持向量机 | 第51-54页 |
| 5.2.2 非线性支持向量机 | 第54-55页 |
| 5.2.3 常用核函数 | 第55-57页 |
| 5.2.4 支持向量机的参数 | 第57-58页 |
| 5.3 常用的支持向量机参数优化算法 | 第58-61页 |
| 5.3.1 基于网格搜索的支持向量机 | 第58-59页 |
| 5.3.2 基于遗传算法的支持向量机 | 第59-61页 |
| 5.3.3 基于粒子群算法的支持向量机 | 第61页 |
| 5.4 基于改进的粒子群算法的支持向量机 | 第61-64页 |
| 5.4.1 改进的粒子群算法基本原理 | 第61-62页 |
| 5.4.2 改进的粒子群算法参数优化具体流程 | 第62-64页 |
| 5.5 实验结果与分析 | 第64-68页 |
| 5.6 本章小结 | 第68-70页 |
| 6. 总结与展望 | 第70-72页 |
| 6.1 本文主要工作总结 | 第70-71页 |
| 6.2 后续研究方向展望 | 第71-72页 |
| 参考文献 | 第72-78页 |
| 攻读硕士学位期间主要的研究成果 | 第78-80页 |
| 致谢 | 第80页 |