基于视频图像的车型识别算法研究与实现
| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 绪论 | 第7-11页 |
| ·课题研究目的和意义 | 第7页 |
| ·车型识别国内外研究现状和前景 | 第7-8页 |
| ·本文研究的主要内容及结构安排 | 第8-11页 |
| 第二章 视频图像预处理方法简介 | 第11-19页 |
| ·颜色模型 | 第11-12页 |
| ·HSV 颜色模型 | 第11-12页 |
| ·RGB 颜色模型 | 第12页 |
| ·图像的灰度化 | 第12-13页 |
| ·图像的降噪处理 | 第13-16页 |
| ·噪声模型 | 第14页 |
| ·图像去噪方法 | 第14-16页 |
| ·灰度图像的二值化 | 第16-17页 |
| ·图像的形态学处理 | 第17-18页 |
| ·膨胀与腐蚀运算 | 第17-18页 |
| ·开启与闭合 | 第18页 |
| ·本章小结 | 第18-19页 |
| 第三章 运动车辆检测与提取 | 第19-23页 |
| ·引言 | 第19页 |
| ·运动车辆检测方法 | 第19-22页 |
| ·背景差分法 | 第20-21页 |
| ·帧间差分法 | 第21-22页 |
| ·本文选用的运动目标检测以及背景建模方法 | 第22页 |
| ·本章小结 | 第22-23页 |
| 第四章 图像特征提取以及支持向量机原理 | 第23-49页 |
| ·车型样本库的建立 | 第23-25页 |
| ·车脸区域的选择 | 第25-28页 |
| ·图像的特征表示法 | 第28-44页 |
| ·图像的灰度特征表示法 | 第29-30页 |
| ·图像的纹理特征表示法 | 第30-31页 |
| ·图像的形状特征表示法 | 第31-32页 |
| ·本文所选用的几个特征表示方法简介 | 第32-44页 |
| ·支持向量机简介及多类分类原理 | 第44-48页 |
| ·支持向量机简介 | 第44-45页 |
| ·多类分类算法简介 | 第45-48页 |
| ·本章小结 | 第48-49页 |
| 第五章 车型识别算法的实现及实验结果与分析 | 第49-59页 |
| ·开发平台简介 | 第49页 |
| ·总体思路 | 第49-50页 |
| ·系统各个功能模块设计 | 第50-56页 |
| ·车脸样本库的建立 | 第50-51页 |
| ·图像的特征向量表示法 | 第51-53页 |
| ·SVM 训练 | 第53-54页 |
| ·SVM 识别 | 第54-56页 |
| ·实验结果分析 | 第56-57页 |
| ·识别结果分析 | 第56-57页 |
| ·本章小结 | 第57-59页 |
| 第六章 总结与展望 | 第59-61页 |
| ·论文总结 | 第59页 |
| ·论文进一步的工作展望 | 第59-61页 |
| 致谢 | 第61-63页 |
| 参考文献 | 第63-65页 |
