| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 论文研究背景及意义 | 第11-12页 |
| 1.2 车辆识别国内外研究现状 | 第12-15页 |
| 1.2.1 基于图像的车辆识别国内研究现状 | 第13-14页 |
| 1.2.2 基于图像的车辆识别国外研究现状 | 第14-15页 |
| 1.3 本文的主要工作及章节安排 | 第15-17页 |
| 第二章 车型识别方法概述 | 第17-31页 |
| 2.1 车型识别特征提取算法 | 第17-26页 |
| 2.1.1 几何参数特征 | 第17-19页 |
| 2.1.2 Hu矩特征 | 第19-20页 |
| 2.1.3 PCA特征 | 第20-22页 |
| 2.1.4 SURF特征 | 第22-25页 |
| 2.1.5 本文的车型识别特征 | 第25-26页 |
| 2.2 车型识别算法 | 第26-30页 |
| 2.2.1 最小距离分类法介绍 | 第26-27页 |
| 2.2.2 k近邻算法 | 第27-28页 |
| 2.2.3 k-d树 | 第28-30页 |
| 2.3 本章小结 | 第30-31页 |
| 第三章 基于PCA算法和SURF算法相结合的车型识别研究 | 第31-49页 |
| 3.1 车牌定位 | 第31-35页 |
| 3.1.1 车牌定位预备知识 | 第31-33页 |
| 3.1.2 基于HSI彩色模型和彩色边缘的车牌定位 | 第33-35页 |
| 3.2 车辆图像的倾斜校正 | 第35-38页 |
| 3.3 车脸截取 | 第38-43页 |
| 3.3.1 车脸的定义 | 第38页 |
| 3.3.2 车脸截取预备知识 | 第38-39页 |
| 3.3.3 基于二分最小梯度投影的车脸截取 | 第39-43页 |
| 3.4 车脸特征提取及分类 | 第43-47页 |
| 3.4.1 PCA特征提取 | 第43-45页 |
| 3.4.2 寻找最匹配的5个训练样本 | 第45-46页 |
| 3.4.3 SURF特征提取及匹配 | 第46-47页 |
| 3.4.4 识别车型 | 第47页 |
| 3.5 本章小结 | 第47-49页 |
| 第四章 多姿态车辆识别系统设计与实现 | 第49-61页 |
| 4.1 系统总体设计 | 第49-52页 |
| 4.1.1 系统工作流程 | 第50页 |
| 4.1.2 功能模块划分 | 第50-51页 |
| 4.1.3 系统平台搭建 | 第51-52页 |
| 4.2 系统各个功能模块设计 | 第52-60页 |
| 4.2.1 数据库存储操作模块 | 第52-53页 |
| 4.2.2 PCA特征库的离线存储模块 | 第53-54页 |
| 4.2.3 车牌定位及车辆倾斜校正模块 | 第54-55页 |
| 4.2.4 车脸截取模块 | 第55-56页 |
| 4.2.5 PCA特征提取及匹配模块 | 第56-57页 |
| 4.2.6 SURF特征提取及匹配模块 | 第57-59页 |
| 4.2.7 车型识别结果显示模块 | 第59-60页 |
| 4.3 车辆识别系统整合 | 第60页 |
| 4.4 本章小结 | 第60-61页 |
| 第五章 车辆识别系统测试与分析 | 第61-72页 |
| 5.1 数据采集 | 第61-63页 |
| 5.1.1 样本库标本要求 | 第61-62页 |
| 5.1.2 样本库的建立 | 第62-63页 |
| 5.1.3 样本库的优化 | 第63页 |
| 5.2 测试内容 | 第63-64页 |
| 5.3 车辆识别系统测试结果与分析 | 第64-70页 |
| 5.3.1 车牌定位准确率和车脸截取准确率测试 | 第64-65页 |
| 5.3.2 单独PCA特征匹配识别测试 | 第65页 |
| 5.3.3 PCA与SURF特征匹配识别测试 | 第65-66页 |
| 5.3.4 几大影响因素测试与分析 | 第66-70页 |
| 5.4 车型识别系统评价 | 第70-71页 |
| 5.5 本章小结 | 第71-72页 |
| 第六章 总结和展望 | 第72-74页 |
| 6.1 论文总结 | 第72-73页 |
| 6.2 论文进一步的工作展望 | 第73-74页 |
| 致谢 | 第74-75页 |
| 参考文献 | 第75-78页 |
| 攻读硕士学位期间取得的成果 | 第78-79页 |