基于TMS320DM8127的车型识别系统的研究与实现
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 缩略词 | 第11-12页 |
| 第一章 绪论 | 第12-18页 |
| 1.1. 课题的研究背景和意义 | 第12-13页 |
| 1.2. 研究现状 | 第13-16页 |
| 1.2.1. 道路视频监控系统 | 第13-14页 |
| 1.2.2. 基于视频图像的车型识别 | 第14-15页 |
| 1.2.3. 硬件系统的设计 | 第15-16页 |
| 1.3. 本文主要工作及结构安排 | 第16-18页 |
| 第二章 基于视频图像的车前脸定位 | 第18-30页 |
| 2.1. 视频图像预处理 | 第18-21页 |
| 2.1.1. 图像噪声分类 | 第18-19页 |
| 2.1.2. 图像噪声滤波 | 第19-21页 |
| 2.2. 车辆的车前脸定位技术 | 第21-28页 |
| 2.2.1. 前景车辆提取 | 第21-23页 |
| 2.2.2. 车前脸粗定位 | 第23-25页 |
| 2.2.3. 基于水平梯度的车前脸精定位 | 第25-28页 |
| 2.3. 本章小结 | 第28-30页 |
| 第三章 基于HOG特征和集成分类器的车型识别 | 第30-44页 |
| 3.1. 识别特征提取 | 第30-38页 |
| 3.1.1. 车型识别特征 | 第30-34页 |
| 3.1.2. 特征降维 | 第34-37页 |
| 3.1.3. 基于HOG和LDA的识别特征提取 | 第37-38页 |
| 3.2. 车型分类器设计 | 第38-40页 |
| 3.2.1. 集成学习简介 | 第38-39页 |
| 3.2.2. 集成分类器设计 | 第39-40页 |
| 3.3. 基于HOG和集成分类器的车前脸识别 | 第40-42页 |
| 3.3.1. 车前脸库建立 | 第40-41页 |
| 3.3.2. 参数选取 | 第41页 |
| 3.3.3. 车前脸识别结果分析 | 第41-42页 |
| 3.4. 本章小结 | 第42-44页 |
| 第四章 基于离散粒子群优化的车型识别 | 第44-52页 |
| 4.1. 局部特征提取与识别 | 第44-48页 |
| 4.1.1. 局部特征分析 | 第44-47页 |
| 4.1.2. 局部特征识别 | 第47-48页 |
| 4.2. 基于离散粒子群优化的识别算法 | 第48-50页 |
| 4.2.1. 进化算法介绍 | 第48-49页 |
| 4.2.2. 基于DPSO的车型识别 | 第49-50页 |
| 4.3. 实验结果与分析 | 第50-51页 |
| 4.4. 本章小结 | 第51-52页 |
| 第五章 基于DM8127的车型识别系统开发 | 第52-70页 |
| 5.1. 硬件总体方案 | 第52-54页 |
| 5.2. 主芯片板设计与实现 | 第54-60页 |
| 5.2.1. 主芯片DM8127 | 第54-56页 |
| 5.2.2. Flash模块设计 | 第56-58页 |
| 5.2.3. DDR3模块设计 | 第58-60页 |
| 5.3. 接口子板设计与实现 | 第60-63页 |
| 5.3.1. 以太网接口设计 | 第60-63页 |
| 5.3.2. SD卡接口设计 | 第63页 |
| 5.4. 电源子板设计与实现 | 第63-66页 |
| 5.5. 软件系统设计和实现概述 | 第66-69页 |
| 5.6. 本章小结 | 第69-70页 |
| 第六章 总结和展望 | 第70-72页 |
| 参考文献 | 第72-76页 |
| 致谢 | 第76-77页 |
| 在学期间的研究成果及发表的学术论文 | 第77页 |
