智能停车场管理系统的研究与设计
| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 1 绪论 | 第9-15页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 研究现状 | 第10-13页 |
| 1.2.1 国外智能停车场现状 | 第10-11页 |
| 1.2.2 国内智能停车场现状 | 第11-13页 |
| 1.3 本文的主要研究内容 | 第13页 |
| 1.4 本文的组织结构 | 第13-15页 |
| 2 车牌图像预处理与识别算法 | 第15-29页 |
| 2.1 图像预处理 | 第15-23页 |
| 2.1.1 高斯模糊 | 第15-16页 |
| 2.1.2 灰度处理 | 第16-17页 |
| 2.1.3 边缘检测 | 第17-20页 |
| 2.1.4 二值化 | 第20-22页 |
| 2.1.5 形态学处理 | 第22页 |
| 2.1.6 颜色空间转换 | 第22-23页 |
| 2.2 车牌识别相关技术 | 第23-28页 |
| 2.2.1 车牌介绍 | 第23-25页 |
| 2.2.2 车牌定位 | 第25-26页 |
| 2.2.3 字符分割 | 第26-27页 |
| 2.2.4 字符识别 | 第27-28页 |
| 2.3 本章小结 | 第28-29页 |
| 3 基于多算法融合的多车牌定位和识别算法 | 第29-49页 |
| 3.1 多车牌识别算法流程 | 第29页 |
| 3.2 多车牌定位 | 第29-41页 |
| 3.2.1 基于文字定位的车牌粗选方法 | 第30-31页 |
| 3.2.2 基于颜色检测的车牌粗选方法 | 第31-33页 |
| 3.2.3 基于边缘检测的车牌粗选方法 | 第33-35页 |
| 3.2.4 倾斜矫正 | 第35-36页 |
| 3.2.5 基于支持向量机的精确定位方法 | 第36-38页 |
| 3.2.6 车牌定位效果 | 第38-41页 |
| 3.3 字符分割 | 第41-43页 |
| 3.3.1 后续处理 | 第42-43页 |
| 3.4 字符识别 | 第43-48页 |
| 3.4.1 BP算法简介 | 第44-46页 |
| 3.4.2 神经网络的训练与识别 | 第46-48页 |
| 3.5 本章小结 | 第48-49页 |
| 4 智能停车场管理系统的设计 | 第49-68页 |
| 4.1 系统总体架构 | 第49-51页 |
| 4.2 系统的主要功能 | 第51-52页 |
| 4.3 实现环境 | 第52-58页 |
| 4.3.1 Open CV开发环境的部署 | 第52-54页 |
| 4.3.2 高德地图开发环境的部署 | 第54-55页 |
| 4.3.3 支付宝开发环境的部署 | 第55-58页 |
| 4.4 车位预约模块的设计 | 第58-61页 |
| 4.4.1 Geohash算法 | 第58-59页 |
| 4.4.2 车位预约流程 | 第59-60页 |
| 4.4.3 相关数据库设计 | 第60-61页 |
| 4.5 出入口控制模块与停车计费模块的设计 | 第61-65页 |
| 4.5.1 出入口控制流程 | 第61-63页 |
| 4.5.2 停车计费流程 | 第63-64页 |
| 4.5.3 相关数据库设计 | 第64-65页 |
| 4.6 车辆查找模块设计 | 第65-67页 |
| 4.6.1 车辆查找流程 | 第65-66页 |
| 4.6.2 相关数据库设计 | 第66-67页 |
| 4.7 本章小结 | 第67-68页 |
| 5 智能停车场管理系统的实现 | 第68-80页 |
| 5.1 多车牌识别在系统中的应用 | 第68-69页 |
| 5.2 查找附近停车场的实现 | 第69-71页 |
| 5.3 预约车位的实现 | 第71-74页 |
| 5.4 车辆入场的实现 | 第74-75页 |
| 5.5 车辆离场的实现 | 第75-77页 |
| 5.6 车辆查找的实现 | 第77-79页 |
| 5.7 本章小结 | 第79-80页 |
| 6 总结与展望 | 第80-82页 |
| 6.1 总结 | 第80-81页 |
| 6.2 展望 | 第81-82页 |
| 参考文献 | 第82-85页 |
| 致谢 | 第85-86页 |
| 攻读学位期间发表的学术论文目录 | 第86-87页 |
