基于车辆跟踪的两种算法研究
| 中文摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 1.绪论 | 第9-15页 |
| 1.1 课题研究背景和意义现状及难点 | 第9-13页 |
| 1.1.1 课题研究背景 | 第9页 |
| 1.1.2 课题研究意义 | 第9-11页 |
| 1.1.3 车辆跟踪研究现状 | 第11-12页 |
| 1.1.4 课题研究难点 | 第12-13页 |
| 1.2 本文研究的主要内容 | 第13-14页 |
| 1.3 小结 | 第14-15页 |
| 2.车牌预处理及车牌定位 | 第15-27页 |
| 2.1 去噪 | 第15-16页 |
| 2.2 灰度化 | 第16-17页 |
| 2.3 边缘检测 | 第17-21页 |
| 2.3.1 Sobel算子 | 第18-19页 |
| 2.3.2 Prewitt算子 | 第19页 |
| 2.3.3 拉普拉斯算子 | 第19-20页 |
| 2.3.4 Roberts算子 | 第20-21页 |
| 2.4 常用定位方法 | 第21-22页 |
| 2.5 形态学 | 第22-24页 |
| 2.5.1 膨胀运算 | 第22-23页 |
| 2.5.2 腐蚀运算 | 第23-24页 |
| 2.5.3 开运算 | 第24页 |
| 2.5.4 闭运算 | 第24页 |
| 2.6 形态学结合车牌的特征定位车牌区域 | 第24-26页 |
| 2.7 实验结果 | 第26页 |
| 2.8 小结 | 第26-27页 |
| 3.基于垂直投影和车牌固有特征的字符分割 | 第27-33页 |
| 3.1 常用分割方法 | 第27-28页 |
| 3.2 二值化 | 第28-29页 |
| 3.2.1 实验结果 | 第29页 |
| 3.3 垂直投影结合车牌的固有特征分割字符 | 第29-32页 |
| 3.3.1 去边框 | 第29-30页 |
| 3.3.2 垂直投影结合车牌的固有特征分割字符 | 第30-31页 |
| 3.3.3 实验结果 | 第31-32页 |
| 3.4 小结 | 第32-33页 |
| 4.基于轮廓的模板匹配识别与跟踪 | 第33-39页 |
| 4.1 常用车牌识别方法 | 第33-34页 |
| 4.2 基于轮廓特征的车牌识别 | 第34-35页 |
| 4.3 实验结果 | 第35页 |
| 4.4 基于卡尔曼滤波的车牌跟踪 | 第35-38页 |
| 4.4.1 卡尔曼滤波预测估计原理 | 第36-37页 |
| 4.4.2 卡尔曼滤波跟踪车牌 | 第37页 |
| 4.4.3 实验结果 | 第37-38页 |
| 4.5 小结 | 第38-39页 |
| 5.有部分遮挡的车辆跟踪 | 第39-55页 |
| 5.1 有部分遮挡的车辆跟踪方法 | 第39-40页 |
| 5.2 SURF算法 | 第40-44页 |
| 5.2.1 SURF算法流程 | 第40页 |
| 5.2.2 特征点检测 | 第40-42页 |
| 5.2.3 建立尺度空间 | 第42-43页 |
| 5.2.4 确定主方向 | 第43页 |
| 5.2.5 描述子生成 | 第43页 |
| 5.2.6 特征点匹配 | 第43-44页 |
| 5.3 ORB算法 | 第44页 |
| 5.4 改进的ORB算法 | 第44-54页 |
| 5.4.1 改进的ORB算法流程 | 第44-45页 |
| 5.4.2 FAST特征点检测 | 第45-48页 |
| 5.4.3 BRIEF特征点描述 | 第48-49页 |
| 5.4.4 改进的ORB特征匹配 | 第49-50页 |
| 5.4.5 实验结果与分析 | 第50-54页 |
| 5.5 小结 | 第54-55页 |
| 6.总结与展望 | 第55-56页 |
| 6.1 总结 | 第55页 |
| 6.2 展望 | 第55-56页 |
| 参考文献 | 第56-59页 |
| 攻读硕士学位期间发表学术论文情况 | 第59-60页 |
| 致谢 | 第60-61页 |
| 作者简介 | 第61-62页 |
