基于车辆外观特征的车辆识别算法研究
| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第11-21页 |
| 1.1 研究背景 | 第11-15页 |
| 1.1.1 交通系统概述 | 第11-12页 |
| 1.1.2 智能交通系统 | 第12-13页 |
| 1.1.3 大数据时代下的智能交通系统 | 第13-15页 |
| 1.2 国内外研究现状 | 第15-19页 |
| 1.3 本文的研究工作 | 第19-21页 |
| 1.3.1 研究工具 | 第19页 |
| 1.3.2 研究目标 | 第19-20页 |
| 1.3.3 本篇论文的组织结构 | 第20-21页 |
| 第2章 车辆特征的基础研究 | 第21-29页 |
| 2.1 车辆的类型特征 | 第21-22页 |
| 2.2 车辆的造型特征 | 第22-27页 |
| 2.3 车辆的颜色特征 | 第27-29页 |
| 第3章 视频处理基础 | 第29-45页 |
| 3.1 视频处理的概述 | 第29-30页 |
| 3.2 背景图像的提取 | 第30-35页 |
| 3.2.1 单高斯模型 | 第31-32页 |
| 3.2.2 混合高斯模型 | 第32页 |
| 3.2.3 中位数和均值法模型 | 第32-33页 |
| 3.2.4 背景图像提取对比 | 第33-35页 |
| 3.3 前景目标区域提取 | 第35-45页 |
| 3.3.1 前景目标区域提取概述 | 第35-36页 |
| 3.3.2 背景减除 | 第36-39页 |
| 3.3.3 阴影减除 | 第39-42页 |
| 3.3.4 图像过滤 | 第42-43页 |
| 3.3.5 目标区域选择 | 第43-45页 |
| 第4章 车辆的颜色特征提取 | 第45-57页 |
| 4.1 车辆的颜色特征提取 | 第45-47页 |
| 4.2 颜色空间 | 第47-52页 |
| 4.2.1 RGB色彩空间 | 第47-48页 |
| 4.2.2 XYZ色彩空间 | 第48-50页 |
| 4.2.3 Lab色彩空间 | 第50-51页 |
| 4.2.4 HSV色彩空间 | 第51-52页 |
| 4.3 分类算法 | 第52-57页 |
| 4.3.1 KNN分类算法 | 第52-53页 |
| 4.3.2 改进的分类算法 | 第53-55页 |
| 4.3.3 结果比对 | 第55-57页 |
| 第5章 车辆的造型特征提取 | 第57-75页 |
| 5.1 边缘检测 | 第57-63页 |
| 5.1.1 Canny边缘检测 | 第58-61页 |
| 5.1.2 Sobel算子 | 第61-62页 |
| 5.1.3 Laplace算子 | 第62页 |
| 5.1.4 不同算子结果比对 | 第62-63页 |
| 5.2 车辆的造型线特征提取 | 第63-66页 |
| 5.2.1 挡风玻璃轮廓提取 | 第64-66页 |
| 5.3 车辆的特征对比 | 第66-70页 |
| 5.4 实验步骤示意及结果 | 第70-75页 |
| 第6章 总结与展望 | 第75-77页 |
| 6.1 总结 | 第75页 |
| 6.2 展望 | 第75-77页 |
| 参考文献 | 第77-83页 |
| 致谢 | 第83-84页 |
| 研究生阶段成果 | 第84页 |
