基于视觉检测的停车场车位自动识别技术研究
| 摘要 | 第6-7页 |
| Abstract | 第7页 |
| 第1章 绪论 | 第11-19页 |
| 1.1 研究的背景和意义 | 第11-13页 |
| 1.1.1 研究背景 | 第11-12页 |
| 1.1.2 研究意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-16页 |
| 1.2.1 智能交通管理系统在国内外的发展现状 | 第13-14页 |
| 1.2.2 图像处理技术在国内外的发展 | 第14-15页 |
| 1.2.3 图像处理技术在车位识别中的应用 | 第15-16页 |
| 1.3 本文的主要研究内容和处理方法 | 第16-18页 |
| 1.3.1 本文的研究内容 | 第16-17页 |
| 1.3.2 本文的处理方法 | 第17-18页 |
| 1.4 本文的结构安排 | 第18-19页 |
| 第2章 车位图像的预处理 | 第19-27页 |
| 2.1 图像预处理简介 | 第19页 |
| 2.2 图像灰度化 | 第19-20页 |
| 2.3 图像去噪 | 第20-23页 |
| 2.3.1 算法介绍 | 第20-21页 |
| 2.3.2 均值滤波 | 第21-22页 |
| 2.3.3 中值滤波 | 第22-23页 |
| 2.4 图像的二值化 | 第23-26页 |
| 2.4.1 全局迭代阈值法 | 第23-24页 |
| 2.4.2 类间方差法 | 第24-26页 |
| 2.5 本章小结 | 第26-27页 |
| 第3章 停车位的检测统计及状态初始化 | 第27-35页 |
| 3.1 车位线区域的检测 | 第27-29页 |
| 3.1.1 图像分割的相关方法 | 第27-28页 |
| 3.1.2 本文采用的分割方法 | 第28-29页 |
| 3.2 车位的提取与个数统计 | 第29-33页 |
| 3.2.1 经典的Hough变换算法原理 | 第30页 |
| 3.2.2 利用Hough变换的车位线检测 | 第30-32页 |
| 3.2.3 车位线交点及位置的确立 | 第32-33页 |
| 3.3 车位初始状态的初始化 | 第33页 |
| 3.4 本章小结 | 第33-35页 |
| 第4章 车位占用情况检测 | 第35-48页 |
| 4.1 常用的车位检测技术 | 第35-38页 |
| 4.1.1 基于传感器的车位实时检测 | 第35-36页 |
| 4.1.2 基于视频图像的车位检测 | 第36-38页 |
| 4.2 本文所用车位上的目标检测算法 | 第38-39页 |
| 4.3 车位状态的基本判据 | 第39-43页 |
| 4.3.1 车位状态检测算法的三种判据 | 第39-40页 |
| 4.3.2 车位状态三种判据的特征 | 第40-43页 |
| 4.4 一种改进的车位状态检测算法 | 第43-47页 |
| 4.4.1 改进算法的基本步骤 | 第43-44页 |
| 4.4.2 改进算法的检测结果 | 第44-47页 |
| 4.5 本章小结 | 第47-48页 |
| 第5章 车位状态的精确识别 | 第48-62页 |
| 5.1 国内车牌的规格和特征 | 第48-49页 |
| 5.2 车牌的定位 | 第49-53页 |
| 5.2.1 车牌的粗定位 | 第49-50页 |
| 5.2.2 车牌的精确定位 | 第50-53页 |
| 5.3 车牌的字符分割 | 第53-54页 |
| 5.4 车牌的字符识别 | 第54-56页 |
| 5.5 基于视觉检测的停车场车位自动识别系统 | 第56-60页 |
| 5.5.1 系统的硬件组成 | 第56页 |
| 5.5.2 系统的软件开发平台 | 第56-57页 |
| 5.5.3 系统的实现 | 第57-60页 |
| 5.5.4 检测效果分析 | 第60页 |
| 5.6 本章小结 | 第60-62页 |
| 结论 | 第62-64页 |
| 参考文献 | 第64-70页 |
| 攻读硕士学位期间发表的论文和获得的科研成果 | 第70-71页 |
| 致谢 | 第71-72页 |
