相邻卡口时空关联车辆视频检索研究
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-6页 |
| 目录 | 第6-10页 |
| 第一章 绪论 | 第10-16页 |
| ·选题背景和意义 | 第10-11页 |
| ·国内外研究现状 | 第11-13页 |
| ·论文主要工作 | 第13页 |
| ·论文的组织结构安排 | 第13-16页 |
| 第二章 图像预处理技术的研究 | 第16-36页 |
| ·关键帧的提取 | 第17-21页 |
| ·关键帧提取的意义 | 第17页 |
| ·常用的关键帧提取方法 | 第17-19页 |
| ·本文基于车辆运动面积的关键帧提取方法 | 第19-21页 |
| ·图像预处理技术 | 第21-27页 |
| ·图像归一化 | 第21-24页 |
| ·图像平滑 | 第24-25页 |
| ·图像灰度化 | 第25-26页 |
| ·图像均衡化 | 第26-27页 |
| ·车辆的检测与分割 | 第27-30页 |
| ·车辆的检测 | 第27-29页 |
| ·车辆的分割 | 第29-30页 |
| ·图像的边缘检测 | 第30-34页 |
| ·基于梯度的边缘检测 | 第30-31页 |
| ·Sobel边缘检测算法 | 第31-32页 |
| ·Laplace边缘检测算法 | 第32页 |
| ·Canny边缘检测算法 | 第32-33页 |
| ·几种图像边缘检测算法的比较 | 第33-34页 |
| ·本章小结 | 第34-36页 |
| 第三章 特征选择与提取 | 第36-50页 |
| ·特征的选择 | 第36-43页 |
| ·颜色特征 | 第36-38页 |
| ·几何特征 | 第38-39页 |
| ·形状特征 | 第39-43页 |
| ·特征提取实现方法 | 第43-48页 |
| ·颜色特征提取 | 第43-46页 |
| ·几何特征提取 | 第46-47页 |
| ·形状特征提取 | 第47-48页 |
| ·特征归一化 | 第48-49页 |
| ·外部特征归一化 | 第48-49页 |
| ·内部特征归一化 | 第49页 |
| ·本章小结 | 第49-50页 |
| 第四章 时空关联对象车辆相似性研究 | 第50-66页 |
| ·时空关联思想 | 第50-51页 |
| ·基于视频图像车速检测的方法 | 第51-56页 |
| ·方法的描述 | 第52-53页 |
| ·关键点的选取 | 第53页 |
| ·基于视频图像车速检测的实现 | 第53-56页 |
| ·基于SVM的车型分类 | 第56-60页 |
| ·SVM多分类算法概述 | 第56-58页 |
| ·SVM车型分类器的设计与实现 | 第58-60页 |
| ·特征相似性匹配研究 | 第60-63页 |
| ·单一特征相似性匹配 | 第61页 |
| ·多特征融合的方法描述 | 第61-62页 |
| ·基于多特征融合相似性匹配 | 第62-63页 |
| ·两种相似性匹配结果的比较 | 第63页 |
| ·可信度评价体系 | 第63-64页 |
| ·本章小结 | 第64-66页 |
| 第五章 关联视频检索研究 | 第66-72页 |
| ·关联视频检索流程 | 第66-67页 |
| ·关联视频检索的设计方案 | 第67-68页 |
| ·关联视频检索策略 | 第68-70页 |
| ·相似对象与视频关联 | 第68-69页 |
| ·视频检索的实现 | 第69-70页 |
| ·本章小结 | 第70-72页 |
| 第六章 实验结果与分析 | 第72-84页 |
| ·实验环境及平台介绍 | 第72-73页 |
| ·特征提取实验与分析 | 第73-77页 |
| ·车辆颜色特征提取实验 | 第73-74页 |
| ·车辆几何特征提取实验 | 第74-75页 |
| ·基于视频图像车速检测实验 | 第75-77页 |
| ·车辆相似性匹配实验 | 第77-79页 |
| ·关联视频检索实验 | 第79-82页 |
| ·本章小结 | 第82-84页 |
| 第七章 总结与展望 | 第84-86页 |
| ·本文工作总结 | 第84-85页 |
| ·展望 | 第85-86页 |
| 致谢 | 第86-88页 |
| 参考文献 | 第88-94页 |
| 附录A：攻读学位期间获得科研成果 | 第94-96页 |
| 附录B：攻读学位期间参与的科研项目 | 第96页 |
