面向道路卡口的智能车标识别系统
| 摘要 | 第3-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第10-17页 |
| 1.1 研究背景及意义 | 第10-12页 |
| 1.1.1 研究背景 | 第10-11页 |
| 1.1.2 研究意义 | 第11-12页 |
| 1.2 研究现状及技术难点 | 第12-14页 |
| 1.2.1 研究现状 | 第12-13页 |
| 1.2.2 技术难点 | 第13-14页 |
| 1.3 研究内容与创新点 | 第14-15页 |
| 1.4 章节安排 | 第15-17页 |
| 第二章 车标定位及识别算法综述 | 第17-29页 |
| 2.1 引言 | 第17-18页 |
| 2.2 车标定位算法综述 | 第18-22页 |
| 2.2.1 基于模板匹配的车标定位算法 | 第18-19页 |
| 2.2.2 基于纹理分析的车标定位算法 | 第19-20页 |
| 2.2.3 基于统计学习模型的车标检测 | 第20-22页 |
| 2.3 车标识别算法综述 | 第22-28页 |
| 2.3.1 特征提取 | 第24-26页 |
| 2.3.2 分类和识别策略 | 第26-28页 |
| 2.4 本章小结 | 第28-29页 |
| 第三章 车标定位技术 | 第29-47页 |
| 3.1 引言 | 第29页 |
| 3.2 车辆检测 | 第29-34页 |
| 3.2.1 前景检测算法简介 | 第30页 |
| 3.2.2 本文车辆检测方法 | 第30-34页 |
| 3.3 图像预处理 | 第34-35页 |
| 3.4 车标粗定位 | 第35-40页 |
| 3.4.1 车牌检测 | 第35-38页 |
| 3.4.2 车标候选区的确定 | 第38-40页 |
| 3.5 车标精确定位 | 第40-41页 |
| 3.6 实验验证 | 第41-45页 |
| 3.6.1 实验环境 | 第41-42页 |
| 3.6.2 实验结果与分析 | 第42-45页 |
| 3.7 本章小结 | 第45-47页 |
| 第四章 车标识别技术 | 第47-73页 |
| 4.1 引言 | 第47页 |
| 4.2 目标识别框架 | 第47-50页 |
| 4.2.1 词袋框架 | 第47-48页 |
| 4.2.2 空间金字塔框架 | 第48-50页 |
| 4.3 车标识别算法流程 | 第50-58页 |
| 4.3.1 Dense-SIFT 特征提取 | 第51-53页 |
| 4.3.2 视觉词汇库建立及特征量化 | 第53-56页 |
| 4.3.3 建立空间视觉词直方图 | 第56-57页 |
| 4.3.4 识别分类器 | 第57-58页 |
| 4.4 实验验证 | 第58-70页 |
| 4.4.1 实验环境 | 第58-60页 |
| 4.4.2 实验结果与分析 | 第60-70页 |
| 4.5 面向道路卡口的智能车标识别系统实验验证 | 第70-72页 |
| 4.6 本章小结 | 第72-73页 |
| 第五章 总结与展望 | 第73-76页 |
| 5.1 总结 | 第73-74页 |
| 5.2 展望 | 第74-76页 |
| 参考文献 | 第76-80页 |
| 致谢 | 第80-81页 |
| 攻读硕士学位期间已发表或录用的论文 | 第81-84页 |
| 附件 | 第84页 |
