车辆综合信息检测研究
| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 绪论 | 第7-13页 |
| ·车辆综合信息检测研究概述 | 第7-9页 |
| ·车辆综合信息检测的研究意义 | 第7-8页 |
| ·车辆综合信息检测的国内外现状 | 第8-9页 |
| ·车辆综合信息检测的难点 | 第9-10页 |
| ·车辆综合信息检测系统简介 | 第10-11页 |
| ·本文主要研究内容及章节安排 | 第11-13页 |
| 第二章 前车窗定位及驾乘人员检测 | 第13-33页 |
| ·引言 | 第13-14页 |
| ·车窗的粗定位及图像预处理 | 第14-21页 |
| ·前车窗粗定位 | 第14-15页 |
| ·图像预处理工作 | 第15-21页 |
| ·基于直线特征的前车窗精准定位 | 第21-23页 |
| ·车窗上、下边缘水平直线检测 | 第21-22页 |
| ·车窗两侧坐标定位 | 第22-23页 |
| ·车窗前排驾乘人员检测 | 第23-27页 |
| ·基于积分图的 Adaboost 人脸检测算法 | 第23-26页 |
| ·训练和测试人脸目标检测器 | 第26-27页 |
| ·实验结果与分析 | 第27-32页 |
| ·实验环境 | 第27-29页 |
| ·实验结果 | 第29-31页 |
| ·实验结果分析 | 第31-32页 |
| ·本章小结 | 第32-33页 |
| 第三章 车身表面颜色识别 | 第33-51页 |
| ·车辆颜色识别概述 | 第33-34页 |
| ·选取车身颜色识别区域 | 第34-36页 |
| ·引言 | 第34页 |
| ·颜色待识别区域的分割 | 第34-36页 |
| ·车辆颜色识别区域高光检测 | 第36-40页 |
| ·高光检测算法概述 | 第36-37页 |
| ·高光检测 | 第37-40页 |
| ·基于 BP 神经网络的颜色分类器 | 第40-47页 |
| ·BP 神经网络的特点 | 第40-41页 |
| ·BP 神经网络工作原理 | 第41-44页 |
| ·构建车辆颜色分类器 | 第44-46页 |
| ·车辆颜色分类器的训练和测试 | 第46-47页 |
| ·实验结果与分析 | 第47-49页 |
| ·实验环境 | 第47页 |
| ·实验结果 | 第47-48页 |
| ·实验结果分析 | 第48-49页 |
| ·本章小结 | 第49-51页 |
| 第四章 基于 SVM 的车型分类器 | 第51-63页 |
| ·车型识别概述 | 第51页 |
| ·提取车辆的车型特征 | 第51-56页 |
| ·特征提取方法概述 | 第51-52页 |
| ·车辆的几何特征 | 第52-53页 |
| ·Hu 矩 | 第53-54页 |
| ·Zernike 矩 | 第54-56页 |
| ·基于决策树的 SVM 多类分类器 | 第56-59页 |
| ·支持向量机概述 | 第56-57页 |
| ·支持向量机分类原理 | 第57-59页 |
| ·SVM 车型分类器的设计 | 第59页 |
| ·实验结果与分析 | 第59-61页 |
| ·实验环境 | 第59-61页 |
| ·实验结果 | 第61页 |
| ·实验结果分析 | 第61页 |
| ·本章小结 | 第61-63页 |
| 第五章 结束语 | 第63-65页 |
| ·论文工作总结 | 第63页 |
| ·展望 | 第63-65页 |
| 致谢 | 第65-67页 |
| 参考文献 | 第67-70页 |
