违停车辆举报照片检测方法研究与系统实现
| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第1章 绪论 | 第13-18页 |
| 1.1 研究背景及意义 | 第13-14页 |
| 1.2 相关研究现状 | 第14-16页 |
| 1.3 研究目标和研究内容 | 第16-17页 |
| 1.3.1 研究目标 | 第16页 |
| 1.3.2 研究内容 | 第16-17页 |
| 1.4 论文结构安排 | 第17-18页 |
| 第2章 基于局部学习的车辆图像识别方法 | 第18-29页 |
| 2.1 车辆图像识别问题分析 | 第18-20页 |
| 2.1.1 问题分析 | 第18页 |
| 2.1.2 超像素分割 | 第18-19页 |
| 2.1.3 局部学习 | 第19-20页 |
| 2.2 VIRLL车辆图像识别方法 | 第20-25页 |
| 2.2.1 特征提取 | 第20-22页 |
| 2.2.2 局部学习的样本空间建立 | 第22-23页 |
| 2.2.3 分类器设计 | 第23-25页 |
| 2.3 仿真实验与结果分析 | 第25-28页 |
| 2.4 本章小结 | 第28-29页 |
| 第3章 违停车辆举报照片检测方法 | 第29-40页 |
| 3.1 违停车辆举报照片的检测问题描述 | 第29-31页 |
| 3.1.1 举报照片的有效性 | 第29-30页 |
| 3.1.2 举报照片的重复性 | 第30-31页 |
| 3.2 面向违停车辆的举报照片有效性检测方案 | 第31-35页 |
| 3.2.1 车辆比例的确定 | 第32-34页 |
| 3.2.2 拍摄角度的确定 | 第34-35页 |
| 3.3 多信息联合的车辆举报照片去重方案 | 第35-39页 |
| 3.3.1 距离计算 | 第37-38页 |
| 3.3.2 图像相似度检测 | 第38-39页 |
| 3.4 本章小结 | 第39-40页 |
| 第4章 检测系统的设计与实现 | 第40-63页 |
| 4.1 系统设计 | 第40-53页 |
| 4.1.1 检测系统总体设计 | 第40-41页 |
| 4.1.2 移动端App设计 | 第41-44页 |
| 4.1.3 后端管理平台设计 | 第44-53页 |
| 4.2 系统实现 | 第53-62页 |
| 4.2.1 Android App客户端 | 第53-55页 |
| 4.2.2 后端管理平台 | 第55-62页 |
| 4.3 本章小结 | 第62-63页 |
| 第5章 结论与展望 | 第63-65页 |
| 5.1 结论 | 第63页 |
| 5.2 展望 | 第63-65页 |
| 参考文献 | 第65-68页 |
| 致谢 | 第68-69页 |
| 攻读学位期间参加的科研项目和成果 | 第69页 |
