| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 国内外发展现状 | 第11-12页 |
| 1.3 论文主要内容和章节安排 | 第12-16页 |
| 1.3.1 论文的主要研究内容 | 第12-13页 |
| 1.3.2 论文的章节安排 | 第13-16页 |
| 第2章 车牌检测识别的智能前端目标与总体架构 | 第16-24页 |
| 2.1 车牌检测识别的智能前端目标 | 第16-17页 |
| 2.2 车牌检测识别的智能前端总体架构 | 第17-23页 |
| 2.2.1 视频采集模块 | 第19-20页 |
| 2.2.2 视频前端分析模块 | 第20-23页 |
| 2.2.3 界面显示模块 | 第23页 |
| 2.3 本章小结 | 第23-24页 |
| 第3章 基于车牌的颜色特征和边缘特征的SVM车牌定位 | 第24-46页 |
| 3.1 车牌定位算法概述 | 第24-25页 |
| 3.1.1 车牌定位算法概述 | 第24-25页 |
| 3.1.2 本文的车牌定位算法设计 | 第25页 |
| 3.2 车牌图像预处理 | 第25-38页 |
| 3.2.1 基于车牌颜色特征的预处理 | 第26-29页 |
| 3.2.2 基于车牌边缘特征的预处理 | 第29-35页 |
| 3.2.3 候选车牌区域的预处理 | 第35-38页 |
| 3.3 基于支持向量机的车牌定位 | 第38-44页 |
| 3.3.1 支持向量机描述 | 第38页 |
| 3.3.2 基于支持向量机的车牌定位 | 第38-42页 |
| 3.3.3 实验结果分析 | 第42-44页 |
| 3.4 本章小结 | 第44-46页 |
| 第4章 基于神经网络的字符识别 | 第46-58页 |
| 4.1 字符识别算法概述 | 第46-47页 |
| 4.1.1 字符识别概述 | 第46-47页 |
| 4.1.2 本文的字符识别算法设计 | 第47页 |
| 4.2 字符识别预处理 | 第47-51页 |
| 4.2.1 字符分割预处理 | 第48-49页 |
| 4.2.2 车牌字符的分割 | 第49-51页 |
| 4.2.3 字符归一化处理 | 第51页 |
| 4.3 基于BP神经网络的车牌字符识别 | 第51-57页 |
| 4.3.1 人工神经网络描述 | 第51-54页 |
| 4.3.2 基于BP神经网络的车牌字符识别 | 第54-56页 |
| 4.3.3 实验结果分析 | 第56-57页 |
| 4.4 本章小结 | 第57-58页 |
| 第5章 基于DM8127的车牌检测识别系统的设计与实现 | 第58-70页 |
| 5.1 开发环境概述 | 第58-59页 |
| 5.2 车牌检测识别算法移植 | 第59-65页 |
| 5.2.1 车牌检测识别算法库总体设计 | 第59-61页 |
| 5.2.2 车牌检测识别算法库实现 | 第61-65页 |
| 5.3 车牌检测识别算法的智能前端实现 | 第65-69页 |
| 5.3.1 车牌检测识别算法的智能前端实现 | 第65-66页 |
| 5.3.2 实验结果与分析 | 第66-69页 |
| 5.4 本章小结 | 第69-70页 |
| 第6章 总结与展望 | 第70-72页 |
| 6.1 总结 | 第70-71页 |
| 6.2 展望 | 第71-72页 |
| 参考文献 | 第72-75页 |
| 致谢 | 第75-76页 |
| 作者简介 | 第76页 |