中文摘要 | 第2-3页 |
Abstract | 第3页 |
中文文摘 | 第4-8页 |
第一章 绪论 | 第8-16页 |
1.1 研究的背景 | 第8-9页 |
1.2 国内外研究现状 | 第9-11页 |
1.2.1 国外研究现状 | 第9-10页 |
1.2.2 国内研究现状 | 第10-11页 |
1.3 目前存在的问题及其研究的必要性 | 第11-13页 |
1.3.1 目前存在的问题 | 第11-12页 |
1.3.2 该课题研究的必要性 | 第12-13页 |
1.4 本文的主要研究内容、结构安排及其创新点 | 第13-15页 |
1.4.1 本文的主要研究内容 | 第13-14页 |
1.4.2 本文的结构安排 | 第14-15页 |
1.4.3 本文的创新点 | 第15页 |
1.5 本章小结 | 第15-16页 |
第二章 基于计算机视觉的智能停车场系统整体设计 | 第16-26页 |
2.1 泊车行为的分析及其引导模式的设计 | 第16-18页 |
2.1.1 泊车行为的分析 | 第16-17页 |
2.1.2 泊车引导模式的设计 | 第17-18页 |
2.2 智能停车场管理系统需求分析 | 第18-19页 |
2.3 智能停车场泊车引导系统框架设计 | 第19-20页 |
2.4 引导信息显示屏的分布及其设计 | 第20-22页 |
2.5 泊车引导系统原理 | 第22-23页 |
2.5.1 各个子系统数据流通模型 | 第22页 |
2.5.2 泊车引导流程 | 第22-23页 |
2.6 多级通信架构的研究 | 第23-25页 |
2.6.1 多目标采集网络系统设计要求 | 第23-24页 |
2.6.2 多级式网络系统物理层设计 | 第24-25页 |
2.7 本章小结 | 第25-26页 |
第三章 出入口车牌识别系统研究 | 第26-38页 |
3.1 编述 | 第26-27页 |
3.2 车牌识别 | 第27-36页 |
3.2.1 车牌识别系统简介 | 第27-28页 |
3.2.2 车牌区域的粗定位及其预处理 | 第28-32页 |
3.2.3 车牌区域精确定位 | 第32-33页 |
3.2.4 字符分割及归一化处理 | 第33-34页 |
3.2.5 字符识别 | 第34-36页 |
3.2.5.1 BP神经网络简介 | 第34-35页 |
3.2.5.2 BP神经网络训练及其字符识别 | 第35-36页 |
3.3 本章小结 | 第36-38页 |
第四章 车位状态识别系统研究 | 第38-50页 |
4.1 车位识别系统 | 第38-41页 |
4.1.1 综述 | 第38页 |
4.1.2 地磁线圈感应检测技术 | 第38页 |
4.1.3 超声波探测技术 | 第38-39页 |
4.1.4 RFID射频识别技术 | 第39-40页 |
4.1.5 基于视觉的图像处理技术 | 第40-41页 |
4.2 基于区域协方差的车位识别算法 | 第41-49页 |
4.2.1 引言 | 第41-42页 |
4.2.2 区域协方差描述符 | 第42-43页 |
4.2.2.1 用协方差矩阵来描述车位区域 | 第42-43页 |
4.2.3 协方差矩阵的距离测度 | 第43-44页 |
4.2.3.1 车位状态判定 | 第43-44页 |
4.2.4 算法的实现 | 第44-47页 |
4.2.4.1 实验条件的限定 | 第44页 |
4.2.4.2 图像的颜色空间转换 | 第44-45页 |
4.2.4.3 水平方向和垂直方向的亮度梯度图像 | 第45页 |
4.2.4.4 算法流程图 | 第45-46页 |
4.2.4.5 阈值ρ的确定 | 第46-47页 |
4.2.5 实验结果及其分析 | 第47-49页 |
4.3 本章小结 | 第49-50页 |
第五章 基于计算机视觉的车辆智能泊车引导技术研究 | 第50-62页 |
5.1 智能停车场建模 | 第50-53页 |
5.1.1 智能停车场图论抽象 | 第50-52页 |
5.1.2 背景的自适应更新及其车辆参数提取 | 第52-53页 |
5.2 停车场内路段权值构造 | 第53-58页 |
5.2.1 车辆数量M参数识别算法 | 第54-56页 |
5.2.2 车辆群均速V参数量化识别算法 | 第56-58页 |
5.3 基于Dijkstra的智能停车场路径规划研究 | 第58-61页 |
5.4 本章小结 | 第61-62页 |
第六章 全文总结及展望 | 第62-64页 |
6.1 总结 | 第62页 |
6.2 展望 | 第62-64页 |
参考文献 | 第64-68页 |
攻读学位期间参加的科研项目与主要科研成果 | 第68-70页 |
致谢 | 第70-72页 |
个人简历 | 第72-74页 |