基于视频的车型识别技术研究
| 摘要 | 第1-8页 |
| ABSTRACT | 第8-10页 |
| 附表索引 | 第10-11页 |
| 第1章 绪论 | 第11-17页 |
| ·课题研究背景及意义 | 第11-12页 |
| ·智能交通系统的研究内容及国内外发展现状 | 第12-13页 |
| ·智能交通系统的研究内容 | 第12页 |
| ·智能交通系统的国内外发展现状 | 第12-13页 |
| ·智能交通中车型识别技术 | 第13-15页 |
| ·本文主要的研究内容及组织结构 | 第15-17页 |
| 第2章 基于交通视频的运动汽车检测 | 第17-31页 |
| ·目前的运动汽车检测技术 | 第17-19页 |
| ·基于电磁感应的运动汽车检测 | 第17页 |
| ·基于红外图像热物理不变量的汽车检测 | 第17-18页 |
| ·基于视频图像的运动汽车检测 | 第18-19页 |
| ·基于交通视频的运动车辆检测 | 第19-30页 |
| ·基于光流场的运动汽车检测 | 第19-21页 |
| ·基于图像序列帧间差的运动汽车检测 | 第21-23页 |
| ·基于背景差的运动汽车检测 | 第23-27页 |
| ·基于背景差与帧间差融合的运动汽车检测 | 第27-28页 |
| ·图像的阈值选取 | 第28-30页 |
| ·本章小结 | 第30-31页 |
| 第3章 运动汽车图像预处理及特征提取 | 第31-43页 |
| ·汽车图像的形态学滤波 | 第31-34页 |
| ·数学形态学的基本运算 | 第31-33页 |
| ·基于数学形态学的汽车图像处理 | 第33-34页 |
| ·汽车阴影的去除 | 第34-40页 |
| ·阴影分割的常用方法 | 第35-37页 |
| ·现有阴影分割方法存在的问题 | 第37-38页 |
| ·基于边缘信息消除阴影 | 第38-40页 |
| ·车型特征提取与选择 | 第40-42页 |
| ·本章小结 | 第42-43页 |
| 第4章 基于支持向量机的车型分类器 | 第43-60页 |
| ·模式识别简介 | 第43-45页 |
| ·统计学习理论 | 第45-48页 |
| ·经验风险最小化 | 第45-46页 |
| ·VC维 | 第46页 |
| ·推广性的界 | 第46-47页 |
| ·结构风险最小化 | 第47-48页 |
| ·支持向量机理论 | 第48-52页 |
| ·最优分类面 | 第48-50页 |
| ·广义最优分类面 | 第50-52页 |
| ·SVM的优点 | 第52页 |
| ·支持向量机车型分类 | 第52-59页 |
| ·现有的基于支持向量机多分类方法 | 第52-55页 |
| ·支持向量机车型分类器的设计 | 第55-59页 |
| ·本章小结 | 第59-60页 |
| 第5章 总结与展望 | 第60-62页 |
| 1、总结 | 第60页 |
| 2、展望 | 第60-62页 |
| 参考文献 | 第62-66页 |
| 致谢 | 第66-67页 |
| 附录A 攻读学位期间所发表的学术论文目录 | 第67页 |
