基于视频的车辆识别系统研究
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-9页 |
| 第1章 绪论 | 第9-17页 |
| ·研究背景 | 第9-10页 |
| ·国内外研究现状 | 第10-12页 |
| ·视频检测 | 第10-11页 |
| ·车牌识别 | 第11-12页 |
| ·车牌识别存在的问题 | 第12-13页 |
| ·车牌识别关键技术 | 第13-15页 |
| ·研究内容 | 第15-16页 |
| ·章节安排 | 第16-17页 |
| 第2章 运动车辆检测 | 第17-31页 |
| ·运动检测概述 | 第17页 |
| ·光流场法 | 第17-20页 |
| ·帧间差分法 | 第20-21页 |
| ·背景差分法 | 第21-23页 |
| ·混合高斯背景建模 | 第23-28页 |
| ·单高斯背景建模 | 第23-24页 |
| ·混合高斯背景建模 | 第24-27页 |
| ·改进的混合高斯背景模型 | 第27-28页 |
| ·背景分离 | 第28页 |
| ·实验结果 | 第28-29页 |
| ·本章小结 | 第29-31页 |
| 第3章 车牌定位提取 | 第31-49页 |
| ·车牌的特征 | 第31页 |
| ·车辆图像预处理 | 第31-39页 |
| ·灰度化 | 第32-33页 |
| ·灰度对比拉伸 | 第33-34页 |
| ·图像平滑滤波 | 第34-35页 |
| ·二值化 | 第35-39页 |
| ·一般车牌定位方法 | 第39-40页 |
| ·基于分类器定位法 | 第39页 |
| ·基于图像色彩的定位法 | 第39页 |
| ·基于纹理特征定位法 | 第39-40页 |
| ·基于边缘检测和先验知识的车牌定位方法 | 第40-48页 |
| ·边缘检测 | 第41-44页 |
| ·形态学处理 | 第44-46页 |
| ·区域筛选 | 第46-47页 |
| ·灰度跳变法定位车牌 | 第47页 |
| ·最终确定车牌坐标 | 第47-48页 |
| ·实验结果 | 第48页 |
| ·本章小结 | 第48-49页 |
| 第4章 车牌字符切分 | 第49-63页 |
| ·图像预处理 | 第49-58页 |
| ·二值化 | 第49-51页 |
| ·锐化增强 | 第51-53页 |
| ·倾斜校正 | 第53-58页 |
| ·去除车牌边框 | 第58-60页 |
| ·车牌先验知识 | 第58页 |
| ·去除车牌上下空白 | 第58-59页 |
| ·去除左边框 | 第59页 |
| ·去除右边空白区域 | 第59-60页 |
| ·字符切分 | 第60-61页 |
| ·传统字符切分 | 第60页 |
| ·基于先验知识和垂直投影相结合的字符切分法 | 第60-61页 |
| ·字符归一化 | 第61页 |
| ·实验结果 | 第61页 |
| ·本章总结 | 第61-63页 |
| 第5章 字符识别 | 第63-77页 |
| ·字符识别算法综述 | 第63-64页 |
| ·模板匹配算法 | 第63页 |
| ·模板匹配法改进 | 第63-64页 |
| ·改进型 BP 神经网络字符识别方法 | 第64-71页 |
| ·神经网络方法 | 第64-65页 |
| ·BP 神经网络简介 | 第65-69页 |
| ·字符特征的提取 | 第69-70页 |
| ·改进的 BP 算法 | 第70-71页 |
| ·字符识别 | 第71-75页 |
| ·确定输入层节点数 | 第72-73页 |
| ·隐含层节点数 | 第73-74页 |
| ·输出节点数 | 第74页 |
| ·传递函数 | 第74页 |
| ·初始权值 | 第74页 |
| ·学习速率和动量系数 | 第74-75页 |
| ·实验结果 | 第75-76页 |
| ·本章小结 | 第76-77页 |
| 第6章 总结与展望 | 第77-79页 |
| ·总结 | 第77-78页 |
| ·不足与展望 | 第78-79页 |
| 参考文献 | 第79-83页 |
| 致谢 | 第83-84页 |
| 攻读硕士学位期间的研究成果 | 第84页 |
