| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第11-16页 |
| 1.1 本文研究的目的和意义 | 第11-12页 |
| 1.2 相关研究现状 | 第12-13页 |
| 1.2.1 视频相关技术 | 第12-13页 |
| 1.2.2 基于视频监控的桩考系统 | 第13页 |
| 1.3 论文的组织结构及内容 | 第13-16页 |
| 1.3.1 论文的主要内容 | 第13-14页 |
| 1.3.2 论文基本组织结构 | 第14页 |
| 1.3.3 Microsoft Visual Studio 2008的开发工具 | 第14-16页 |
| 第二章 桩考系统研究现状 | 第16-21页 |
| 2.1 桩考系统的发展概况 | 第16-18页 |
| 2.2 桩考系统相关技术分析 | 第18-20页 |
| 2.2.1 光流场分析 | 第18-19页 |
| 2.2.2 背景差分法 | 第19页 |
| 2.2.3 帧间差分法 | 第19-20页 |
| 2.3 本章小结 | 第20-21页 |
| 第三章 基于角点法的车辆轮廓提取算法 | 第21-27页 |
| 3.1 直线投影检测算法 | 第21-22页 |
| 3.2 基于角点的车辆轮廓提取算法 | 第22-25页 |
| 3.2.1 算法概述 | 第22-23页 |
| 3.2.2 角点匹配 | 第23-25页 |
| 3.2.3 SUSAN算法自适应阈值的改进 | 第25页 |
| 3.3 实验结果和分析 | 第25-26页 |
| 3.4 本章小结 | 第26-27页 |
| 第四章 基于粒子群优化的车辆跟踪算法 | 第27-36页 |
| 4.1 粒子群优化算法的基本原理 | 第27-31页 |
| 4.1.1 经典粒子群优化算法 | 第28-29页 |
| 4.1.2 算法中参数的含义 | 第29页 |
| 4.1.3 惯性权值 | 第29-30页 |
| 4.1.4 种群拓扑 | 第30-31页 |
| 4.1.5 自适应粒子群优化 | 第31页 |
| 4.2 基于粒子群优化的跟踪算法 | 第31-34页 |
| 4.2.1 目标的表示 | 第31-32页 |
| 4.2.2 参数调整 | 第32-33页 |
| 4.2.3 收敛标准 | 第33页 |
| 4.2.4 粒子群的动态传递 | 第33-34页 |
| 4.2.5 算法描述 | 第34页 |
| 4.3 实验结果和分析 | 第34页 |
| 4.4 本章小结 | 第34-36页 |
| 第五章 基于视频监控的桩考系统的设计与实现 | 第36-72页 |
| 5.1 汽车桩考的及格标准 | 第36页 |
| 5.1.1 考试内容 | 第36页 |
| 5.1.2 考试的地点和选择的考试相应路线 | 第36页 |
| 5.1.3 合格标准 | 第36页 |
| 5.2 桩考系统的设计 | 第36-39页 |
| 5.2.1 需求分析 | 第37页 |
| 5.2.1.1 功能分析 | 第37页 |
| 5.2.1.2 设计需求 | 第37页 |
| 5.2.2 系统总体设计 | 第37-39页 |
| 5.3 桩考系统的实现 | 第39-71页 |
| 5.3.1 桩考系统的定标算法实现 | 第39页 |
| 5.3.2 车辆坐标系的建立 | 第39-40页 |
| 5.3.3 车辆边缘点的实时计算 | 第40-41页 |
| 5.3.4 实时运行中各种情况处理方法 | 第41-42页 |
| 5.3.5 实地测试 | 第42页 |
| 5.3.6 桩考系统的硬件实现 | 第42-46页 |
| 5.3.7 桩考仪系统组成 | 第46-63页 |
| 5.3.8 注册源代码 | 第63-65页 |
| 5.3.8.1 页面代码 | 第63-64页 |
| 5.3.8.2 DAL层代码 | 第64-65页 |
| 5.3.9 阿拉伯数字转中文大写代码 | 第65-69页 |
| 5.3.10 加载菜单源代码 | 第69-70页 |
| 5.3.10.1 获取菜单数据代码 | 第69页 |
| 5.3.10.2 加载数据代码 | 第69-70页 |
| 5.3.11 分页技术源代码 | 第70-71页 |
| 5.4 本章小结 | 第71-72页 |
| 第六章 总结与展望 | 第72-73页 |
| 致谢 | 第73-74页 |
| 参考文献 | 第74-76页 |