基于图像分析的车辆识别与跟踪若干关键技术研究
| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 英文缩略语表 | 第10-11页 |
| 1 绪论 | 第11-28页 |
| ·引言 | 第11-12页 |
| ·图像分析在ITS领域的若干关键问题 | 第12-15页 |
| ·本文若干研究问题的研究现状 | 第15-21页 |
| ·本文研究背景和意义 | 第21-23页 |
| ·本文主要工作和创新点 | 第23-26页 |
| ·本文组织结构 | 第26-27页 |
| ·本章小结 | 第27-28页 |
| 2 图像处理相关理论 | 第28-44页 |
| ·引言 | 第28页 |
| ·边缘检测理论 | 第28-37页 |
| ·数学形态学 | 第37-39页 |
| ·色彩模型 | 第39-43页 |
| ·本章小结 | 第43-44页 |
| 3 车牌识别若干技术研究 | 第44-77页 |
| ·引言 | 第44页 |
| ·车牌定位 | 第44-59页 |
| ·基于改进连通域与投影法的字符分割 | 第59-68页 |
| ·夜问车牌定位与字符分割 | 第68-69页 |
| ·基于径向基神经网络的字符识别 | 第69-74页 |
| ·实验结果分析 | 第74-76页 |
| ·本章小结 | 第76-77页 |
| 4 基于核密度估计和边缘模型的运动车辆检测 | 第77-93页 |
| ·引言 | 第77-79页 |
| ·背景重建 | 第79-81页 |
| ·基于核密度函数估计的背景前景分类 | 第81-83页 |
| ·运动车辆检测 | 第83-90页 |
| ·实验平台介绍 | 第90-91页 |
| ·实验结果 | 第91-92页 |
| ·小章小结 | 第92-93页 |
| 5 基于粒子群和云模型的车型识别 | 第93-116页 |
| ·引言 | 第93-94页 |
| ·车型特征分析 | 第94-96页 |
| ·基于粒子群的车型识别 | 第96-106页 |
| ·基于云模型的车型识别 | 第106-109页 |
| ·实验结果分析 | 第109-115页 |
| ·本章小结 | 第115-116页 |
| 6 基于多特征融合的车辆跟踪 | 第116-130页 |
| ·引言 | 第116页 |
| ·运动目标检测 | 第116页 |
| ·基于均值漂移的车辆跟踪 | 第116-119页 |
| ·基于粒子滤波的车辆跟踪 | 第119-120页 |
| ·改进的特征提取方法 | 第120-124页 |
| ·多日标跟踪 | 第124-126页 |
| ·实验结果 | 第126-129页 |
| ·本章小结 | 第129-130页 |
| 7 总结与展望 | 第130-132页 |
| ·全文总结 | 第130-131页 |
| ·展望 | 第131-132页 |
| 8 致谢 | 第132-134页 |
| 参考文献 | 第134-143页 |
| 附录1 攻读学位期间发表的论文目录 | 第143页 |
