| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-17页 |
| 1.1 课题的研究背景和研究意义 | 第9页 |
| 1.2 国内外进展状况 | 第9-14页 |
| 1.2.1 智能交通系统研究现状 | 第9-10页 |
| 1.2.2 运动车辆检测技术研究现状 | 第10-12页 |
| 1.2.3 车牌识别技术的研究现状 | 第12-13页 |
| 1.2.4 运动车辆跟踪技术研究现状 | 第13-14页 |
| 1.3 论文的研究内容与结构安排 | 第14-17页 |
| 1.3.1 论文研究的主要内容 | 第14-15页 |
| 1.3.2 论文结构安排 | 第15-17页 |
| 2 车辆多目标检测与跟踪方法研究 | 第17-34页 |
| 2.1 车辆多目标检测 | 第17-30页 |
| 2.1.1 视频帧的均衡处理 | 第17-19页 |
| 2.1.2 视频帧的灰度处理 | 第19-20页 |
| 2.1.3 边缘检测 | 第20-24页 |
| 2.1.4 车道线识别与分割 | 第24-26页 |
| 2.1.5 基于熵值法加权的Adaboost与帧差法检测模型 | 第26-30页 |
| 2.2 车辆多目标追踪 | 第30-32页 |
| 2.2.1 KCF追踪 | 第31页 |
| 2.2.2 循环矩阵 | 第31页 |
| 2.2.3 线性回归 | 第31-32页 |
| 2.2.4 快速检测 | 第32页 |
| 2.3 本章小结 | 第32-34页 |
| 3 车辆牌照的定位 | 第34-47页 |
| 3.1 国内车牌的规格和特征 | 第34-36页 |
| 3.2 图像预处理 | 第36-41页 |
| 3.2.1 图像的形态学运算 | 第37-39页 |
| 3.2.2 图像二值化 | 第39-40页 |
| 3.2.3 车辆图像的边缘检测 | 第40-41页 |
| 3.3 数学形态学粗定位车牌 | 第41-43页 |
| 3.4 蓝(黄)像素统计、行列扫描精确定位车牌 | 第43-46页 |
| 3.4.1 精确定位算法原理 | 第44页 |
| 3.4.2 行扫描 | 第44-45页 |
| 3.4.3 列扫描 | 第45-46页 |
| 3.5 本章小结 | 第46-47页 |
| 4 车牌的字符分割与识别 | 第47-61页 |
| 4.1 车牌字符分割 | 第47-57页 |
| 4.1.1 车牌预处理 | 第48-51页 |
| 4.1.2 水平投影分析 | 第51-55页 |
| 4.1.3 垂直投影分析 | 第55-57页 |
| 4.2 车牌字符识别 | 第57-60页 |
| 4.2.1 传统的模板匹配算法 | 第57页 |
| 4.2.2 一种改进的模板匹配算法 | 第57-60页 |
| 4.3 本章小结 | 第60-61页 |
| 5 整体测试与分析 | 第61-63页 |
| 5.1 车辆目标的检测 | 第61页 |
| 5.2 车辆目标的追踪 | 第61页 |
| 5.3 车牌的识别 | 第61-62页 |
| 5.4 本章小结 | 第62-63页 |
| 结论 | 第63-64页 |
| 致谢 | 第64-65页 |
| 参考文献 | 第65-68页 |