| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第一章 绪论 | 第7-11页 |
| 1.1 课题研究的目的和意义 | 第7-8页 |
| 1.2 国内外研究现状 | 第8-10页 |
| 1.3 本文的主要研究内容 | 第10-11页 |
| 第二章 视频图像预处理 | 第11-19页 |
| 2.1 彩色图像的灰度化 | 第11-12页 |
| 2.2 图像噪声的减除 | 第12-15页 |
| 2.2.1 均值滤波器 | 第13-14页 |
| 2.2.2 高斯平滑滤波器 | 第14页 |
| 2.2.3 中值滤波器 | 第14-15页 |
| 2.3 灰度图像的二值化 | 第15-17页 |
| 2.4 基于数学形态学的图像处理技术 | 第17-18页 |
| 2.4.1 腐蚀与膨胀 | 第17-18页 |
| 2.4.2 开启与闭合 | 第18页 |
| 2.5 本章小结 | 第18-19页 |
| 第三章 运动目标检测与提取 | 第19-31页 |
| 3.1 引言 | 第19-20页 |
| 3.2 光流法 | 第20-21页 |
| 3.3 帧间差法 | 第21-24页 |
| 3.4 背景差分算法 | 第24-25页 |
| 3.5 背景模型方法 | 第25-28页 |
| 3.5.1 高斯混合模型 | 第25-26页 |
| 3.5.2 基于卡尔曼滤波器的背景模型 | 第26-27页 |
| 3.5.3 时间平均图像的背景模型及其更新 | 第27-28页 |
| 3.6 本章小结 | 第28-31页 |
| 第四章 特征提取方法概述 | 第31-41页 |
| 4.1 引言 | 第31-32页 |
| 4.2 颜色特征 | 第32-34页 |
| 4.2.1 颜色特征 | 第32页 |
| 4.2.2 常用的颜色特征提取方法 | 第32-34页 |
| 4.3 空间关系特征 | 第34-35页 |
| 4.3.1 空间关系 | 第34-35页 |
| 4.3.2 常用的特征提取与匹配方法 | 第35页 |
| 4.4 纹理特征 | 第35-38页 |
| 4.4.1 纹理特征 | 第35-36页 |
| 4.4.2 纹理特征描述方法 | 第36-38页 |
| 4.5 代数特征 | 第38-39页 |
| 4.6 本章小结 | 第39-41页 |
| 第五章 基于 sift 特征的车型识别系统研究 | 第41-49页 |
| 5.1 引言 | 第41页 |
| 5.2 sift 特征的特点 | 第41页 |
| 5.3 sift 特征向量 | 第41-47页 |
| 5.3.1 尺度空间理论和尺度空间极值检测 | 第42-44页 |
| 5.3.2 精确定位特征点 | 第44-45页 |
| 5.3.3 特征点主方向确定 | 第45-46页 |
| 5.3.4 sift 特征向量的生成 | 第46-47页 |
| 5.4 sift 方法在车型识别中的应用 | 第47页 |
| 5.5 分析 sift 的优缺点 | 第47-48页 |
| 5.6 小结 | 第48-49页 |
| 第六章 基于 OpenCV 的系统实现及实验结果和分析 | 第49-61页 |
| 6.1 开发平台的搭建 | 第49-51页 |
| 6.2 总体思路 | 第51-52页 |
| 6.3 系统各个功能模块设计 | 第52-58页 |
| 6.3.1 车脸样本库 | 第52-53页 |
| 6.3.2 车辆检测定位与车脸提取模块 | 第53-56页 |
| 6.3.3 样本库的建立 | 第56-58页 |
| 6.4 实验结果分析 | 第58-60页 |
| 6.5 本章小结 | 第60-61页 |
| 第七章 总结与展望 | 第61-63页 |
| 7.1 论文总结 | 第61-62页 |
| 7.2 论文进一步的工作展望 | 第62-63页 |
| 致谢 | 第63-65页 |
| 参考文献 | 第65-69页 |
| 研究成果 | 第69-70页 |