| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第一章 绪论 | 第8-14页 |
| §1.1 选题背景及意义 | 第8-9页 |
| §1.2 国内外研究现状 | 第9-12页 |
| §1.2.1 云计算研究现状 | 第9-10页 |
| §1.2.2 车牌识别系统研究现状 | 第10-11页 |
| §1.2.3 Hadoop应用研究现状 | 第11-12页 |
| §1.3 论文的主要工作及结构安排 | 第12-14页 |
| 第二章 Hadoop云平台与视频处理 | 第14-23页 |
| §2.1 Hadoop简介 | 第14-16页 |
| §2.1.1 Hadoop发展背景 | 第14-15页 |
| §2.1.2 Hadoop项目及其结构 | 第15-16页 |
| §2.2 分布式文件系统HDFS | 第16-18页 |
| §2.3 并行计算框架MapReduce | 第18-20页 |
| §2.3.1 MapReduce架构 | 第18页 |
| §2.3.2 MapReduce函数模型 | 第18-19页 |
| §2.3.3 MapReduce实现过程 | 第19-20页 |
| §2.4 视频处理 | 第20-22页 |
| §2.4.1 视频压缩与编解码 | 第20-21页 |
| §2.4.2 FFMPEG简介 | 第21-22页 |
| §2.5 本章小结 | 第22-23页 |
| 第三章 车牌识别算法仿真 | 第23-37页 |
| §3.1 车牌定位 | 第23-29页 |
| §3.1.1 常用车牌定位方法 | 第23-24页 |
| §3.1.2 车牌定位方法仿真 | 第24-29页 |
| §3.2 字符分割 | 第29-34页 |
| §3.2.1 常用字符分割方法 | 第29-30页 |
| §3.2.2 字符分割方法仿真 | 第30-34页 |
| §3.3 字符识别 | 第34-36页 |
| §3.3.1 常用字符识别方法 | 第34-35页 |
| §3.3.2 字符识别方法仿真 | 第35-36页 |
| §3.4 本章小结 | 第36-37页 |
| 第四章 基于Hadoop的车牌识别模块设计与实现 | 第37-50页 |
| §4.1 基于MapReduce的图像数据类型扩展 | 第37-38页 |
| §4.2 基于MapReduce的分布式车牌图像识别 | 第38-42页 |
| §4.2.1 图像信息提取 | 第38-39页 |
| §4.2.2 车牌图像识别 | 第39-41页 |
| §4.2.3 设计方案验证 | 第41-42页 |
| §4.3 基于MapReduce的分布式视频识别 | 第42-49页 |
| §4.3.1 视频分割 | 第42-44页 |
| §4.3.2 分布式视频帧提取 | 第44-46页 |
| §4.3.3 视频识别与时间定位 | 第46-48页 |
| §4.3.4 设计方案验证 | 第48-49页 |
| §4.4 本章小结 | 第49-50页 |
| 第五章 系统实现与性能分析 | 第50-63页 |
| §5.1 平台搭建与优化 | 第50-54页 |
| §5.1.1 Hadoop平台搭建 | 第50-52页 |
| §5.1.2 Hadoop平台优化 | 第52-54页 |
| §5.2 基于云平台的车牌识别系统实现 | 第54-58页 |
| §5.2.1 系统总体架构 | 第54-55页 |
| §5.2.2 图像识别Web界面及交互设计 | 第55-56页 |
| §5.2.3 视频识别Web界面及交互设计 | 第56-58页 |
| §5.3 系统性能测试 | 第58-62页 |
| §5.3.1 图像识别性能测试 | 第59页 |
| §5.3.2 视频处理性能测试 | 第59-61页 |
| §5.3.3 系统优化前后性能对比 | 第61-62页 |
| §5.4 本章小结 | 第62-63页 |
| 第六章 工作总结及展望 | 第63-65页 |
| §6.1 工作总结 | 第63页 |
| §6.2 展望 | 第63-65页 |
| 参考文献 | 第65-70页 |
| 致谢 | 第70-71页 |
| 作者攻读硕士期间主要研究成果 | 第71页 |