基于稀疏编码的车型识别方法研究
| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第1章 绪论 | 第8-16页 |
| 1.1 研究背景及意义 | 第8-10页 |
| 1.2 车型识别方法概述 | 第10页 |
| 1.3 研究现状 | 第10-12页 |
| 1.3.1 国外研究现状 | 第11-12页 |
| 1.3.2 国内研究现状 | 第12页 |
| 1.4 分类测试的性能指标 | 第12-14页 |
| 1.5 分类测试车型图像库 | 第14页 |
| 1.6 主要内容 | 第14-15页 |
| 1.7 本章小结 | 第15-16页 |
| 第2章 车辆类型数据库建设 | 第16-19页 |
| 2.1 引言 | 第16页 |
| 2.2 不同车型同一视角数据集 | 第16-17页 |
| 2.3 同一车型不同视角数据集 | 第17-18页 |
| 2.4 道路监控中的车辆数据集 | 第18页 |
| 2.5 本章小结 | 第18-19页 |
| 第3章 车型识别方法综述 | 第19-30页 |
| 3.1 引言 | 第19-20页 |
| 3.1.1 识别理论 | 第19页 |
| 3.1.2 识别方法 | 第19-20页 |
| 3.2 车型识别理论基础 | 第20-28页 |
| 3.2.1 车型分类识别存在的难点 | 第20页 |
| 3.2.2 车型图像分类识别关键技术基础 | 第20-25页 |
| 3.2.3 图像定位法 | 第25-28页 |
| 3.3 本章小结 | 第28-30页 |
| 第4章 基于稀疏学习理论的车型识别方法 | 第30-42页 |
| 4.1 边界定位 | 第30-31页 |
| 4.1.1 采取垂直投影来定位车体的左右边界 | 第30页 |
| 4.1.2 采取水平投影来定位车体的上下边界 | 第30-31页 |
| 4.2 多级图像分类 | 第31-32页 |
| 4.3 多尺度HOG特征提取 | 第32-35页 |
| 4.4 稀疏编码 | 第35-36页 |
| 4.5 SVM模型训练 | 第36-41页 |
| 4.6 本章小结 | 第41-42页 |
| 第5章 实验与结果分析 | 第42-53页 |
| 5.1 实验 | 第42-51页 |
| 5.1.1 实验平台简介 | 第42-43页 |
| 5.1.2 结果与分析 | 第43-51页 |
| 5.2 本章小结 | 第51-53页 |
| 第6章 总结与展望 | 第53-56页 |
| 参考文献 | 第56-60页 |
| 致谢 | 第60-62页 |
| 个人简历、在学期间发表的学术论文及研究成果 | 第62页 |
