| 摘要 | 第1-4页 |
| Abstract | 第4-6页 |
| 目录 | 第6-8页 |
| 第一章 绪论 | 第8-12页 |
| ·论文研究背景及意义 | 第8-9页 |
| ·车型识别技术的研究现状 | 第9-10页 |
| ·论文主要研究内容及工作安排 | 第10-12页 |
| 第二章 视频流中运动车辆检测与预处理 | 第12-26页 |
| ·引言 | 第12页 |
| ·运动车辆检测 | 第12-17页 |
| ·光流法 | 第12页 |
| ·帧间差分法 | 第12-15页 |
| ·减背景图像法 | 第15-16页 |
| ·改进算法——基于彩色图像差分与背景图像更新的减背景图像法 | 第16-17页 |
| ·车辆图像预处理技术与实现 | 第17-25页 |
| ·车辆图像的滤波去噪 | 第17-19页 |
| ·车辆图像的二值化分割 | 第19-23页 |
| ·车辆图像的形态学处理 | 第23-25页 |
| ·本章小结 | 第25-26页 |
| 第三章 车辆特征提取技术研究 | 第26-38页 |
| ·引言 | 第26页 |
| ·车型分类标准及车型特征提取标准 | 第26-27页 |
| ·车型分类标准 | 第26-27页 |
| ·车型特征提取标准 | 第27页 |
| ·车辆特征的选择和提取 | 第27-37页 |
| ·不变矩特征提取 | 第28-31页 |
| ·伪Zernike矩特征提取 | 第31-37页 |
| ·本章小结 | 第37-38页 |
| 第四章 基于支持向量机的车型识别研究 | 第38-56页 |
| ·引言 | 第38页 |
| ·模式识别基础理论 | 第38-40页 |
| ·模式识别定义 | 第38页 |
| ·模式识别系统基本构成 | 第38-39页 |
| ·模式识别的方法及分类 | 第39-40页 |
| ·统计学理论 | 第40-43页 |
| ·经验风险最小化 | 第40-41页 |
| ·VC维的概念 | 第41页 |
| ·学习机推广能力的界 | 第41-42页 |
| ·结构风险最小化准则 | 第42-43页 |
| ·支持向量机理论 | 第43-47页 |
| ·最优分类超平面 | 第43-46页 |
| ·核函数思想 | 第46-47页 |
| ·支持向量机的优点 | 第47页 |
| ·基于支持向量机的车型分类器设计与实现 | 第47-55页 |
| ·支持向量机分类器种类 | 第47-48页 |
| ·基于支持向量机的车型分类器设计 | 第48-51页 |
| ·实验结果及分析 | 第51-55页 |
| ·本章小结 | 第55-56页 |
| 第五章 车型识别系统结构设计 | 第56-60页 |
| ·引言 | 第56页 |
| ·系统硬件环境介绍 | 第56-57页 |
| ·摄像机和图像采集卡 | 第56页 |
| ·计算机处理器 | 第56-57页 |
| ·系统软件开发与设计 | 第57-59页 |
| ·基于C++语言以及MFC的计算机语言选择 | 第57-58页 |
| ·基本道路视频图像采集系统设计 | 第58-59页 |
| ·本章小结 | 第59-60页 |
| 第六章 总结和展望 | 第60-62页 |
| ·总结 | 第60-61页 |
| ·展望 | 第61-62页 |
| 参考文献 | 第62-65页 |
| 攻读硕士期间发表论文 | 第65-66页 |
| 致谢 | 第66-67页 |