| 致谢 | 第1-5页 |
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-14页 |
| 第1章 绪论 | 第14-22页 |
| ·课题研究的背景和意义 | 第14-16页 |
| ·国内外研究现状 | 第16-19页 |
| ·视频车辆检测技术 | 第16-18页 |
| ·车牌识别技术 | 第18-19页 |
| ·我国车牌的特征 | 第19-20页 |
| ·论文研究内容与结构安排 | 第20-22页 |
| ·本文研究内容 | 第20页 |
| ·论文结构安排 | 第20-22页 |
| 第2章 车牌识别硬件系统 | 第22-26页 |
| ·车载云台摄像机 | 第22-25页 |
| ·视频采集卡 | 第25页 |
| ·图像处理平台 | 第25页 |
| ·本章小结 | 第25-26页 |
| 第3章 基于虚拟线框帧差法的车辆检测 | 第26-38页 |
| ·图像预处理 | 第26-29页 |
| ·图像颜色空间转换 | 第26-27页 |
| ·彩色图像灰度化 | 第27-29页 |
| ·运动车辆检测 | 第29-35页 |
| ·常用的运动目标检测方法 | 第29-31页 |
| ·基于虚拟线框帧差法的运动车辆检测方法 | 第31-35页 |
| ·实验结果与分析 | 第35-37页 |
| ·本章小结 | 第37-38页 |
| 第4章 车牌定位算法研究 | 第38-58页 |
| ·常用的车牌定位方法与本文的车牌定位方法 | 第38-40页 |
| ·常用的车牌定位方法 | 第38-39页 |
| ·本文的车牌定位方法 | 第39-40页 |
| ·基于改进haar-like特征和Adaboost分类器的车牌定位方法 | 第40-52页 |
| ·haar-like特征 | 第40-42页 |
| ·积分图 | 第42-43页 |
| ·Adaboost算法描述 | 第43-45页 |
| ·强分类器的级联 | 第45-47页 |
| ·车牌分类器训练 | 第47-49页 |
| ·车牌分类器检测 | 第49-52页 |
| ·车牌颜色判断 | 第52-53页 |
| ·车牌区域的进一步筛选 | 第53-54页 |
| ·实验结果与分析 | 第54-57页 |
| ·本章小结 | 第57-58页 |
| 第5章 车牌倾斜校正与字符分割算法研究 | 第58-70页 |
| ·车牌倾斜校正 | 第58-62页 |
| ·常用的车牌倾斜校正方法 | 第58-59页 |
| ·基于垂直边缘特征主元分析的车牌倾斜校正方法 | 第59-62页 |
| ·车牌字符分割 | 第62-68页 |
| ·常用的车牌字符分割方法 | 第62-63页 |
| ·字符分割预处理 | 第63-65页 |
| ·基于车牌特征和连通域分析的车牌字符分割方法 | 第65-68页 |
| ·实验结果与分析 | 第68-69页 |
| ·本章小结 | 第69-70页 |
| 第6章 车牌字符识别算法研究 | 第70-84页 |
| ·常用的车牌字符识别方法 | 第70页 |
| ·字符特征提取 | 第70-75页 |
| ·粗网格特征 | 第71-72页 |
| ·Gabor特征 | 第72-75页 |
| ·基于改进BP神经网络的字符识别算法 | 第75-82页 |
| ·BP神经网络的基本原理 | 第75-78页 |
| ·BP神经网络的算法实现 | 第78-79页 |
| ·BP神经网络算法的改进 | 第79-80页 |
| ·BP神经网络分类器的设计 | 第80-82页 |
| ·实验结果与分析 | 第82-83页 |
| ·本章小结 | 第83-84页 |
| 第7章 总结与展望 | 第84-86页 |
| ·本文工作总结 | 第84-85页 |
| ·未来工作展望 | 第85-86页 |
| 参考文献 | 第86-92页 |