| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第1章 绪论 | 第9-17页 |
| ·研究背景和研究意义 | 第9-12页 |
| ·车载视觉技术的运用现状 | 第12-14页 |
| ·国外运用现状 | 第12-13页 |
| ·国内运用现状 | 第13页 |
| ·研究的目标和难点 | 第13-14页 |
| ·本文的研究内容和章节安排 | 第14-17页 |
| ·本文的研究内容 | 第14-15页 |
| ·文章结构安排 | 第15-17页 |
| 第2章 车载视觉若干关键技术的文献综述 | 第17-27页 |
| ·引言 | 第17页 |
| ·基于车载视频的车辆检测 | 第17-22页 |
| ·基于车辆特征的车辆检测 | 第17-20页 |
| ·基于模板匹配的车辆检测 | 第20页 |
| ·基于机器学习的车辆检测 | 第20-22页 |
| ·基于图像的车牌定位与识别 | 第22-24页 |
| ·基于车载视频的车辆测距 | 第24页 |
| ·本章小结 | 第24-27页 |
| 第3章 基于Adaboost的车辆检测 | 第27-35页 |
| ·引言 | 第27页 |
| ·Haar-like特征 | 第27-29页 |
| ·Haar-like特征的定义 | 第27-28页 |
| ·Haar-like特征值的计算——积分图 | 第28-29页 |
| ·Adaboost算法的原理 | 第29-31页 |
| ·基于Haar-like特征和Adaboost算法的车辆检测 | 第31-33页 |
| ·本章小结 | 第33-35页 |
| 第4章 基于多算法融合的车牌定位与车间距计算 | 第35-51页 |
| ·引言 | 第35-36页 |
| ·基于车牌垂直方向纹理的车牌定位方法 | 第36-40页 |
| ·基于最大极值稳定区域的车牌定位方法 | 第40-41页 |
| ·基于颜色的车牌定位算法 | 第41-43页 |
| ·基于多算法融合的车牌定位算法 | 第43-45页 |
| ·基于车牌定位的车间距计算 | 第45-46页 |
| ·车间距计算的应用 | 第46-50页 |
| ·基于车间距计算的安全预警 | 第46-48页 |
| ·基于车间距计算的车辆密度估计 | 第48-50页 |
| ·本章小结 | 第50-51页 |
| 第5章 基于神经网络的车牌识别 | 第51-61页 |
| ·引言 | 第51页 |
| ·BP神经网络 | 第51-55页 |
| ·BP神经网络神经元结构 | 第51-52页 |
| ·BP神经网络的结构 | 第52-53页 |
| ·BP神经网络的算法原理 | 第53-55页 |
| ·车牌字符的特征取 | 第55-58页 |
| ·BP神经网络的训练及车牌的识别 | 第58页 |
| ·本章小结 | 第58-61页 |
| 第6章 车牌检测和车间距计算的实验结果与分析 | 第61-71页 |
| ·引言 | 第61页 |
| ·基于Adaboost的车辆检测算法实验结果与分析 | 第61-63页 |
| ·真实实验数据的准备 | 第61-62页 |
| ·实验对比及分析 | 第62-63页 |
| ·基于多算法融合的车牌定位与车间距计算的实验结果与分析 | 第63-67页 |
| ·基于多算法融合的车牌定位结果 | 第63-64页 |
| ·车间距计算的实验结果与分析 | 第64-67页 |
| ·基于神经网络的车牌识别 | 第67-69页 |
| ·真实实验数据的准备 | 第67-68页 |
| ·车牌识别实验结果与分析 | 第68-69页 |
| ·本章小结 | 第69-71页 |
| 总结与展望 | 第71-73页 |
| 参考文献 | 第73-77页 |
| 攻读硕士学位期间所发表的学术论文 | 第77-79页 |
| 致谢 | 第79页 |
