基于图像多特征的车辆对象识别方法研究
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第11-19页 |
| 1.1 课题研究背景及意义 | 第11-12页 |
| 1.2 智能交通系统与模式识别 | 第12-13页 |
| 1.3 车辆识别技术的研究现状 | 第13-16页 |
| 1.3.1 车辆识别的研究方向和方法 | 第13-15页 |
| 1.3.2 国内外现状 | 第15-16页 |
| 1.4 本文主要研究内容与组织结构安排 | 第16-17页 |
| 1.4.1 论文主要内容 | 第16-17页 |
| 1.4.2 论文章节安排 | 第17页 |
| 1.5 课题来源与名词约定 | 第17-19页 |
| 第二章 车型标准特征模型库 | 第19-27页 |
| 2.1 引言 | 第19页 |
| 2.2 车型标准特征模型库建立 | 第19-23页 |
| 2.3 车型标准特征类入库 | 第23-25页 |
| 2.3.1 物理特征类 | 第23-24页 |
| 2.3.2 结构特征类 | 第24页 |
| 2.3.3 车辆照片类 | 第24-25页 |
| 2.4 本章小结 | 第25-27页 |
| 第三章 车辆对象检测与车辆颜色识别 | 第27-51页 |
| 3.1 引言 | 第27-28页 |
| 3.2 车辆对象检测技术 | 第28-41页 |
| 3.2.1 图像预处理 | 第28-32页 |
| 3.2.2 背景建模与目标检测 | 第32-36页 |
| 3.2.3 基于阴影去除的目标定位 | 第36-41页 |
| 3.3 车辆颜色识别 | 第41-49页 |
| 3.3.1 颜色特征 | 第42页 |
| 3.3.2 RGB颜色空间模型 | 第42-43页 |
| 3.3.3 颜色的量化 | 第43-44页 |
| 3.3.4 车辆颜色识别算法与改进 | 第44-49页 |
| 3.4 本章小结 | 第49-51页 |
| 第四章 基于车脸特征的车型分类方法 | 第51-77页 |
| 4.1 引言 | 第51-52页 |
| 4.2 车脸定位技术 | 第52-60页 |
| 4.2.1 样本采集 | 第52-53页 |
| 4.2.2 Adaboost分类算法与定位 | 第53-57页 |
| 4.2.3 融合经验矩形的改进算法 | 第57-59页 |
| 4.2.4 图像归一化 | 第59-60页 |
| 4.3 基于SIFT特征的车型分类方法 | 第60-70页 |
| 4.3.1 局部特征 | 第60-61页 |
| 4.3.2 SIFT算法步骤 | 第61-65页 |
| 4.3.3 实验步骤与结果分析 | 第65-70页 |
| 4.4 基于SURF特征的车型分类方法 | 第70-74页 |
| 4.4.1 SURF算法步骤 | 第70-72页 |
| 4.4.2 SURF与SIFT对比 | 第72-73页 |
| 4.4.3 实验结果 | 第73-74页 |
| 4.5 结合SURF与SIFT特征的车型分类方法 | 第74-76页 |
| 4.6 本章小结 | 第76-77页 |
| 第五章 融合多特征的车型分类识别 | 第77-93页 |
| 5.1 引言 | 第77页 |
| 5.2 车脸区域局部特征 | 第77-88页 |
| 5.2.1 车脸区域分割 | 第77-80页 |
| 5.2.2 车标区域特征提取 | 第80-82页 |
| 5.2.3 散热器隔栏区域特征提取 | 第82-84页 |
| 5.2.4 车灯区域特征提取 | 第84-87页 |
| 5.2.5 特征向量的描述 | 第87-88页 |
| 5.3 融合不变性与频域特征的车型分类识别 | 第88-92页 |
| 5.3.1 融合多特征车脸识别分类器 | 第89-92页 |
| 5.3.2 实验结果比较 | 第92页 |
| 5.4 本章小结 | 第92-93页 |
| 第六章 总结与展望 | 第93-95页 |
| 6.1 总结 | 第93-94页 |
| 6.2 展望 | 第94-95页 |
| 致谢 | 第95-97页 |
| 参考文献 | 第97-101页 |
| 附录 攻读学位期间发表论文及项目实践 | 第101页 |
