基于视觉的车辆分类识别算法研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-14页 |
| 1.1 本课题研究的背景和意义 | 第10-11页 |
| 1.1.1 研究背景 | 第10-11页 |
| 1.1.2 研究意义 | 第11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.3 本课题章节安排 | 第13-14页 |
| 第2章 基于模板匹配的静态车辆检测算法设计 | 第14-20页 |
| 2.1 车辆模板选取 | 第14页 |
| 2.2 匹配衡量函数的建立 | 第14-15页 |
| 2.3 对衡量匹配函数进行EBABC优化 | 第15-17页 |
| 2.4 静态车辆检测算法 | 第17-18页 |
| 2.5 实验验证及结果分析 | 第18-19页 |
| 2.6 本章小结 | 第19-20页 |
| 第3章 基于背景差分的运动车辆检测算法设计 | 第20-27页 |
| 3.1 建立自适应多尺度混合背景模型 | 第20-23页 |
| 3.1.1 背景建模概述 | 第20-21页 |
| 3.1.2 背景模型的建立 | 第21-23页 |
| 3.2 基于背景差分运动车辆检测方法 | 第23-24页 |
| 3.3 实验验证及效果分析 | 第24-26页 |
| 3.3.1 背景模型的实验效果 | 第24-25页 |
| 3.3.2 背景模型实验效果分析 | 第25-26页 |
| 3.4 本章小结 | 第26-27页 |
| 第4章 基于视觉的车辆分类特征提取 | 第27-44页 |
| 4.1 结合视觉分析车辆特征 | 第27-28页 |
| 4.2 车辆分类低层特征 | 第28-29页 |
| 4.3 车辆分类高层特征 | 第29-41页 |
| 4.3.1 SIFT特征检测算法 | 第29-35页 |
| 4.3.2 HOG特征检测算法 | 第35-38页 |
| 4.3.3 对HOG特征进行PCA降维 | 第38-41页 |
| 4.4 实验验证及结果分析 | 第41-42页 |
| 4.5 本章小结 | 第42-44页 |
| 第5章 基于视觉的车辆分类识别算法设计 | 第44-59页 |
| 5.1 智能分类方法的选择 | 第44-52页 |
| 5.1.1 BP神经网络 | 第44-48页 |
| 5.1.2 支持向量机 | 第48-51页 |
| 5.1.3 支持向量机与BP神经网络算法的比较 | 第51-52页 |
| 5.2 SVM的分类器设计 | 第52-53页 |
| 5.3 本文车辆分类识别的实现 | 第53-58页 |
| 5.3.1 车辆分类识别主要步骤 | 第54-56页 |
| 5.3.2 车辆分类识别结果及分析 | 第56-58页 |
| 5.4 本章小结 | 第58-59页 |
| 第6章 基于视觉的车辆分类识别算法仿真验证设计 | 第59-63页 |
| 6.1 系统总体模块设计 | 第59页 |
| 6.2 基于视觉的车辆分类识别系统 | 第59-62页 |
| 6.2.1 静态车辆检测 | 第59-60页 |
| 6.2.2 运动车辆检测 | 第60-61页 |
| 6.2.3 综合特征提取 | 第61页 |
| 6.2.4 车辆分类识别 | 第61-62页 |
| 6.3 系统界面设计 | 第62页 |
| 6.4 本章小结 | 第62-63页 |
| 结论 | 第63-65页 |
| 参考文献 | 第65-68页 |
| 致谢 | 第68-69页 |
| 攻读硕士期间发表（含录用）的学术论文 | 第69-70页 |
