视频图像中车型识别系统的研究与实现
| 摘要 | 第1-4页 |
| Abstract | 第4-6页 |
| 目录 | 第6-8页 |
| 第一章 绪论 | 第8-11页 |
| ·研究目的与意义 | 第8页 |
| ·国内外研究现状 | 第8-9页 |
| ·研究内容及结构安排 | 第9-11页 |
| 第二章 视频图像预处理及运动目标检测与提取 | 第11-23页 |
| ·引言 | 第11页 |
| ·运动车辆目标检测 | 第11-15页 |
| ·帧差分法(Frame Difference) | 第11-12页 |
| ·背景减除法 | 第12-14页 |
| ·光流法 | 第14-15页 |
| ·数字图像预处理技术 | 第15-22页 |
| ·颜色模型 | 第15-17页 |
| ·彩色图像灰度化 | 第17页 |
| ·灰度图像二值化 | 第17-20页 |
| ·形态学处理 | 第20-21页 |
| ·车辆图像轮廓的提取 | 第21-22页 |
| ·本章小结 | 第22-23页 |
| 第三章 运动车辆特征提取方法的研究 | 第23-34页 |
| ·引言 | 第23页 |
| ·图像特征提取方法概述 | 第23页 |
| ·车辆特征的选择和提取 | 第23-33页 |
| ·不变矩特征提取 | 第24-28页 |
| ·纹理特征的提取 | 第28-29页 |
| ·基于灰度共生矩阵的纹理特征提取 | 第29-33页 |
| ·本章小结 | 第33-34页 |
| 第四章 基于BP神经网络的车型识别研究 | 第34-46页 |
| ·引言 | 第34页 |
| ·模式识别基础理论 | 第34页 |
| ·人工神经网络 | 第34-36页 |
| ·人工神经元 | 第35页 |
| ·人工神经网络的激活函数 | 第35-36页 |
| ·学习规则 | 第36页 |
| ·BP神经网络 | 第36-41页 |
| ·BP神经网络模型 | 第36-37页 |
| ·BP神经网络的算法描述 | 第37-40页 |
| ·BP神经算法改进 | 第40-41页 |
| ·BP神经网络的车型识别与实验分析 | 第41-45页 |
| ·训练样本的选择 | 第41页 |
| ·BP神经网络的设计 | 第41页 |
| ·BP神经网络参数的选定 | 第41-42页 |
| ·实验设计及结果分析 | 第42-45页 |
| ·本章小结 | 第45-46页 |
| 第五章 基于Opencv的系统设计与实现 | 第46-54页 |
| ·引言 | 第46页 |
| ·实验系统环境及开发工具 | 第46-47页 |
| ·软件环境及开发工具 | 第46页 |
| ·硬件平台 | 第46-47页 |
| ·车型系统设计 | 第47-52页 |
| ·系统模块 | 第48页 |
| ·图像预处理与车辆检测 | 第48-49页 |
| ·本文开发的车型识别系统 | 第49-50页 |
| ·系统测试 | 第50-51页 |
| ·实时系统采集 | 第51-52页 |
| ·本章小结 | 第52-54页 |
| 第六章 总结和展望 | 第54-56页 |
| ·总结 | 第54-55页 |
| ·展望 | 第55-56页 |
| 参考文献 | 第56-59页 |
| 致谢 | 第59-60页 |
