基于卡口图像的车型识别方法研究
| 致谢 | 第7-8页 |
| 摘要 | 第8-9页 |
| ABSTRACT | 第9页 |
| 第一章 绪论 | 第14-23页 |
| 1.1 研究目的和意义 | 第14-15页 |
| 1.2 国内外研究现状 | 第15-22页 |
| 1.2.1 车牌定位 | 第16页 |
| 1.2.2 车标识别 | 第16-18页 |
| 1.2.3 车型大小分类 | 第18-20页 |
| 1.2.4 车辆品牌和系列识别 | 第20-22页 |
| 1.3 本章小结及论文章节安排 | 第22-23页 |
| 第二章 车前脸的定位 | 第23-38页 |
| 2.1 传统的车牌定位方法 | 第23-33页 |
| 2.1.1 基于边缘检测的车牌定位 | 第23-28页 |
| 2.1.2 基于HSV颜色模型的车牌定位 | 第28-31页 |
| 2.1.3 基于机器学习方法的车牌定位 | 第31-33页 |
| 2.2 基于多特征融合的车牌定位方法 | 第33-35页 |
| 2.3 基于边缘检测和车牌位置的车前脸定位方法 | 第35-37页 |
| 2.4 本章小结 | 第37-38页 |
| 第三章 基于车标和车前脸的车型识别 | 第38-50页 |
| 3.1 车前脸和车标数据库的建立 | 第38-39页 |
| 3.2 基于常用特征的车前脸特征提取与识别 | 第39-40页 |
| 3.2.1 常见特征简介 | 第39-40页 |
| 3.2.2 实验结果 | 第40页 |
| 3.3 基于卷积神经网络的车前脸特征提取与识别 | 第40-47页 |
| 3.3.1 卷积神经网络简介 | 第40-41页 |
| 3.3.2 卷积神经网络的应用 | 第41-42页 |
| 3.3.3 车前脸特征提取 | 第42-45页 |
| 3.3.4 特征可视化及其分析 | 第45-47页 |
| 3.4 车标识别 | 第47-48页 |
| 3.4.1 车标位置定位 | 第47-48页 |
| 3.4.2 车标特征提取 | 第48页 |
| 3.4.3 特征匹配 | 第48页 |
| 3.5 车型识别 | 第48-49页 |
| 3.6 本章小结 | 第49-50页 |
| 第四章 系统实现与效果分析 | 第50-53页 |
| 4.1 系统设计框架 | 第50-51页 |
| 4.2 系统环境配置 | 第51页 |
| 4.3 系统实现 | 第51-52页 |
| 4.4 实验结果与分析 | 第52页 |
| 4.4.1 实验结果 | 第52页 |
| 4.4.2 实验分析 | 第52页 |
| 4.5 本章小结 | 第52-53页 |
| 第五章 总结与展望 | 第53-55页 |
| 5.1 总结 | 第53页 |
| 5.2 工作展望 | 第53-55页 |
| 参考文献 | 第55-60页 |
| 攻读硕士学位期间的学术活动及成果情况 | 第60页 |
