| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 1 绪论 | 第8-16页 |
| ·课题的背景及研究意义 | 第8-9页 |
| ·国内外研究现状 | 第9-13页 |
| ·车辆跟踪技术研究现状 | 第9-11页 |
| ·车牌识别技术研究现状 | 第11-12页 |
| ·滤波算法及其与神经网络结合算法研究现状 | 第12-13页 |
| ·本文研究的主要内容 | 第13-16页 |
| ·基于车牌识别的车辆视频跟踪系统框架结构 | 第13-14页 |
| ·本文的主要工作及内容安排 | 第14-16页 |
| 2 车牌定位 | 第16-24页 |
| ·图像的灰度化 | 第16页 |
| ·边缘检测 | 第16-18页 |
| ·二值化 | 第18-20页 |
| ·大津法 | 第18-19页 |
| ·迭代法 | 第19-20页 |
| ·基于水平灰度跳变的车牌水平定位 | 第20-21页 |
| ·纵向差分图像 | 第20页 |
| ·灰度跳变法 | 第20-21页 |
| ·基于边缘检测的投影法与车牌先验知识相结合的车牌定位方法 | 第21-22页 |
| ·水平定位 | 第21-22页 |
| ·垂直投影与车牌先验知识相结合的垂直定位 | 第22页 |
| ·本文车牌定位的具体步骤 | 第22-23页 |
| ·本章小结 | 第23-24页 |
| 3 车牌字符分割 | 第24-32页 |
| ·梯度锐化 | 第24-25页 |
| ·倾斜矫正 | 第25-26页 |
| ·车牌边框的去除 | 第26-28页 |
| ·字符的分割 | 第28-30页 |
| ·改进的垂直分割法 | 第28页 |
| ·垂直分割的具体步骤 | 第28-29页 |
| ·间隔符的去除 | 第29页 |
| ·右边框的去除 | 第29-30页 |
| ·字符的归一化 | 第30-31页 |
| ·本章小结 | 第31-32页 |
| 4 字符识别 | 第32-53页 |
| ·字符识别方法简介 | 第32-35页 |
| ·模板匹配法 | 第32-33页 |
| ·基于字符结构的方法 | 第33页 |
| ·基于神经网络的方法 | 第33页 |
| ·特征区域匹配法识别相似字符 | 第33-35页 |
| ·神经网络 | 第35-43页 |
| ·人工神经网络模型 | 第35-36页 |
| ·BP神经网络 | 第36-38页 |
| ·BP网络的优化及改进 | 第38-39页 |
| ·扩展卡尔曼滤波概述 | 第39-40页 |
| ·基于扩展卡尔曼滤波的神经网络学习算法 | 第40-42页 |
| ·基于扩展卡尔曼滤波的神经网络学习算法的优化 | 第42-43页 |
| ·EKF神经网络的设计及字符识别结果 | 第43-51页 |
| ·欧拉数的引入 | 第44-45页 |
| ·输入层节点数及输入数据的归一化 | 第45-46页 |
| ·隐层节点数 | 第46-47页 |
| ·初始值的选取 | 第47页 |
| ·输出层节点数及传递函数 | 第47-50页 |
| ·字符识别结果 | 第50-51页 |
| ·本章小结 | 第51-53页 |
| 5 车辆跟踪 | 第53-63页 |
| ·目标跟踪方法介绍 | 第53-54页 |
| ·基于模型匹配的方法 | 第53页 |
| ·基于运动参数估计的方法 | 第53-54页 |
| ·车辆跟踪滤波算法 | 第54-55页 |
| ·卡尔曼滤波车牌跟踪算法的实现 | 第55-57页 |
| ·卡尔曼滤波车牌跟踪仿真实例 | 第57-62页 |
| ·本章小结 | 第62-63页 |
| 6 总结与展望 | 第63-66页 |
| ·论文研究成果 | 第63页 |
| ·尚待研究的问题 | 第63-66页 |
| 致谢 | 第66-68页 |
| 参考文献 | 第68-71页 |