| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-13页 |
| 1.1 课题背景及意义 | 第9页 |
| 1.2 相关领域研究现状 | 第9-11页 |
| 1.2.1 背景建模 | 第9-10页 |
| 1.2.2 车牌检测 | 第10-11页 |
| 1.3 论文研究成果 | 第11-12页 |
| 1.4 论文结构安排 | 第12-13页 |
| 第二章 基于区域特征的复杂场景背景建模算法 | 第13-25页 |
| 2.1 经典背景建模方法 | 第13-16页 |
| 2.1.1 帧间差方法 | 第13页 |
| 2.1.2 混合高斯方法 | 第13-14页 |
| 2.1.3 贝叶斯方法 | 第14页 |
| 2.1.4 码书建模方法 | 第14-16页 |
| 2.2 分类器的空间网格结构分布 | 第16-20页 |
| 2.2.1 区域块划分和分类器分布 | 第16-17页 |
| 2.2.2 特征提取 | 第17-19页 |
| 2.2.3 训练和预测 | 第19-20页 |
| 2.3 多分类器级联 | 第20-21页 |
| 2.3.1 单分类器与二分类器 | 第20-21页 |
| 2.3.2 分类器的级联结构 | 第21页 |
| 2.4 实验结果 | 第21-24页 |
| 2.5 本章小结 | 第24-25页 |
| 第三章 基于t分布可在线更新的背景模型算法 | 第25-37页 |
| 3.1 引言 | 第25页 |
| 3.2 t分布模型、改进的t分布参数估计及其更新方法 | 第25-30页 |
| 3.2.1 t分布模型介绍 | 第25-27页 |
| 3.2.2 t分布的参数估计法以及更新算法 | 第27-30页 |
| 3.3 基于t分布可在线更新的背景建模方法 | 第30-35页 |
| 3.3.1 HOG快速计算方法 | 第31-33页 |
| 3.3.2 可在线更新的背景建模方法 | 第33-35页 |
| 3.4 实验结果和分析 | 第35-36页 |
| 3.5 本章小结 | 第36-37页 |
| 第四章 复杂场景中的车牌检测算法 | 第37-69页 |
| 4.1 算法框架结构 | 第37页 |
| 4.2 车牌定位 | 第37-50页 |
| 4.2.1 粗定位 | 第38-44页 |
| 4.2.2 寻找连通域 | 第44-46页 |
| 4.2.3 细定位 | 第46-50页 |
| 4.3 车牌判别 | 第50-54页 |
| 4.3.1 特征提取 | 第50-52页 |
| 4.3.2 SVM分类器模型 | 第52-54页 |
| 4.4 字符分割 | 第54-61页 |
| 4.4.1 改进的局部二值化算法 | 第54-56页 |
| 4.4.2 颜色判断 | 第56-57页 |
| 4.4.3 倾斜校正 | 第57-58页 |
| 4.4.4 字符分割 | 第58-61页 |
| 4.5 基于车牌检测的车辆跟踪算法 | 第61-64页 |
| 4.5.1 特征提取 | 第62-63页 |
| 4.5.2 跟踪策略 | 第63-64页 |
| 4.6 实验结果和分析 | 第64-66页 |
| 4.7 本章小结 | 第66-69页 |
| 第五章 总结与展望 | 第69-71页 |
| 5.1 本文总结 | 第69-70页 |
| 5.2 未来工作展望 | 第70-71页 |
| 参考文献 | 第71-75页 |
| 致谢 | 第75-77页 |
| 攻读学位期间发表或已录用的学术论文 | 第77页 |