声明
摘要
插图索引
附表索引
第1章 绪论
1.1 研究背景及意义
1.2 研究现状分析
1.3 本文研究
1.4 本文组织结构
第2章 违章停车检测的原理及背景建模
2.1 违章停车检测原理及处理流程
2.2 图像采集及摄像机介绍
2.3 图像预处理介绍
2.3.1 图像灰度化
2.3.2 图像噪声抑制
2.3.3 图像增强
2.4 背景建模
2.4.1 光流法
2.4.2 帧差法
2.4.3 背景差分法
2.5 基于混合高斯背景建模的车辆停靠检测算法
2.5.1 单分布高斯背景建模
2.5.2 混合高斯分布背景建模
2.5.3 基于混合高斯背景建模的车辆停靠检测算法
2.6 小结
第3章 基于特征融合和BP神经网络的车辆识别算法
3.1 基于视频图像的物体检测识别
3.2 物体图像特征介绍
3.2.1 颜色特征
3.2.2 纹理特征
3.2.3 形状特征
3.3 灰度共生矩和Hu矩的特征融合
3.3.1 灰度共生矩特征
3.3.2 Hu不变矩特征
3.4 基于特征融合和BP神经网络的车辆识别算法
3.4.1 机器学习介绍
3.4.2 BP神经网络原理
3.4.3 基于特征融合和BP神经网络的车辆识别算法
3.5 小结
第4章 违章停车检测系统的体系结构
4.1 开发环境及开发库介绍
4.1.1 计算机视觉库OpenCV介绍
4.1.2 C++图像用户界面库QT介绍
4.2 违章停车检测系统模块和功能设计
4.2.1 视频图像数据获取模块
4.2.2 特征计算模块
4.2.3 背景建模模块
4.2.4 非法停靠检测模块
4.2.5 车辆识别模块和训练分类器模块
4.2.6 UI用户界面模块
4.3 违章停车检测系统整体设计介绍
4.3.1 训练分类器模块
4.3.2 违章停车检测模块
4.3.3 子功能模块
4.4 小结
第5章 实验及测试
5.1 实验平台
5.1.1 实验环境的搭建
5.1.2 OpenCV源代码的编译
5.2 实验测试数据集
5.3 实验结果分析
5.3.1 混合高斯背景建模实验
5.3.2 停靠检测实验
5.3.3 BP神经网络实验
5.3.4 车辆识别的实验
5.4 违章停车检测系统展示
5.5 小结
结论
参考文献
致谢