声明
摘要
第一章 绪论
1．1 课题背景和研究意义
1．2 车辆分类系统的发展现状
1．3 基于视频分析的车辆分类系统的研究现状
1．4 本文的主要问题和关键技术
1．5 论文的主要内容
1．6 论文的组织结构
第二章 系统关键技术分析
2．1 车辆检测方法
2．1．1 小波变换
2．1．2 混合高斯背景建模
2．2 图像预处理
2．2．1 图像灰度化
2．2．2 图像的滤波
2．2．3 图像的二值化
2．2．4 图像的形态学操作
2．3 图像特征
2．3．1 形状特征
2．3．2 不变矩特征
2．4 BP神经网络分类器
2．4．1 人工神经网络
2．4．2 基于BP算法的人工神经网络
2．4．3 多层感知器的学习规则
2．5 SVM支持向量机分类器
2．5．1 SVM支持向量机
2．5．2 核函数
2．5 本章小结
第三章 基于视频分析的车辆自动分类系统的设计
3．1 需求分析
3．1．1 功能需求
3．1．2 系统性能需求
3．2 系统的分类标准
3．3 系统的总体设计
3．3．1 视频处理
3．3．2 图像预处理
3．3．3 图像的特征提取
3．3．4 训练样本和测试样本
3．3．5 分类器设计
3．4 本章小结
第四章 基于视频分析的车辆自动分类系统的实现
4．1 系统的硬件设备和软件平台
4．1．1 硬件设备
4．1．2 软件开发平台
4．2 系统主要功能模块的实现
4．2．1 视频处理功能模块
4．2．2 图像预处理模块
4．2．3 分类器设计模块
4．3 本章小结
第五章 基于视频分析的车辆自动分类系统的验证
5．1 视频处理模块的验证
5．2 图像预处理模块的验证
5．2．1 图像分割和图像二值化的验证
5．2．2 图像滤波的验证
5．2．3 形态学操作的验证
5．3 分类器训练模块的验证
5．3．1 训练样本特征参数的验证
5．3．2 测试样本特征参数的验证
5．3．3 分类器训练特征的验证
5．3．4 分类结果的验证
5．5 本章小结
第六章 总结与展望
致谢
参考文献
