声明
摘要
第一章 引言
1.1 研究背景和意义
1.2 国内外研究现状
1.3 本文的主要研究内容
1.4 本文的组织结构
第二章 基于PCA和SVM的人脸识别技术
2.1 引言
2.2 主成分分析PCA
2.2.1 传统PCA算法
2.2.2 快速PCA算法
2.3 SVM分类器
2.3.1 支持向量机(SVM)的基本原理
2.3.2 基于支持向量机(SVM)的多分法
2.4 基于PCA和SVM的人脸识别系统
2.5 本章小结
第三章 基于颜色的车牌识别技术
3.1 引言
3.2 常见的车牌定位算法
3.3 常见的车牌校正算法
3.3.1 基于主成分分析的倾斜校正算法
3.3.2 基于Hough变换的倾斜校正算法
3.3.3 基于旋转投影的倾斜校正算法
3.3.4 其他倾斜校正算法
3.4 常见的字符分割算法
3.5 常见字符识别算法
3.5.1 基于模板匹配的方法
3.5.2 基于人工神经网络的方法
3.5.3 基于字符特征的方法
3.5.4 基于贝叶斯网络的方法
3.6 基于颜色信息的车牌识别方法
3.6.1 颜色信息提取及车牌区域定位
3.6.2 字符的定位和分割
3.6.3 实验结果展示
3.7 本章小结
第四章 基于卷积神经网络的物体识别技术
4.1 引言
4.2 卷积神经网络(CNN)
4.2.1 概述
4.2.2 卷积神经网络结构
4.2.3 卷积神经网络训练
4.3 物体识别主要流程
4.3.1 数据预处理
4.3.2 特征提取
4.3.3 分类器
4.4 基于卷积神经网络的物体识别
4.4.1 卷积层
4.4.2 池化层
4.4.3 输出层
4.4.4 Softmax层
4.4.5 实验结果展示
4.5 本章小结
第五章 基于人、车、物的视觉标签系统
5.1 引言
5.2 视觉标签技术概述
5.3 基于人、车、物的视觉标签系统设计与实现
5.3.1 系统整体框架设计
5.3.2 系统界面设计
5.3.3 本文视觉标签的建立机制
5.4 实验结果展示
5.4.1 人物识别模块实验结果
5.4.2 车辆识别模块实验结果
5.4.3 物体识别模块实验结果
5.5 本章小结
第六章 总结与展望
参考文献
致谢
攻读硕士期间的学术成果