一、视频桩考仪中的图像处理技术（论文文献综述）
窦梓豪[1]（2014）在《视频考桩系统设计与实现》文中研究表明视频监控技术既是一门多学科的交叉与结合的科学性学科,也是当前被广泛采用的一种技术手段。视频监控是当前的研究热点,随着计算机技术的发展与图像处理技术的提高,视频监控技术正越来越深入地渗透到娱乐、教育、医疗、安防、运动等领域,总体来说,视频监控技术呈现出数字化、网络化、集成化、智能化的发展趋势。本文通过对传统桩考系统的分析研究,结合最新的视频监控技术,深入研究角点法与粒子群优化算法等理论方法,实现自动跟踪所监控运动的车辆目标,在此基础上设计一套完整的视频桩考系统,在任意天气条件下均能准确、无误地工作。本文研究的主要内容包括:在分析了传统桩考系统的需求与现状的基础上,首先提出了基于角点检测算法的车辆轮廓的提取算法,针对角点法中常用的直线投影法和SUSAN检测法两种算法进行了优劣分析与论证,并对SUSAN算法进行了自适应阈值的改进;然后描述了当前桩考系统视频监控用到的三种算法,即光流场法、背景差分法、帧间差分法,及对各个算法优缺点进行评测的基础上,提出了基于粒子群优化的车辆跟踪算法;最后,在此基础上,使用Microsoft Visual Studio 2008开发工具在windows环境下设计实现了软件算法与系统整体功能结构。经实验表明,经过改进的SUSAN检测算法和粒子群优化算法能很好地符合视频监控中的车辆轮廓识别和车辆跟踪的需求,基于该算法设计的本视频桩考系统对移动目标的提取识别稳定性高,速度快,效果好,适应任意天气条件下任意车辆的视频识别与检测,准确率高,提高了考试系统的公平、公正、准确性,达到预期目标。
章华[2]（2011）在《汽车驾驶电子路考连续障碍系统的设计与研究》文中研究表明目前国内的汽车驾驶路考中，电子自动化的路考装置已经逐渐普及。它不同于传统的路考方法，即由交通监考官监督学员考试过程，并当场给出考生的成绩，这样的考试方法不仅仅会浪费人力财力，也会造成考试过程中掺杂了人为主观因素，同时也不能满足日益增长的考生数量的需求。电子路考方法是由电子机械装备监视考试过程，并由电脑评判考试成绩，充分体现了客观、公正和公平。在汽车驾驶电子路考系统中连续障碍考核是一个重要的指标，本文主要研究汽车驾驶电子路考中的连续障碍系统的检测，利用Visual C++软件编写了针对连续障碍考核的车载测试软件，当汽车轧到或碰擦到连续障碍装置，安装在连续障碍中的传感器检测到信号，并通过无线网络发送到接收装置，同时通过图像的实时拍摄、传输，能将现场的驾驶状况在电脑控制中心显示。为了测试车载软件的考核结果，研制了对连续障碍检测的模拟软件，通过串口通信将车载软件和模拟软件进行实时通讯，将各种传感器的信号即场地信号传递给车载软件，模拟连续障碍中各种扣分的情况，包括汽车行驶轨迹、各个圆饼的状态包括碰撞、轧饼、轧线等各种状态等。车载软件在模拟考试结束后，车载软件能够自动评判考核结果，具体显示所有的扣分项目和合格与否，并通过无线网络传递给控制中心，显示考试结果。连续障碍系统的机械装置是一个易损部件。路考连续障碍的圆饼结构在考试过程中受到汽车的撞击挤压时，支撑件弹簧容易产生变形和断裂，本文利用Pro/E对圆饼结构件进行三维建模，并利用有限元软件Ansys Workbench对撞击过程进行静力学分析，得到了弹簧的受力变形结果，为改进其结构提供理论依据，针对弹簧的变形提出改进措施，在工作过程中的损伤程度明显降低，能满足汽车驾驶考试系统的要求。
栾兴国[3]（2011）在《基于指纹识别的驾校考勤系统设计与实现》文中指出汽车驾驶员培训学校是培养驾驶员的机构,加强驾校的管理、加大驾驶员培训的执法力度、提高驾驶员培训质量,使驾驶员培训行业尽快实现管理法制化、规范化,培训正规化、科学化,是增强驾驶员交通法规观念,提高驾驶技术的重要一环。虽然可以通过制定严格的管理规章,但仍无法避免逃避培训、替考等现象的发生。基于指纹识别技术的驾校考勤系统是解决目前我国驾校培训、管理过程中逃课、代考等问题的有效手段,是提高驾校管理效率、提高培训质量的重要途径。因此,迫切需要研究一套适合驾驶员培训学校这种开放式教学的考勤系统。本文在对驾校考勤内容、流程和通用方法基础上,形成系统功能需求分析、数据需求分析、数据流程分析和基本算法等。以系统需求分析为依据,以反复调研为主要手段,完成系统设计工作,包括:系统数据库设计、操作管理界面设计、系统功能模块设计等。完成系统详细设计工作,如用户管理模块详细设计、数据访问模块详细设计、系统管理界面详细设计、数据库维护界面详细设计以及公用模块详细设计等。最后给出基于指纹识别技术的驾校考勤系统编码实现和性能测试。测试结果表明,本文实现的基于指纹识别的驾校考勤系统能够满足驾校日常考勤需要,能够实现与交通管理部门的数据对接,能够显着提高驾校管理效率,保证考勤结果为学员本人,有效剔除待签到现象。本文主要工作在于以下几个方面:1)研究驾校考勤过程中用户的实际需求,系统用户特点、运行环境等,完成基于指纹识别的驾校管理系统需求分析,为本课题后续的系统概要设计和详细设计提供依据;2)研究C/S结构的技术特点,设计系统体系结构方案,划分系统软件模块,确定模块间的接口关系,完成系统的概要设计;3)根据需求分析和概要设计,进一步细化基于指纹识别的驾校考勤系统的单元模块数据流程,基本算法的设计等,完成系统的详细设计工作;4)实现基于指纹识别的驾校管理系统,根据系统需求分析、概要设计、详细设计,结合系统测试方法,完成系统测试工作。
任冉冉[4]（2010）在《基于双目视觉的移动车辆三维重建方法研究与应用》文中提出立体视觉技术是一个多学科交叉的领域,是智能机器人的重要标志。双目立体视觉技术是立体视觉技术的一个重要分支,已应用于医学图像处理、多媒体技术、遥感图像分析、工业检测与军事等领域。一个完整的双目立体视觉系统主要包括:图像获取、摄像机标定、图像预处理和特征提取、立体匹配以及三维重建。本文通过对双目立体视觉技术的研究,为桩考过程中用移动机器人代替人类考官的应用打下一定的基础。本课题主要工作内容如下:1.基于一维标定物的双目摄像机标定算法研究。令一维标定物一端固定,另一端作任意角度的转动,摄像机拍摄6幅以上的图片,利用标定物上点的位置关系和直线的约束条件,可建立线性方程组求解出摄像机的内部参数。仿真实验结果表明该方法是有效可行的。2.基于图像分割的立体匹配算法研究。在Bleyer算法框架的基础上,对模板计算以及全局能量函数的选取进行了改进。利用可靠点求取各分割区域的平面模板参数,并根据不可靠点的特性,构造出新的匹配代价公式,对相邻区域进行融合。在构造全局能量函数时,把初始视差范围作为全局能量函数的一个约束项,采用图割算法求取使全局能量最小的视差最优分配。仿真结果表明,该算法对低纹理区域和遮挡区域均有良好的匹配结果,并具有匹配精度高和实时性好的特点。3.基于双目视觉的三维重建算法研究。采用异面直线公垂线中点法作为空间点三维坐标的计算方法,由于该算法考虑线性方程组的几何意义,从而提高了空间点坐标的求解精度。仿真结果证明异面直线公垂线中点法要比最小二乘法的计算精度高。论文最后给出了实际物体三维重建的全过程,并应用Matlab编程进行了仿真实验。结果表明,三维重建的模型基本反映了移动车辆的几何特征。
栾庆磊[5]（2009）在《基于自主移动机器人视觉的驾驶员桩考评判方法研究》文中研究指明自主移动机器人视觉技术日渐成为机器人领域的研究热点,在智能人机交互等领域具有广阔的应用前景。为了提高驾驶员桩考的公平性和准确性,提高现有驾驶员电子桩考系统的功能,本文将自主移动机器人视觉技术引入到驾驶员桩考系统中,研究具有仿人视觉功能的自主移动机器人考官系统。主要研究工作如下:1.自主移动机器人仿人监视考车的决策模块设计。采用有限状态机理论将驾驶员桩考的全过程进行抽象,归纳出自主移动机器人在桩考中遇到的状态和事件,采用状态图将状态和事件表示出来,并对状态和事件进行最小化设计,去除冗余状态,得到自主移动机器人仿人监视考车决策模块的有限状态机。该方法使设计过程直观简单、易于理解和实现。2.驾驶员桩考中考车所处路线识别方法的研究。根据视觉传感器获取的考车与各边线的相对位置信息,相邻两帧图像中运动目标质点的连线与考场坐标轴的夹角关系等条件,给出了一种考车所处路线的识别方法。该方法可为考车在考车行驶线路中是否违规提供判别条件。3.驾驶员桩考中车辆运动目标检测与识别算法的研究。从改进型灰度投影法与改进型HSI帧差分法相结合的思想出发,提出了一种无特定背景条件下运动目标的检测算法,给出了设计实例和实验结果,该算法具有鲁棒性强,实时性好等优点。根据车辆运动目标的体积特征、轮廓特征等信息,给出了一种车辆运动目标的分类识别算法。该算法能够快速、准确的识别出要跟踪的车辆运动目标。4.自主移动机器人对考车的自动跟踪系统的设计。采用图像检测和预测控制方法,设计了自主移动机器人对考车的自动跟踪系统,实现了对考车运动目标实时跟踪。5.设计了一种驾驶员桩考自主移动机器人考官数字样机系统。给出了驾驶员桩考全过程的状态转移图以及评判方法,经仿真枚举桩考过程中各种状态和事件,证明该系统能够实现机器人考官对桩考过程的监视和评判功能。
王超[6]（2008）在《视频桩考系统中运动物体检测与跟踪算法研究》文中提出运动目标的检测与跟踪是数字图像处理领域的重要研究课题之一,是近年来备受关注前沿领域,被广泛的应用于智能监控系统、运动分析、目标导航等军事、工业和生活中的众多方面。本文研究的主要内容是视频桩考系统中运动物体的检测与跟踪技术。通过对视频序列图像的实时分析来完成对场地中考试车辆的定位、识别和跟踪,并在此基础上判断和分析车辆的运动特点,给出汽车的运动轨迹。通过判断汽车的实时运动方向并结合红外传感器中的信号判断考车有无违规,从而确定考生是否合格。主要是从以下三个方面来对运动目标的检测和跟踪进行研究:在图像的预处理方面,总结了当前常用的图像去噪方法,根据视频桩考系统的特点采用自适应中值滤波的方法消除图像噪声,并同时达到保留图像边缘信息和细节的目的。在运动目标检测方面,在对几种常用的运动目标检测方法进行分析和比较的基础上,采用了基于背景差法的Surendra背景更新模型,并通过当前帧与背景帧相减的方式提取运动目标区域。对于检测过程中的阴影问题,提出采用融合HSV彩色空间和梯度特征的方法来检测和消除阴影;并通过数学形态学Blob分析的方法来进一步的精确获得运动目标位置信息和特征信息。在运动目标跟踪方面,基于视频桩考系统的自身特点和运动目标检测过程中所得到的目标位置和特征信息,采用寻找质心的方法来达到对运动目标的跟踪以及给出目标的实时运动轨迹。通过实验证明,文中所用方法能够较好的完成对于运动目标的检测、识别和跟踪的工作。将数字图像处理技术引入驾驶员桩考系统,能够有效提高考试的公平性和准确性。
郭娜娜,曹银杰,乔万波[7]（2008）在《汽车轨迹模拟的简化算法》文中进行了进一步梳理本文分析了利用速度积分法以及利用图像处理的技术提取汽车轨迹的弊端。由此,基于汽车后轮运动位置点,给出了车辆轨迹计算的简化算法,并为此进行了若干试验,结果证明,计算的车辆轨迹与实际车辆轨迹相吻合。
张涛[8]（2008）在《基于自主移动机器人视觉的驾驶员桩考系统研究》文中进行了进一步梳理自主移动机器人是近年来在机器人学领域备受关注的课题,在智能人机交互、服务机器人、空间机器人和无人驾驶系统等领域具有广阔的应用前景。为了提高机动车驾驶员桩考的公平性和准确性,在大量运用机器视觉技术和模式识别理论的基础上,本文对基于机器视觉的移动机器人运用于驾驶员桩考系统进行了如下研究工作:（1）针对驾驶员桩考系统的特点,对移动机器人的决策模块设计引入有限状态机理论。通过有限状态机将汽车桩考的全过程进行抽象,合适地抽象出机器人仿人桩考中遇到的状态和事件,采用状态图将状态和事件表示出来,对状态和事件进行最小化,将有些可能被其它状态包含的冗余状态去除,最终得到桩考系统的有限状态机。采用了有限状态机理论方法可以使设计过程直观简单易于理解,可以大大加快设计流程。（2）通过视觉和其它传感器所获知的外部事件驱动,智能判断机器人跳转状态,实现机器人各种状态的相互转移,达到机器人模仿人工进行桩考监控评判的目的。（3）设计了一种自主移动机器人运动目标检测识别与自动跟踪控制系统。考虑到识别与控制过程,将机器人接受到的任务进行细分,以适应结构化或非结构化、熟悉或不熟悉的环境中,实现目标灵活监测和实时跟踪控制策略,提高机器人处理的实时性和准确性。该系统运用于驾驶员桩考系统中对运动车辆进行监控,可满足驾驶员桩考要求的灵活性和适应性。
王建平,张涛[9]（2007）在《汽车桩考系统中移动机器人的有限状态机设计》文中研究说明利用移动机器人对汽车桩考的全过程进行监控,引入有限状态机模型对机器人桩考监控的全过程进行建模。通过视觉与其它传感器所获知的外部数据实现机器人在各种状态间的转移,达到机器人模仿人工进行桩考评判的目的。
房正华[10]（2007）在《基于视频图像的车辆阴影检测方法研究》文中研究说明基于视频图像的运动车辆目标实时精确定位,目标的识别、分类及跟踪在交通管理系统中有着非常广泛的应用前景。阴影检测是运动车辆目标识别与追踪中非常重要的环节。图像背景差分及适当的去噪处理可以实现车辆目标的分割及初步定位,但是由于阴影的存在,以及它本身固有的属性使得背景差分和去噪处理均不能将阴影完全与车体分离开,因此得到的“车辆目标”是车体本身和车辆阴影之“和”。因此阴影的存在会使目标对象的外观及形状被扭曲,这对后续的车辆精确定位、车辆关键部位的提取以及车辆分类造成很大的误差甚至错误,这也使得阴影检测成为运动车辆目标识别与追踪中非常重要的环节。本文通过分析比较目前常用的车辆阴影检测方法,提出了一种基于移动区域的快速车辆阴影检测方法。该方法利用背景差分技术,首先根据移动区域内自适应阈值的确定以及进一步的差分比较决定需要更新的背景区域,与原图像进行背景差分获得移动目标图像。针对获取的移动目标图像进行二值化处理,并引入基于标签法的二值化图像快速去噪方法进行去噪处理。在随后的阴影检测操作中,本文结合基于几何模型和阴影性质的两种检测方法,在以上图像预处理基础上,根据基于几何模型的方法建立阴影的粗模型,即快速确定阴影区域的粗略区域。在随后的操作中只对粗略区域内的图像采用基于HSV颜色空间的阴影检测方法进行阴影检测的分析处理,同时本文对基于HSV颜色空间的阴影检测方法本身进行了改进。本文提出的方法在保证检测结果的准确性的前提下,大幅度地减少阴影检测过程中的计算量,而且对环境的依赖性较小,能在一定程度上消除光线、天气等环境因素的影响。通过对带有移动目标的交通图片进行实验,证明了本文算法的正确性,达到了我们的期望值,具有很好的实用性。
二、视频桩考仪中的图像处理技术（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、视频桩考仪中的图像处理技术（论文提纲范文）
（1）视频考桩系统设计与实现（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 本文研究的目的和意义 |
| 1.2 相关研究现状 |
| 1.2.1 视频相关技术 |
| 1.2.2 基于视频监控的桩考系统 |
| 1.3 论文的组织结构及内容 |
| 1.3.1 论文的主要内容 |
| 1.3.2 论文基本组织结构 |
| 1.3.3 Microsoft Visual Studio 2008的开发工具 |
| 第二章 桩考系统研究现状 |
| 2.1 桩考系统的发展概况 |
| 2.2 桩考系统相关技术分析 |
| 2.2.1 光流场分析 |
| 2.2.2 背景差分法 |
| 2.2.3 帧间差分法 |
| 2.3 本章小结 |
| 第三章 基于角点法的车辆轮廓提取算法 |
| 3.1 直线投影检测算法 |
| 3.2 基于角点的车辆轮廓提取算法 |
| 3.2.1 算法概述 |
| 3.2.2 角点匹配 |
| 3.2.3 SUSAN算法自适应阈值的改进 |
| 3.3 实验结果和分析 |
| 3.4 本章小结 |
| 第四章 基于粒子群优化的车辆跟踪算法 |
| 4.1 粒子群优化算法的基本原理 |
| 4.1.1 经典粒子群优化算法 |
| 4.1.2 算法中参数的含义 |
| 4.1.3 惯性权值 |
| 4.1.4 种群拓扑 |
| 4.1.5 自适应粒子群优化 |
| 4.2 基于粒子群优化的跟踪算法 |
| 4.2.1 目标的表示 |
| 4.2.2 参数调整 |
| 4.2.3 收敛标准 |
| 4.2.4 粒子群的动态传递 |
| 4.2.5 算法描述 |
| 4.3 实验结果和分析 |
| 4.4 本章小结 |
| 第五章 基于视频监控的桩考系统的设计与实现 |
| 5.1 汽车桩考的及格标准 |
| 5.1.1 考试内容 |
| 5.1.2 考试的地点和选择的考试相应路线 |
| 5.1.3 合格标准 |
| 5.2 桩考系统的设计 |
| 5.2.1 需求分析 |
| 5.2.1.1 功能分析 |
| 5.2.1.2 设计需求 |
| 5.2.2 系统总体设计 |
| 5.3 桩考系统的实现 |
| 5.3.1 桩考系统的定标算法实现 |
| 5.3.2 车辆坐标系的建立 |
| 5.3.3 车辆边缘点的实时计算 |
| 5.3.4 实时运行中各种情况处理方法 |
| 5.3.5 实地测试 |
| 5.3.6 桩考系统的硬件实现 |
| 5.3.7 桩考仪系统组成 |
| 5.3.8 注册源代码 |
| 5.3.8.1 页面代码 |
| 5.3.8.2 DAL层代码 |
| 5.3.9 阿拉伯数字转中文大写代码 |
| 5.3.10 加载菜单源代码 |
| 5.3.10.1 获取菜单数据代码 |
| 5.3.10.2 加载数据代码 |
| 5.3.11 分页技术源代码 |
| 5.4 本章小结 |
| 第六章 总结与展望 |
| 致谢 |
| 参考文献 |
（2）汽车驾驶电子路考连续障碍系统的设计与研究（论文提纲范文）
| 摘要 |
| Abstract |
| 插图清单 |
| 附表清单 |
| 1 绪论 |
| 1.1 课题研究背景 |
| 1.2 国内外研究现状 |
| 1.2.1 国外研究现状 |
| 1.2.2 国内研究现状 |
| 1.3 国内电子路考系统的研究现状 |
| 1.4 电子路考实现的原理比较 |
| 1.5 本章小结 |
| 2 电子路考连续障碍系统的实现 |
| 2.1 电子路考的组成 |
| 2.2 连续障碍车载系统及软件 |
| 2.2.1 车载系统的组成 |
| 2.2.2 车载软件 |
| 2.3 连续障碍的检测方法 |
| 2.4 本章小结 |
| 3 连续障碍车载模拟软件的设计 |
| 3.1 模拟软件的串口通信 |
| 3.1.1 串口的通信的分类 |
| 3.1.2 串口的通信协议 |
| 3.2 路考设备模拟器的研究 |
| 3.3 模拟软件代码 |
| 3.4 本章小结 |
| 4 连续障碍的网络传输结构 |
| 4.1 无线网络的种类 |
| 4.2 电子路考的网络连接方式 |
| 4.2.1 微功率无线通信模块 |
| 4.2.2 IEEE802.11g 无线网络通信 |
| 4.3 本章小结 |
| 5 连续障碍结构件的有限元分析 |
| 5.1 连续障碍圆饼的结构 |
| 5.2 有限元分析 |
| 5.2.1 有限元的介绍 |
| 5.2.2 Ansys Workbench 的简介 |
| 5.2.3 圆饼三维模型的建立 |
| 5.2.4 圆饼装配体有限元分析 |
| 5.3 有限元分析的前处理 |
| 5.3.1 网格划分 |
| 5.3.2 载荷的加载和边界条件 |
| 5.4 后处理及结果分析 |
| 5.5 改进措施 |
| 5.6 本章小结 |
| 6 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 参考文献 |
| 附录A |
| 附录B |
| 致谢 |
| 攻读硕士期间发表的论文 |
| 作者简介 |
（3）基于指纹识别的驾校考勤系统设计与实现（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 引言 |
| 1.1 研究背景 |
| 1.2 研究目的和意义 |
| 1.3 研究现状 |
| 1.3.1 驾校管理与考勤系统研究现状 |
| 1.3.2 指纹识别技术研究现状 |
| 1.3.3 C/S 结构研究现状 |
| 1.4 本文研究内容 |
| 1.5 本文组织结构 |
| 第二章 基于指纹识别的驾校考勤系统需求分析 |
| 2.1 基于指纹识别的驾校考勤系统框架 |
| 2.2 可行性研究 |
| 2.2.1 技术可行性 |
| 2.2.2 经济可行性 |
| 2.2.3 操作可行性 |
| 2.3 需求分析 |
| 2.3.1 任务目标 |
| 2.3.2 用户分析 |
| 2.3.3 软件功能说明 |
| 2.3.4 目标系统性能要求 |
| 2.3.5 目标系统输入、输出 |
| 2.3.6 目标系统的安全性要求 |
| 2.3.7 数据流图与ER 图 |
| 2.4 开发环境与运行环境 |
| 2.5 本章小结 |
| 第三章 基于指纹识别的驾校考勤系统概要设计 |
| 3.1 系统设计的指导原则 |
| 3.2 系统的功能设计 |
| 3.2.1 功能概述 |
| 3.2.2 系统的功能要求 |
| 3.2.3 系统的总体设计 |
| 3.3 平台的设计 |
| 3.3.1 系统的运行流程设计 |
| 3.3.2 指纹数据采集模块设计 |
| 3.3.3 移动终端模块设计 |
| 3.3.4 指纹识别模块设计（服务端） |
| 3.4 系统的数据设计 |
| 3.4.1 学员数据库 |
| 3.4.2 教练数据库 |
| 3.4.3 管理员数据库 |
| 3.5 本章小结 |
| 第四章 基于指纹识别的驾校考勤系统详细设计 |
| 4.1 信息录入模块设计 |
| 4.1.1 新用户注册 |
| 4.1.2 老用户登录 |
| 4.2 信息统计模块设计 |
| 4.3 信息修改模块设计 |
| 4.3.1 基本信息修改 |
| 4.3.2 指纹信息修改 |
| 4.4 信息查询模块设计 |
| 4.5 帐号管理模块设计 |
| 4.5.1 添加用户 |
| 4.5.2 删除用户 |
| 4.6 外部接口模块设计 |
| 4.7 指纹考勤模块设计 |
| 4.8 本章小结 |
| 第五章 基于指纹识别的驾校考勤系统测试 |
| 5.1 测试环境 |
| 5.1.1 测试方法 |
| 5.1.2 测试工具 |
| 5.1.3 测试环境 |
| 5.2 测试细则 |
| 5.3 测试用例 |
| 5.4 BUG 报告 |
| 5.5 本章小结 |
| 第六章 结论 |
| 致谢 |
| 参考文献 |
（4）基于双目视觉的移动车辆三维重建方法研究与应用（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 致谢 |
| 第一章 绪论 |
| 1.1 课题背景及意义 |
| 1.2 双目立体视觉国内外研究现状 |
| 1.3 双目立体视觉研究存在的问题及发展方向 |
| 1.3.1 双目立体视觉研究存在的问题 |
| 1.3.2 双目立体视觉研究的发展方向 |
| 1.4 本文主要研究内容及章节安排 |
| 1.4.1 本文主要研究内容 |
| 1.4.2 论文章节安排 |
| 第二章 基于一维标定物的双目摄像机标定算法研究 |
| 2.1 参考坐标系 |
| 2.1.1 像素坐标系 |
| 2.1.2 实际图像坐标系 |
| 2.1.3 摄像机坐标系 |
| 2.1.4 世界坐标系 |
| 2.2 摄像机模型 |
| 2.2.1 线性模型（针孔摄像机模型） |
| 2.2.2 非线性摄像机模型 |
| 2.3 基于一维标定物的双目摄像机标定 |
| 2.3.1 算法原理分析 |
| 2.3.2 算法实现 |
| 2.3.3 摄像机内部参数的求解 |
| 2.3.4 非线性优化 |
| 2.4 仿真实验 |
| 第三章 基于图像分割的立体匹配算法研究 |
| 3.1 立体匹配的研究内容 |
| 3.1.1 匹配基元的选择 |
| 3.1.2 匹配约束 |
| 3.1.3 匹配策略 |
| 3.2 基于图像分割的立体匹配算法 |
| 3.2.1 彩色图像分割 |
| 3.2.2 初始匹配 |
| 3.2.3 初始模板计算 |
| 3.2.4 区域融合 |
| 3.2.5 模板视差最优分配 |
| 3.3 改进后的算法 |
| 3.3.1 匹配代价公式的改进 |
| 3.3.2 全局能量函数重构及优化 |
| 3.4 仿真实验及结果 |
| 第四章 基于双目视觉的三维重建算法研究 |
| 4.1 三维重建的基本原理 |
| 4.2 公垂线中点法求解空间点三维坐标 |
| 4.3 空间直线重建 |
| 4.4 实验验证 |
| 第五章 仿真实验与结果分析 |
| 5.1 摄像机标定实验 |
| 5.2 双目图像对立体匹配实验 |
| 5.3 三维重建实验 |
| 第六章 总结与展望 |
| 参考文献 |
| 攻读硕士学位期间发表的论文 |
（5）基于自主移动机器人视觉的驾驶员桩考评判方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 致谢 |
| 第一章 绪论 |
| 1.1 课题来源及意义 |
| 1.2 机器视觉理论及研究现状 |
| 1.2.1 机器视觉理论概述 |
| 1.2.2 机器视觉研究现状 |
| 1.3 自主移动机器人技术的发展 |
| 1.4 桩考技术的发展 |
| 1.5 课题研究的主要内容及安排 |
| 第二章 驾驶员桩考系统、考试规则及检测判断方法 |
| 2.1 桩考场地规定及考试规则 |
| 2.1.1 桩考场地规定 |
| 2.1.2 桩考考试规则 |
| 2.2 桩考考试规则分析与检测判断方法 |
| 2.3 本章小结 |
| 第三章 基于自主移动机器人视觉的驾驶员桩考方案研究 |
| 3.1 自主移动机器人考官仿人功能结构设计 |
| 3.2 自主移动机器人考官硬件结构 |
| 3.3 自主移动机器人考官软件结构 |
| 3.3.1 自主移动机器人考官慎思层软件设计流程 |
| 3.3.2 自主移动机器人考官反应层软件设计流程 |
| 3.4 自主移动机器人考官决策模块设计 |
| 3.4.1 桩考决策模块中主状态机构建 |
| 3.4.2 桩考决策模块中评判子状态机构建 |
| 3.5 本章小结 |
| 第四章 自主移动机器人考官对考车的检测识别与跟踪 |
| 4.1 无特定背景条件下考车运动目标的检测算法 |
| 4.1.1 无特定背景条件下全局运动估计与补偿 |
| 4.1.2 无特定背景条件下考车运动目标分割 |
| 4.2 自主移动机器人考官对考车的检测与识别 |
| 4.2.1 运动目标的特征提取与分类识别 |
| 4.2.2 考车运动目标的检测与识别实验分析 |
| 4.3 自主移动机器人考官对考车运动目标的预测跟踪 |
| 4.3.1 考车运动目标的定位 |
| 4.3.2 考车运动目标的运动轨迹估计 |
| 4.3.3 自主移动机器人运动控制策略 |
| 4.4 本章小结 |
| 第五章 自主移动机器人考官数字样机系统设计 |
| 5.1 自主移动机器人考官数字样机系统构建 |
| 5.1.1 自主移动机器人考官数字样机智能监控系统结构 |
| 5.1.2 目标模式和控制模式的表示和获取 |
| 5.2 自主移动机器人考官数字样机系统的实现 |
| 5.2.1 状态1 等待考试 |
| 5.2.2 状态2 运动目标检测与识别 |
| 5.2.3 状态3 考试车辆跟踪与评判 |
| 5.2.4 状态4 考试结果为成功 |
| 5.2.5 状态5 考试结果为失败 |
| 5.3 本章小结 |
| 第六章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
（6）视频桩考系统中运动物体检测与跟踪算法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 研究的背景与意义 |
| 1.2 运动目标检测与跟踪的发展现状 |
| 1.3 本文研究内容与结构安排 |
| 2 图像的预处理 |
| 2.1 图像噪声 |
| 2.2 图像滤波处理 |
| 2.3 本章小结 |
| 3 运动目标的检测 |
| 3.1 彩色空间 |
| 3.2 运动物体检测方法 |
| 3.3 背景模型 |
| 3.4 阴影检测 |
| 3.5 确定运动物体位置 |
| 3.6 实验结果 |
| 3.7 本章小结 |
| 4 运动物体的跟踪 |
| 4.1 图像特征匹配跟踪法 |
| 4.2 质心跟踪法 |
| 4.3 实验结果 |
| 4.4 本章小结 |
| 5 视频桩考系统设计 |
| 5.1 桩考标准及规则 |
| 5.2 系统总体框图 |
| 5.3 硬件系统构成 |
| 5.4 软件系统构成 |
| 5.5 本章小结 |
| 6 结论与展望 |
| 致谢 |
| 攻读硕士期间主要成果 |
| 主要参考文献 |
（8）基于自主移动机器人视觉的驾驶员桩考系统研究（论文提纲范文）
| 摘要 |
| Abstract |
| 致谢 |
| 第一章 绪论 |
| 1.1 引言 |
| 1.2 机器视觉 |
| 1.2.1 机器视觉概述 |
| 1.2.2 机器视觉的研究现状 |
| 1.2.3 机器视觉的应用领域 |
| 1.3 自主式移动机器人 |
| 1.4 课题研究的目的和意义 |
| 1.5 课题研究的主要内容 |
| 第二章 机动车驾驶员桩考系统 |
| 2.1 桩考场地规定 |
| 2.2 考试规则 |
| 2.3 桩考评判项目的技术分析 |
| 2.4 现有桩考的考试方法 |
| 2.4.1 人工检侧 |
| 2.4.2 电子桩考 |
| 2.5 基于自主移动机器人视觉的驾驶员桩考系统的方案研究 |
| 2.5.1 移动机器人功能结构 |
| 2.5.2 移动机器人的硬件结构 |
| 2.5.3 移动机器人的软件结构 |
| 2.6 本章小结 |
| 第三章 自主移动机器人决策模块的设计 |
| 3.1 有限状态机理论 |
| 3.2 有限状态机构建 |
| 3.2.1 桩考主状态机的构建 |
| 3.2.2 评判子状态机的构建 |
| 3.3 本章小结 |
| 第四章 运动目标检测识别与自动跟踪系统的设计 |
| 4.1 移动机器人视觉检测识别与跟踪控制系统的设计 |
| 4.1.1 移动机器人视觉检测识别和跟踪控制系统功能结构 |
| 4.1.2 目标模式和控制模式的表示和获取 |
| 4.2 机器人视觉检测识别和跟踪方法在桩考中的应用 |
| 4.2.1 状态1等待考试 |
| 4.2.2 状态2运动目标检测与识别 |
| 4.2.3 状态3考试车辆跟踪与评判 |
| 4.2.4 状态4考试结束 |
| 第五章 总结与展望 |
| 参考文献 |
（9）汽车桩考系统中移动机器人的有限状态机设计（论文提纲范文）
| 1 引言 |
| 2 机器视觉对桩考评判标准的分析 |
| 2.1 桩考场地的要求 |
| 2.2 桩考评判项目 |
| 2.3 桩考评判项目的研究[5][6][7][8] |
| 3 桩考系统中移动机器人结构 |
| 3.1 移动机器人功能结构 |
| 3.2 移动机器人的硬件结构 |
| 3.3 移动机器人的软件结构 |
| 3.3.1 慎思层软件结构 |
| 3.3.2 反应层软件结构 |
| 4 桩考系统的有限状态自动机设计 |
| 4.1 有限状态机理论[9] |
| 4.2 有限状态机构建 |
| 4.2.1 桩考主状态机构建 |
| 4.2.2 评判子状态机构建 |
| 5 结束语 |
（10）基于视频图像的车辆阴影检测方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 0 前言 |
| 1 绪论 |
| 1.1 课题背景及关键技术发展状况 |
| 1.2 本文的研究内容 |
| 2 图像预处理 |
| 2.1 引言 |
| 2.2 运动目标检测 |
| 2.2.1 光流法 |
| 2.2.2 连续帧间差分法 |
| 2.2.3 背景差分法 |
| 2.3 背景更新方法 |
| 2.3.1 统计学背景模型 |
| 2.3.2 背景的混合高斯模型 |
| 2.4 基于移动区域的快速自适应背景更新方法 |
| 2.4.1 基于高斯模型的自适应阈值确定 |
| 2.4.2 背景提取 |
| 2.4.3 求取移动区域 |
| 2.4.4 自适应背景模型的确定与更新 |
| 2.5 基于标签法的快速去噪处理 |
| 2.6 本章小结 |
| 3 阴影检测算法研究 |
| 3.1 引言 |
| 3.2 阴影的物理属性 |
| 3.3 常用颜色模型介绍 |
| 3.4 阴影检测算法 |
| 3.4.1 基于三维建模的阴影检测方法 |
| 3.4.2 基于二维物体－阴影模型的阴影检测算法 |
| 3.4.3 基于边缘检测的阴影消除方法 |
| 3.4.4 基于光源和背景假设的阴影检测法 |
| 3.4.5 颜色空间分布概率密度统计的方法 |
| 3.4.6 基于色彩特征不变量的阴影抑制 |
| 3.5 本章小结 |
| 4 基于移动区域的快速粗模型阴影检测算法 |
| 4.1 基于HSV 颜色空间的阴影检测方法 |
| 4.2 算法流程图 |
| 4.3 阴影粗模型的建立及粗略区域的获取 |
| 4.4 阴影检测及去除 |
| 4.5 实验结果及分析 |
| 4.6 本章小结 |
| 5 总结与展望 |
| 参考文献 |
| 个人论文发表情况 |
| 致谢 |
四、视频桩考仪中的图像处理技术（论文参考文献）
- [1]视频考桩系统设计与实现[D]. 窦梓豪. 电子科技大学, 2014(03)
- [2]汽车驾驶电子路考连续障碍系统的设计与研究[D]. 章华. 安徽农业大学, 2011(07)
- [3]基于指纹识别的驾校考勤系统设计与实现[D]. 栾兴国. 电子科技大学, 2011(06)
- [4]基于双目视觉的移动车辆三维重建方法研究与应用[D]. 任冉冉. 合肥工业大学, 2010(04)
- [5]基于自主移动机器人视觉的驾驶员桩考评判方法研究[D]. 栾庆磊. 合肥工业大学, 2009(10)
- [6]视频桩考系统中运动物体检测与跟踪算法研究[D]. 王超. 山东科技大学, 2008(02)
- [7]汽车轨迹模拟的简化算法[J]. 郭娜娜,曹银杰,乔万波. 科技信息(学术研究), 2008(09)
- [8]基于自主移动机器人视觉的驾驶员桩考系统研究[D]. 张涛. 合肥工业大学, 2008(10)
- [9]汽车桩考系统中移动机器人的有限状态机设计[J]. 王建平,张涛. 自动化技术与应用, 2007(11)
- [10]基于视频图像的车辆阴影检测方法研究[D]. 房正华. 中国海洋大学, 2007(02)