隨著目前我國汽車保有量飛速增加,智慧交通系統(tǒng)也日益普及。車型信息作為一種車輛的一種基本屬性,對(duì)其進(jìn)行準(zhǔn)確的識(shí)別和統(tǒng)計(jì)對(duì)智慧交通系統(tǒng)的建設(shè)有著重要意義。本文闡述了車型識(shí)別的研究意義和發(fā)展現(xiàn)狀,概述了深度神經(jīng)網(wǎng)絡(luò)的基本理論。簡要介紹了硬件識(shí)別法和基于計(jì)算機(jī)視覺識(shí)別方法,重點(diǎn)研究了基于計(jì)算機(jī)視覺的深度神經(jīng)網(wǎng)絡(luò)算法,它具有部署成本低,準(zhǔn)確率高,學(xué)習(xí)能力強(qiáng)等優(yōu)勢。對(duì)目前已有的分類模型存在分類粒度過大,準(zhǔn)確率不高等問題,提出了將整體特征與局部特征相融合的分類模型。研究的數(shù)據(jù)集主要針對(duì)監(jiān)控?cái)z像頭拍攝的車輛前臉圖片。為了充分利用車輛前臉圖像進(jìn)行車型識(shí)別任務(wù),本文進(jìn)行了以下工作:1.為了建立適合本文的車型數(shù)據(jù)庫,本文融合了PKU VehicleID,BIT Vehicle以及使用網(wǎng)絡(luò)爬蟲從網(wǎng)上爬取的各類車型圖片建立的車型數(shù)據(jù)集,這保證了本文中采用的數(shù)據(jù)來源豐富。為了進(jìn)一步提升較暗圖像的對(duì)比度,對(duì)數(shù)據(jù)集中亮度低于閾值的圖像進(jìn)行直方圖均衡化處理。在最終建立的車型數(shù)據(jù)庫包含了jeep-指南者,寶馬-X1,比亞迪F3-2007-2011款等228類車型樣本圖像共計(jì)10432張圖像。并針對(duì)車輛前臉圖片中語義信息較... 

【文章來源】：西安電子科技大學(xué)陜西省 211工程院校 教育部直屬院校

【文章頁數(shù)】：72 頁

【學(xué)位級(jí)別】：碩士

【圖文】：

數(shù)據(jù)集中較暗圖像與其RGB直方圖

原始圖像RGB直方圖均衡化后的結(jié)果

多層感知機(jī)結(jié)構(gòu)示意圖

【參考文獻(xiàn)】：
期刊論文
[1]基于卷積神經(jīng)網(wǎng)絡(luò)的車型識(shí)別方法研究[J]. 紀(jì)野,李玉惠,王蒙.  傳感器與微系統(tǒng). 2017(11)
[2]智慧交通展望及解決方案研究[J]. 林曉伯,劉思聰.  郵電設(shè)計(jì)技術(shù). 2017(05)
[3]智能交通發(fā)展動(dòng)態(tài)與趨勢[J]. 關(guān)積珍.  交通與港航. 2016(01)
[4]基于深度卷積神經(jīng)網(wǎng)絡(luò)的車型識(shí)別研究[J]. 鄧柳,汪子杰.  計(jì)算機(jī)應(yīng)用研究. 2016(03)
[5]基于誤差橢圓的車型識(shí)別算法[J]. 萬文利,胡加佩,劉學(xué)軍.  計(jì)算機(jī)工程. 2012(05)
[6]基于車輛輪廓定位匹配的車型識(shí)別方法[J]. 杜宇人,高浩軍.  揚(yáng)州大學(xué)學(xué)報(bào)(自然科學(xué)版). 2007(02)
[7]RFID車型識(shí)別及信息處理在汽車生產(chǎn)中的應(yīng)用[J]. 劉軍,薛明,李桂麗.  制造業(yè)自動(dòng)化. 2006(12)
[8]基于壓力傳感器陣列的車型分類系統(tǒng)[J]. 張健雄,張進(jìn),戴志超.  公路交通科技. 2006(07)
[9]基于BP神經(jīng)網(wǎng)絡(luò)的車型分類器[J]. 胡方明,簡琴,張秀君.  西安電子科技大學(xué)學(xué)報(bào). 2005(03)

碩士論文
[1]奇異值分解和主成分分析在車型識(shí)別中的應(yīng)用[D]. 牟雪嬌.上海交通大學(xué) 2008



本文編號(hào)：3397115