基于深度神经网络的车型识别设计与实现

发布时间：2021-09-16 18:55

　　随着目前我国汽车保有量飞速增加,智慧交通系统也日益普及。车型信息作为一种车辆的一种基本属性,对其进行准确的识别和统计对智慧交通系统的建设有着重要意义。本文阐述了车型识别的研究意义和发展现状,概述了深度神经网络的基本理论。简要介绍了硬件识别法和基于计算机视觉识别方法,重点研究了基于计算机视觉的深度神经网络算法,它具有部署成本低,准确率高,学习能力强等优势。对目前已有的分类模型存在分类粒度过大,准确率不高等问题,提出了将整体特征与局部特征相融合的分类模型。研究的数据集主要针对监控摄像头拍摄的车辆前脸图片。为了充分利用车辆前脸图像进行车型识别任务,本文进行了以下工作:1.为了建立适合本文的车型数据库,本文融合了PKU VehicleID,BIT Vehicle以及使用网络爬虫从网上爬取的各类车型图片建立的车型数据集,这保证了本文中采用的数据来源丰富。为了进一步提升较暗图像的对比度,对数据集中亮度低于阈值的图像进行直方图均衡化处理。在最终建立的车型数据库包含了jeep-指南者,宝马-X1,比亚迪F3-2007-2011款等228类车型样本图像共计10432张图像。并针对车辆前脸图片中语义信息较... 

【文章来源】：西安电子科技大学陕西省 211工程院校 教育部直属院校

【文章页数】：72 页

【学位级别】：硕士

【图文】：

数据集中较暗图像与其RGB直方图

原始图像RGB直方图均衡化后的结果

多层感知机结构示意图

【参考文献】：
期刊论文
[1]基于卷积神经网络的车型识别方法研究[J]. 纪野,李玉惠,王蒙.  传感器与微系统. 2017(11)
[2]智慧交通展望及解决方案研究[J]. 林晓伯,刘思聪.  邮电设计技术. 2017(05)
[3]智能交通发展动态与趋势[J]. 关积珍.  交通与港航. 2016(01)
[4]基于深度卷积神经网络的车型识别研究[J]. 邓柳,汪子杰.  计算机应用研究. 2016(03)
[5]基于误差椭圆的车型识别算法[J]. 万文利,胡加佩,刘学军.  计算机工程. 2012(05)
[6]基于车辆轮廓定位匹配的车型识别方法[J]. 杜宇人,高浩军.  扬州大学学报(自然科学版). 2007(02)
[7]RFID车型识别及信息处理在汽车生产中的应用[J]. 刘军,薛明,李桂丽.  制造业自动化. 2006(12)
[8]基于压力传感器阵列的车型分类系统[J]. 张健雄,张进,戴志超.  公路交通科技. 2006(07)
[9]基于BP神经网络的车型分类器[J]. 胡方明,简琴,张秀君.  西安电子科技大学学报. 2005(03)

硕士论文
[1]奇异值分解和主成分分析在车型识别中的应用[D]. 牟雪娇.上海交通大学 2008



本文编号：3397115