在軍事偵察領(lǐng)域,對地面上各種輪式車輛、履帶式車輛等進(jìn)行準(zhǔn)確無誤的偵察和識別,便于準(zhǔn)確評估其威脅度,實(shí)時(shí)感知戰(zhàn)場局勢,掌握戰(zhàn)爭的主動權(quán)。但由于軍事車輛數(shù)據(jù)庫的特殊性,本文以民用車輛數(shù)據(jù)庫作為訓(xùn)練集,設(shè)計(jì)實(shí)現(xiàn)一個(gè)通用性強(qiáng)、識別率高、分類結(jié)果更精細(xì)并且功耗更低的實(shí)時(shí)車型識別系統(tǒng),可以應(yīng)用到任何嵌入式設(shè)備中。本文嵌入式車型識別系統(tǒng)的設(shè)計(jì)工作主要分為以下四個(gè)方面來進(jìn)行:（1）在PC平臺上,利用深度學(xué)習(xí)算法設(shè)計(jì)了一個(gè)識別率高、分類結(jié)果更精細(xì)、通用性更強(qiáng)的車型識別模型,將常見的小型乘用車分為皮卡車、面包車、SUV、MPV、三廂轎車、兩廂轎車六類。（2）通過將車型識別模型成功應(yīng)用到TMS320C6678 DSP芯片上,構(gòu)建了嵌入式車型識別系統(tǒng)。（3）結(jié)合DSP體系結(jié)構(gòu)特點(diǎn),對單核上的嵌入式車型識別系統(tǒng)進(jìn)行了一系列優(yōu)化,最終系統(tǒng)對于單張圖片的識別時(shí)間僅為0.36s。（4）利用多核處理器的優(yōu)勢,采取多線程并行的方式來對嵌入式車型識別系統(tǒng)進(jìn)行了性能優(yōu)化,最終系統(tǒng)的識別時(shí)間為0.15s。經(jīng)過性能對比分析驗(yàn)證,構(gòu)建好的嵌入式車型識別系統(tǒng)具有低功耗、實(shí)時(shí)識別等優(yōu)點(diǎn)。 

【文章來源】：國防科技大學(xué)湖南省 211工程院校 985工程院校

【文章頁數(shù)】：76 頁

【學(xué)位級別】：碩士

【部分圖文】：

sigmoid的函數(shù)曲線

國防科學(xué)技術(shù)大學(xué)研究生院碩士學(xué)位論文元構(gòu)成，輸入層負(fù)責(zé)接收外界信號，然后。神經(jīng)網(wǎng)絡(luò)是一個(gè)有向無環(huán)的網(wǎng)絡(luò)結(jié)構(gòu)負(fù)責(zé)接收樣本數(shù)據(jù)，隱含層負(fù)責(zé)處理和傳為三層的神經(jīng)網(wǎng)絡(luò)圖，神經(jīng)元間的互連的置的線性作用以及 sigmoid 函數(shù)的非線性單向全連接，而同一層內(nèi)的神經(jīng)元之間

輸入層卷積核卷積層池化層卷積核卷積層池化層全連接層輸出層圖 2.4 卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖神經(jīng)網(wǎng)絡(luò)的圖像識別算法中的特征提取部分主要由隱含層完成，神經(jīng)元的輸入與上一層的神經(jīng)元采用局部相連的方法，通過卷積局部特征，然后經(jīng)激活函數(shù)處理后生成當(dāng)前層的輸出特征平面，降低數(shù)據(jù)維度以及對特征進(jìn)行二次提取。）卷積層提取顯著特征，降低特征維度，減少數(shù)據(jù)量，需要對圖像進(jìn)行像用一個(gè)卷積核進(jìn)行卷積運(yùn)算，卷積核實(shí)質(zhì)上是提供了一個(gè)權(quán)重)所示的黃色矩陣，大小為3×3，這個(gè)模板每次在圖像上按照一個(gè)。將中心依次與圖像的每個(gè)元素對齊，如圖 2.5(b)所示，然后計(jì)模板元素值的乘積和，最后將模板區(qū)域內(nèi)計(jì)算的結(jié)果作為中心點(diǎn)核的滑動步長為 1，最終得到的卷積后的圖像如圖 2.5(c)所示。

【參考文獻(xiàn)】：
期刊論文
[1]深度學(xué)習(xí)在圖像識別領(lǐng)域的應(yīng)用現(xiàn)狀與優(yōu)勢[J]. 周宇杰.  中國安防. 2016(07)
[2]深度學(xué)習(xí)研究與進(jìn)展[J]. 孫志遠(yuǎn),魯成祥,史忠植,馬剛.  計(jì)算機(jī)科學(xué). 2016(02)
[3]基于深度卷積神經(jīng)網(wǎng)絡(luò)的車型識別研究[J]. 鄧柳,汪子杰.  計(jì)算機(jī)應(yīng)用研究. 2016(03)
[4]一種新的基于模板匹配的車型識別[J]. 李濤,李冬梅,唐紅強(qiáng),趙雪專,黃仁杰.  電視技術(shù). 2014(15)
[5]地面車輛目標(biāo)識別研究綜述[J]. 李開明,張群,羅迎,梁必帥,楊小優(yōu).  電子學(xué)報(bào). 2014(03)
[6]主流乘用車企業(yè)分類標(biāo)準(zhǔn)研究[J]. 曹波,余成龍,廖俊.  四川兵工學(xué)報(bào). 2013(12)
[7]采用改進(jìn)的尺度不變特征轉(zhuǎn)換及多視角模型對車型識別[J]. 華莉琴,許維,王拓,馬瑞芳,胥博.  西安交通大學(xué)學(xué)報(bào). 2013(04)
[8]基于BP神經(jīng)網(wǎng)絡(luò)的車型識別研究[J]. 吳志攀.  現(xiàn)代計(jì)算機(jī)(專業(yè)版). 2013(04)
[9]多核圖像處理并行設(shè)計(jì)范式的研究與應(yīng)用[J]. 王成良,謝克家,劉昕.  計(jì)算機(jī)工程. 2011(14)
[10]DSP應(yīng)用技術(shù)綜述[J]. 廖娜.  科技信息. 2008(32)

碩士論文
[1]深度學(xué)習(xí)在圖像識別中的研究及應(yīng)用[D]. 李衛(wèi).武漢理工大學(xué) 2014
[2]卷積神經(jīng)網(wǎng)絡(luò)在圖像識別上的應(yīng)用的研究[D]. 許可.浙江大學(xué) 2012
[3]基于圖像識別的車型自動分類系統(tǒng)[D]. 沈勇武.浙江大學(xué) 2008
[4]基于FPGA和DSP的車牌識別系統(tǒng)的硬件設(shè)計(jì)與實(shí)現(xiàn)[D]. 李科.電子科技大學(xué) 2007



本文編號：2979165