發(fā)布時(shí)間：2018-01-10 14:19

  本文關(guān)鍵詞：基于深度卷積神經(jīng)網(wǎng)絡(luò)的霧霾環(huán)境下車型識(shí)別算法研究　出處：《中北大學(xué)》2017年碩士論文　論文類型：學(xué)位論文

  更多相關(guān)文章： 車型識(shí)別 特征提取 霧霾環(huán)境 卷積神經(jīng)網(wǎng)絡(luò) AlexNet

【摘要】：車型識(shí)別系統(tǒng)是城市智能交通系統(tǒng)的重要組成部分。隨著數(shù)字圖像處理、計(jì)算機(jī)視覺、機(jī)器學(xué)習(xí)等技術(shù)的快速發(fā)展,基于圖像內(nèi)容的車型識(shí)別技術(shù)得到廣泛關(guān)注。目前車型識(shí)別技術(shù)主要是基于統(tǒng)計(jì)分類的,首先需要大量的車輛圖像數(shù)據(jù)集,其次通過(guò)特征提取技術(shù)獲取車輛圖像特征信息,最后利用機(jī)器學(xué)習(xí)分類技術(shù)對(duì)特征信息進(jìn)行學(xué)習(xí)分類,進(jìn)而完成車型識(shí)別。在眾多基于圖像的車型識(shí)別算法中,受到多尺度、多角度、復(fù)雜背景等多種因素對(duì)分類精度的影響,真正可以應(yīng)用在實(shí)際智能交通系統(tǒng)的車型識(shí)別技術(shù)較少。同時(shí),受霧霾天氣的影響,霧霾降質(zhì)車輛的識(shí)別也成為目前車型識(shí)別的難點(diǎn)。因此研究如何從復(fù)雜環(huán)境下準(zhǔn)確高效地對(duì)車型分類具有非常重要的意義。針對(duì)目前基于圖像的車型識(shí)別的眾多影響因素,本文進(jìn)行了如下內(nèi)容的研究:(1)采用網(wǎng)絡(luò)抓取的大量生活車型圖像建立數(shù)據(jù)庫(kù),其中車輛背景復(fù)雜多變、多角度、多尺度等保證了數(shù)據(jù)庫(kù)的多樣性,車型類型種類有面包車、皮卡、跑車、小汽車、SUV和貨車六種。(2)對(duì)霧霾天氣下成像的車輛進(jìn)行清晰化復(fù)原,復(fù)原方法基于大氣散射模型并結(jié)合霾粒子散射特性,達(dá)到去霧和去霾的雙重效果。(3)提出基于卷積神經(jīng)網(wǎng)絡(luò)的霧霾環(huán)境下車型識(shí)別算法,并結(jié)合Softmax分類器進(jìn)行車型分類。采用改進(jìn)的圖像去霧霾算法和基于AlexNet優(yōu)化的特征提取網(wǎng)絡(luò)結(jié)構(gòu),且與近幾年出現(xiàn)的車型識(shí)別算法,如基于HOG特征、PCA+SIFT特征及其它基于CNN特征等,進(jìn)行分析比較。通過(guò)測(cè)試證明,本文提出基于AlexNet改進(jìn)的車型識(shí)別方法無(wú)論在晴天還是霧霾環(huán)境下,其準(zhǔn)確率較其他方法均較高。(4)實(shí)現(xiàn)了復(fù)雜環(huán)境下車型識(shí)別系統(tǒng),系統(tǒng)由車型圖像預(yù)處理模塊和車型分類模塊組成,其中車型圖像預(yù)處理模塊使用了本文提到的圖像去霧霾算法,車型分類模塊使用本文提出的車型識(shí)別算法。通過(guò)理論與實(shí)踐相結(jié)合的方式,證明了本文算法的有效性及意義。
[Abstract]:The vehicle model recognition technology based on image content has been widely paid attention to the rapid development of vehicle model recognition technology based on image content . ( 4 ) The vehicle model recognition system is realized under complex environment . The system consists of vehicle model image preprocessing module and vehicle model classification module . The vehicle model image preprocessing module uses the image defog algorithm mentioned in this paper . The vehicle model classification module uses the vehicle model identification algorithm proposed in this paper . The effectiveness and significance of the algorithm are proved through the combination of theory and practice .

【學(xué)位授予單位】：中北大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2017
【分類號(hào)】：TP391.41;TP183

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 袁志勇,查桂峰,陳綿云,張仁宏;基于反對(duì)稱小波的車型識(shí)別研究[J];武漢大學(xué)學(xué)報(bào)(信息科學(xué)版);2005年06期

2 袁志勇,查桂峰,陳綿云;基于聚類的二級(jí)模糊綜合評(píng)判的車型識(shí)別研究[J];計(jì)算機(jī)工程與應(yīng)用;2005年12期

3 運(yùn)國(guó)蓮;陳啟美;丁勝軍;;基于非完備貝葉斯網(wǎng)絡(luò)的車型識(shí)別方法[J];交通與計(jì)算機(jī);2006年01期

4 賈永濤;張帆;;車型識(shí)別專家系統(tǒng)的設(shè)計(jì)[J];計(jì)算機(jī)測(cè)量與控制;2006年04期

5 張寧;施毅;何鐵軍;;基于虛擬線圈的車型識(shí)別研究[J];交通與計(jì)算機(jī);2008年01期

6 顏?zhàn)客?;基于歷史數(shù)據(jù)的車型識(shí)別方案[J];中國(guó)交通信息化;2012年03期

7 袁愛龍;陳懷新;吳云峰;;基于尺度顯著性算法的車型識(shí)別方法[J];微型機(jī)與應(yīng)用;2012年15期

8 華莉琴;許維;王拓;馬瑞芳;胥博;;采用改進(jìn)的尺度不變特征轉(zhuǎn)換及多視角模型對(duì)車型識(shí)別[J];西安交通大學(xué)學(xué)報(bào);2013年04期

9 劉玉銘,白明;一種基于模糊模式識(shí)別方法的車型識(shí)別儀[J];公路交通科技;2000年01期

10 張海峰,段穎妮;道橋收費(fèi)站車型識(shí)別技術(shù)[J];現(xiàn)代電子技術(shù);2001年09期

相關(guān)會(huì)議論文 前7條

1 韓冬梅;呂芳;;智能交通系統(tǒng)中車型識(shí)別的軟件設(shè)計(jì)與實(shí)現(xiàn)[A];全國(guó)第4屆信號(hào)和智能信息處理與應(yīng)用學(xué)術(shù)會(huì)議論文集[C];2010年

2 王超;劉翠響;;視頻圖像中車輛的車型識(shí)別算法研究與實(shí)現(xiàn)[A];第二十七屆中國(guó)（天津）2013IT、網(wǎng)絡(luò)、信息技術(shù)、電子、儀器儀表創(chuàng)新學(xué)術(shù)會(huì)議論文集[C];2013年

3 鄧天民;邵毅明;崔建江;;一種車型識(shí)別算法及其應(yīng)用[A];計(jì)算機(jī)技術(shù)與應(yīng)用進(jìn)展——全國(guó)第17屆計(jì)算機(jī)科學(xué)與技術(shù)應(yīng)用（CACIS）學(xué)術(shù)會(huì)議論文集（上冊(cè)）[C];2006年

4 張全元;戴光明;陳良;;一種新的基于實(shí)時(shí)視頻流的車型識(shí)別算法[A];圖像圖形技術(shù)與應(yīng)用進(jìn)展——第三屆圖像圖形技術(shù)與應(yīng)用學(xué)術(shù)會(huì)議論文集[C];2008年

5 張大奇;曲仕茹;劉真崢;;基于環(huán)投影小波分形特征的車型自動(dòng)識(shí)別方案[A];計(jì)算機(jī)技術(shù)與應(yīng)用進(jìn)展·2007——全國(guó)第18屆計(jì)算機(jī)技術(shù)與應(yīng)用（CACIS）學(xué)術(shù)會(huì)議論文集[C];2007年

6 趙天青;梁旭斌;許學(xué)忠;蔡宗義;張敏;;車型識(shí)別中聽覺特征提取算法的研究[A];第三屆上�！靼猜晫W(xué)學(xué)會(huì)學(xué)術(shù)會(huì)議論文集[C];2013年

7 劉直芳;游健;王運(yùn)瓊;游志勝;;運(yùn)動(dòng)汽車投影陰影分割算法[A];第十三屆全國(guó)圖象圖形學(xué)學(xué)術(shù)會(huì)議論文集[C];2006年

相關(guān)博士學(xué)位論文 前2條

1 李麗宏;基于多傳感器信息融合的超限超載檢測(cè)系統(tǒng)設(shè)計(jì)研究[D];太原理工大學(xué);2013年

2 胡耀民;基于視頻的車型識(shí)別關(guān)鍵技術(shù)研究[D];華南理工大學(xué);2014年

相關(guān)碩士學(xué)位論文 前10條

1 鄧柳;基于深度卷積神經(jīng)網(wǎng)絡(luò)的車型識(shí)別[D];西南交通大學(xué);2015年

2 張明貴;道路車輛的車型識(shí)別方法研究[D];貴州民族大學(xué);2015年

3 涂文華;基于數(shù)據(jù)融合的交通物聯(lián)網(wǎng)感知節(jié)點(diǎn)研究與應(yīng)用[D];南昌大學(xué);2015年

4 劉超;多姿態(tài)車型識(shí)別算法設(shè)計(jì)及應(yīng)用研究[D];電子科技大學(xué);2014年

5 王欣;基于小波分析的車型自動(dòng)識(shí)別系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D];電子科技大學(xué);2014年

6 凌永國(guó);基于卡口圖像車型識(shí)別的研究[D];廣西師范大學(xué);2015年

7 張海彬;基于卡口圖像的車型識(shí)別方法研究[D];合肥工業(yè)大學(xué);2015年

8 郭志明;基于視頻圖像的車型識(shí)別方法的研究[D];東北大學(xué);2014年

9 張飛云;基于深度學(xué)習(xí)的車輛定位及車型識(shí)別研究[D];江蘇大學(xué);2016年

10 程麗霞;監(jiān)控視頻中的車型識(shí)別技術(shù)研究[D];廣東工業(yè)大學(xué);2016年

，

本文編號(hào)：1405591