版權(quán)說(shuō)明:本文檔由用戶(hù)提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、車(chē)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(jué)、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(chē)型識(shí)別技術(shù)得到廣泛關(guān)注。目前車(chē)型識(shí)別技術(shù)主要是基于統(tǒng)計(jì)分類(lèi)的,首先需要大量的車(chē)輛圖像數(shù)據(jù)集,其次通過(guò)特征提取技術(shù)獲取車(chē)輛圖像特征信息,最后利用機(jī)器學(xué)習(xí)分類(lèi)技術(shù)對(duì)特征信息進(jìn)行學(xué)習(xí)分類(lèi),進(jìn)而完成車(chē)型識(shí)別。在眾多基于圖像的車(chē)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(lèi)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(chē)
2、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(chē)輛的識(shí)別也成為目前車(chē)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(chē)型分類(lèi)具有非常重要的意義。
針對(duì)目前基于圖像的車(chē)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(chē)型圖像建立數(shù)據(jù)庫(kù),其中車(chē)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(chē)型類(lèi)型種類(lèi)有面包車(chē)、皮卡、跑車(chē)、小汽車(chē)、SUV和貨車(chē)六種。
(2)對(duì)霧霾天氣下成
3、像的車(chē)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(chē)型識(shí)別算法,并結(jié)合Softmax分類(lèi)器進(jìn)行車(chē)型分類(lèi)。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(chē)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(chē)型識(shí)別方法無(wú)論在晴
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶(hù)所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶(hù)上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶(hù)上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶(hù)因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于深度卷積神經(jīng)網(wǎng)絡(luò)的車(chē)型識(shí)別.pdf
- 基于卷積神經(jīng)網(wǎng)絡(luò)的車(chē)型識(shí)別研究.pdf
- 基于深度卷積神經(jīng)網(wǎng)絡(luò)的車(chē)型識(shí)別與車(chē)輛檢索研究.pdf
- 基于多尺度卷積神經(jīng)網(wǎng)絡(luò)的車(chē)型識(shí)別.pdf
- 基于特征編碼與卷積神經(jīng)網(wǎng)絡(luò)融合的車(chē)型識(shí)別算法研究.pdf
- 基于卷積神經(jīng)網(wǎng)絡(luò)的細(xì)粒度車(chē)型識(shí)別.pdf
- 基于深度卷積神經(jīng)網(wǎng)絡(luò)的人臉識(shí)別研究.pdf
- 基于深度卷積神經(jīng)網(wǎng)絡(luò)的圖像檢索算法研究.pdf
- 基于深度卷積神經(jīng)網(wǎng)絡(luò)的飛行器圖像識(shí)別算法研究.pdf
- 基于卷積神經(jīng)網(wǎng)絡(luò)的圖像識(shí)別算法研究
- 基于端到端深度卷積神經(jīng)網(wǎng)絡(luò)的人臉識(shí)別算法.pdf
- 基于深度卷積神經(jīng)網(wǎng)絡(luò)對(duì)工程機(jī)械聲音識(shí)別算法研究.pdf
- 基于深度卷積神經(jīng)網(wǎng)絡(luò)的車(chē)輛識(shí)別與檢索研究.pdf
- 基于深度卷積神經(jīng)網(wǎng)絡(luò)的車(chē)牌識(shí)別技術(shù)研究.pdf
- 霧霾環(huán)境下車(chē)牌圖像預(yù)處理及識(shí)別算法研究.pdf
- 基于遺傳神經(jīng)網(wǎng)絡(luò)的車(chē)型識(shí)別算法研究.pdf
- 基于深度神經(jīng)網(wǎng)絡(luò)的表情識(shí)別算法.pdf
- 基于卷積神經(jīng)網(wǎng)絡(luò)的車(chē)型識(shí)別系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn).pdf
- 基于卷積神經(jīng)網(wǎng)絡(luò)的盲車(chē)牌識(shí)別算法研究.pdf
- 基于卷積神經(jīng)網(wǎng)絡(luò)的行人再識(shí)別算法.pdf
評(píng)論
0/150
提交評(píng)論