基于脉冲神经网络模型的车辆车型识别研究

基于脉冲神经网络模型的车辆车型识别研究

论文摘要

在智能交通系统中智能识别技术得到了越来越广泛的应用。而车型识别技术是智能交通系统中智能识别技术重要组成部分,在路桥收费系统中它能对在特定地点和时间的车辆进行识别和分类,并且能作为交通收费、管理、调度、统计的依据。本文重点对运动车辆图像进行技术处理和分析,提出了以神经网络与当前图像处理技术相结合的车辆识别与分类技术。而人工神经网络是智能识别技术中最热门的研究方向,结合人工神经网络在智能交通系统中的应用已成为当前研究的重要课题。本文通过分析智能交通系统的发展现状与应用前景,提出了一种基于人工神经网络的车型识别与分类的研究方案。该方案利用一种基于神经轴突延迟机制的脉冲神经元网络模型算法和一套图像处理技术获取运动车辆,再通过脉冲神经网络提取运动车辆边沿对应的边缘脉冲频率图。然后,对脉冲频率图提取线矩特征,最后利用这些特征结合传统的车辆车型特征训练BP神经网络,从而设计成一个自动识别系统,对运动车辆进行分类识别。这一系统不但能准确的检测识别车型,也用于识别出其他的运动目标。实验表明该系统获得了很好的识别结果。该系统可在智能交通监控等众多领域应用,具有重要的现实意义。

论文目录

  • 摘要
  • Abstract
  • 中文文摘
  • 绪论
  • 1 课题背景和意义
  • 2 国内外研究现状
  • 3 课题来源和研究内容
  • 第一章 基于脉冲神经网络模型的车辆车型识别系统总体方案设计
  • 第一节 引言
  • 第二节 车辆车型识别系统总体框架
  • 第三节 实现系统的总体流程
  • 第四节 车辆车型识别系统的工作原理及实现方案
  • 第五节 本章小结
  • 第二章 视频图像处理基础及平台设计
  • 第一节 引言
  • 第二节 图像处理平台的设计
  • 第三节 图像处理平台实现的主要功能
  • 第四节 图像处理平台中采用的图像处理技术和算法
  • 第五节 本章小结
  • 第三章 基于脉冲神经网络的运动车辆的边沿检测
  • 第一节 引言
  • 第二节 用于边缘检测的脉冲神经元网络模型
  • 第三节 脉冲神经元模型和感受野
  • 第四节 网络模型在车型边缘检测的仿真结果
  • 第五节 本章小结
  • 第四章 车辆特征提取
  • 第一节 常见的车辆特征
  • 第二节 车辆边缘直线段不变线矩
  • 第三节 特征提取软件设计
  • 第四节 本章小结
  • 第五章 基于BP神经网络的运动车辆车型识别和分类
  • 第一节 人工神经网络的特点
  • 第二节 BP神经网络典型模型
  • 第三节 BP神经网络设计
  • 第四节 用于车辆车型识别的神经网络设计
  • 第五节 实验结果分析
  • 第六节 本章小结
  • 结论与展望
  • 附录1 图像捕获程序设计
  • 附录2 图像灰度化程序设计
  • 附录3 提取特征值程序
  • 附录4 HU矩
  • 参考文献
  • 攻读学位期间承担的科研任务与主要成果
  • 致谢
  • 个人简历
  • 相关论文文献

    • [1].激光车型识别技术研究和应用[J]. 中国交通信息化 2019(S1)
    • [2].基于多维视频技术的车型识别系统[J]. 中国交通信息化 2017(12)
    • [3].基于3D模型的精确车型识别[J]. 智能城市 2018(08)
    • [4].车型识别技术在打击高速公路逃费中的应用[J]. 中国交通信息化 2017(10)
    • [5].一种高速自由流车型识别系统[J]. 中国交通信息化 2020(11)
    • [6].一种基于Bilinear-HashNet网络的车型识别方法[J]. 小型微型计算机系统 2019(08)
    • [7].基于改进词包模型的车型识别算法[J]. 计算机与数字工程 2018(05)
    • [8].基于历史数据的车型识别方案[J]. 中国交通信息化 2012(03)
    • [9].改进残差网络的多角度车型识别方法[J]. 电视技术 2018(06)
    • [10].基于多尺度跃层卷积神经网络的精细车型识别[J]. 科学技术与工程 2017(11)
    • [11].基于智能交通系统的运动车型识别技术与应用研究[J]. 数字技术与应用 2014(12)
    • [12].车型识别系统技术方案[J]. 中国公共安全 2015(09)
    • [13].基于决策树的车型识别技术研究[J]. 数字技术与应用 2015(03)
    • [14].分层式宽度模型的实时车型识别算法[J]. 数据采集与处理 2019(01)
    • [15].基于支持向量机与结构矩的车型识别实时鲁棒算法[J]. 湖南师范大学自然科学学报 2010(04)
    • [16].自动发卡车道车型识别解决方案探讨[J]. 中国交通信息化 2018(S1)
    • [17].一种基于深度残差网络的车型识别方法[J]. 计算机技术与发展 2018(05)
    • [18].基于深度卷积神经网络的车型识别研究[J]. 现代计算机(专业版) 2018(23)
    • [19].基于卷积神经网络的车型识别方法研究[J]. 传感器与微系统 2017(11)
    • [20].一种车型识别的预处理实现方案[J]. 计算机时代 2008(02)
    • [21].基于关键边缘特征的车型识别[J]. 电子测试 2013(06)
    • [22].轿车局部区域特征提取与车型识别[J]. 工业控制计算机 2012(08)
    • [23].面向嵌入式应用的高性能车型识别系统[J]. 电子技术与软件工程 2018(02)
    • [24].基于车辆正面俯视图的车型识别方法[J]. 电子技术与软件工程 2018(05)
    • [25].车型识别中运动目标检测技术研究[J]. 吕梁学院学报 2018(02)
    • [26].基于深度卷积神经网络的多任务细粒度车型识别[J]. 图学学报 2018(03)
    • [27].激光式交通量调查设备应用研究[J]. 中国交通信息化 2018(S1)
    • [28].异构计算模型下基于聚类的车型识别[J]. 青海交通科技 2018(01)
    • [29].基于全局和局部特征融合的车型识别[J]. 计算机工程与设计 2016(04)
    • [30].激光式出入口车型识别系统解决方案探析[J]. 交通世界 2019(23)

    标签:;  ;  ;  ;  

    基于脉冲神经网络模型的车辆车型识别研究
    下载Doc文档

    猜你喜欢