基于深度学习的车型识别系统的研究
| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 课题背景 | 第9-10页 |
| 1.2 课题研究目的和意义 | 第10页 |
| 1.3 国内外研究现状 | 第10-12页 |
| 1.4 研究内容与方法 | 第12-13页 |
| 1.5 论文组织结构 | 第13-15页 |
| 第二章 深度学习相关技术 | 第15-21页 |
| 2.1 深度学习的发展 | 第15-17页 |
| 2.2 BP算法及传统的机器学习结构 | 第17页 |
| 2.3 深度置信网 | 第17-19页 |
| 2.4 深度卷积神经网络 | 第19-21页 |
| 第三章 基于视频的运动车辆检测与追踪 | 第21-31页 |
| 3.1 视频车辆检测与追踪的研究现状 | 第21-22页 |
| 3.2 运动目标检测方法 | 第22-27页 |
| 3.2.1 帧差法 | 第22-23页 |
| 3.2.2 光流法 | 第23-25页 |
| 3.2.3 背景建模法 | 第25-26页 |
| 3.2.4 R-CNN | 第26-27页 |
| 3.3 运动目标追踪算法 | 第27-31页 |
| 3.3.1 Mean-shift追踪算法 | 第28-29页 |
| 3.3.2 粒子滤波 | 第29-30页 |
| 3.3.3 基于区域增长的图像追踪算法 | 第30-31页 |
| 第四章 图像特征分类方法 | 第31-37页 |
| 4.1 逻辑回归 | 第31-32页 |
| 4.2 支持向量机 | 第32-34页 |
| 4.3 径向基函数神经网络 | 第34-37页 |
| 第五章 基于深度学习的车型识别系统的实现与评估 | 第37-51页 |
| 5.1 基于深度学习的车型识别系统的设计 | 第37-41页 |
| 5.2 基于深度学习的车型识别系统的实现 | 第41-48页 |
| 5.2.1 视频图像处理提取车辆图片 | 第42-44页 |
| 5.2.2 车型识别模块的训练 | 第44-46页 |
| 5.2.3 运动车辆的追踪 | 第46-48页 |
| 5.3 基于深度学习的车型识别系统的评估 | 第48-51页 |
| 总结与展望 | 第51-53页 |
| 完成的主要工作 | 第51页 |
| 课题的创新点 | 第51-52页 |
| 后续研究工作 | 第52-53页 |
| 参考文献 | 第53-58页 |
| 攻读硕士学位期间取得的学术成果 | 第58-59页 |
| 致谢 | 第59页 |
