交通监控中车辆属性的识别方法研究
| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 1 绪论 | 第8-20页 |
| 1.1 研究背景与意义 | 第8-10页 |
| 1.2 车辆属性识别难点分析 | 第10页 |
| 1.3 国内外研究现状 | 第10-16页 |
| 1.3.1 车型识别研究现状 | 第11-12页 |
| 1.3.2 车标识别研究现状 | 第12-13页 |
| 1.3.3 车辆颜色识别研究现状 | 第13-15页 |
| 1.3.4 车牌识别研究现状 | 第15-16页 |
| 1.4 主要研究内容 | 第16-17页 |
| 1.5 组织结构 | 第17-20页 |
| 2 相关理论与技术 | 第20-30页 |
| 2.1 深度学习概述 | 第20-21页 |
| 2.2 卷积神经网络 | 第21-25页 |
| 2.2.1 卷积层 | 第22页 |
| 2.2.2 池化层 | 第22-23页 |
| 2.2.3 ReLU激活函数 | 第23-25页 |
| 2.3 YOLO概述 | 第25-27页 |
| 2.4 相关开发工具 | 第27-29页 |
| 2.4.1 OpenCV软件库 | 第27-29页 |
| 2.4.2 HyperLPR | 第29页 |
| 2.5 本章小结 | 第29-30页 |
| 3 交通监控中车辆属性识别 | 第30-40页 |
| 3.1 交通监控中车辆属性识别方法 | 第30-33页 |
| 3.2 车辆属性识别流程 | 第33-35页 |
| 3.2.1 车辆属性识别流程设计 | 第33页 |
| 3.2.2 车辆属性分类 | 第33-34页 |
| 3.2.3 性能评价指标 | 第34-35页 |
| 3.3 网络损失函数 | 第35-36页 |
| 3.4 车辆属性识别模块功能 | 第36页 |
| 3.5 车辆属性识别模型 | 第36-38页 |
| 3.6 本章小结 | 第38-40页 |
| 4 实验结果与分析 | 第40-46页 |
| 4.1 数据集 | 第40-41页 |
| 4.1.1 车辆图像数据集 | 第40页 |
| 4.1.2 属性标签数据集 | 第40-41页 |
| 4.2 实验环境 | 第41页 |
| 4.3 车辆属性识别模块测试 | 第41-42页 |
| 4.4 模型性能分析 | 第42-44页 |
| 4.4.1 不同监控场景下的识别性能 | 第42-43页 |
| 4.4.2 不同车辆识别方法性能对比 | 第43-44页 |
| 4.5 本章小结 | 第44-46页 |
| 5 总结与展望 | 第46-48页 |
| 5.1 总结 | 第46页 |
| 5.2 展望 | 第46-48页 |
| 致谢 | 第48-50页 |
| 参考文献 | 第50-56页 |
| 攻读硕士学位期间主要研究成果 | 第56页 |
