车型识别算法研究
| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第14-22页 |
| 1.1 研究背景及意义 | 第14-15页 |
| 1.2 国内外研究现状 | 第15-18页 |
| 1.2.1 特征获取研究现状 | 第15-17页 |
| 1.2.2 车型识别研究现状 | 第17-18页 |
| 1.3 车辆数据集 | 第18-19页 |
| 1.4 论文研究内容 | 第19页 |
| 1.5 论文结构安排 | 第19-22页 |
| 第二章 车脸图像的获取与预处理 | 第22-32页 |
| 2.1 车脸图像的获取 | 第22-29页 |
| 2.1.1 车牌检测算法 | 第22-26页 |
| 2.1.2 车脸图像分割 | 第26-29页 |
| 2.2 车脸图像预处理 | 第29-31页 |
| 2.3 本章小结 | 第31-32页 |
| 第三章 基于结构性特征的车型识别 | 第32-46页 |
| 3.1 车脸特征提取方法 | 第32-40页 |
| 3.1.1 方向梯度直方图特征 | 第32-34页 |
| 3.1.2 尺度不变特征 | 第34-40页 |
| 3.2 识别算法与实验分析 | 第40-44页 |
| 3.2.1 分类决策设计 | 第40-41页 |
| 3.2.2 实验结果分析 | 第41-44页 |
| 3.3 本章小结 | 第44-46页 |
| 第四章 基于车脸局部区域模板特征的车型识别 | 第46-68页 |
| 4.1 车脸局部形状分析 | 第46-49页 |
| 4.2 车脸局部形状特征匹配算法 | 第49-62页 |
| 4.2.1 匹配算法说明 | 第50-54页 |
| 4.2.2 特征模板设计 | 第54-56页 |
| 4.2.3 局部特征匹配的表达 | 第56-59页 |
| 4.2.4 识别算法与实验分析 | 第59-62页 |
| 4.3 多分类SVM决策融合 | 第62-66页 |
| 4.4 本章小结 | 第66-68页 |
| 第五章 基于深度学习的车型识别 | 第68-82页 |
| 5.1 单层无监督特征学习算法 | 第68-75页 |
| 5.1.1 特征学习与表达 | 第68-69页 |
| 5.1.2 车脸特征的无监督学习过程 | 第69-73页 |
| 5.1.3 车脸特征的表达 | 第73-75页 |
| 5.1.4 识别算法与实验分析 | 第75页 |
| 5.2 基于深度卷积网络的车型识别 | 第75-79页 |
| 5.2.1 深度学习网络 | 第76页 |
| 5.2.2 卷积神经网络模型 | 第76-77页 |
| 5.2.3 识别算法与实验分析 | 第77-79页 |
| 5.3 深度学习与多分类SVM决策融合 | 第79-80页 |
| 5.4 本章小结 | 第80-82页 |
| 第六章 总结与展望 | 第82-86页 |
| 6.1 工作总结 | 第82-83页 |
| 6.2 工作展望 | 第83-86页 |
| 参考文献 | 第86-92页 |
| 硕士在读期间科研成果 | 第92-94页 |
| 致谢 | 第94页 |
