首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

基于深度学习的交通视频分析系统的设计与实现

摘要第4-5页
ABSTRACT第5-6页
第1章 绪论第10-20页
    1.1 课题背景及研究目的第10-12页
    1.2 与课题相关的国内外研究综述第12-19页
    1.3 本文的主要研究内容及论文结构第19-20页
第2章 通视频分析系统的需求分析和总体设计第20-30页
    2.1 交通视频分析系统的需求分析第20-21页
    2.2 功能需求第21-26页
        2.2.1 车辆检测第21页
        2.2.2 车牌检测第21-22页
        2.2.3 车牌识别第22页
        2.2.4 车辆品牌和颜色的识别第22页
        2.2.5 车辆的轨迹跟踪第22页
        2.2.6 深度学习算法训练及推理第22-26页
    2.3 非功能需求第26-27页
        2.3.1 性能需求第26-27页
        2.3.2 速度需求第27页
    2.4 系统的总体设计第27-29页
        2.4.1 系统总体架构第27-28页
        2.4.2 深度学习算法训练及推理的功能结构图第28页
        2.4.3 深度学习训练及推理框架的主要功能活动第28-29页
    2.5 本章小结第29-30页
第3章 交通视频分析系统的设计与实现第30-60页
    3.1 车辆检测及车牌检测功能的详细设计第30-35页
        3.1.1 交并比损失(IOU Loss)第30-33页
        3.1.2 正负样本的选择第33页
        3.1.3 两阶段训练第33-34页
        3.1.4 结果评价第34页
        3.1.5 交并比损失的具体实现第34-35页
    3.2 车牌识别功能的详细设计第35-43页
        3.2.1 连接时序分类第35-36页
        3.2.2 输出标记第36-37页
        3.2.3 前向后向算法第37-39页
        3.2.4 损失函数第39-41页
        3.2.5 解码算法第41-42页
        3.2.6 结果评价第42页
        3.2.7 车牌识别网络结构第42-43页
        3.2.8 CTC损失具体实现第43页
    3.3 车辆品牌颜色识别功能的详细设计第43-45页
        3.3.1 焦点损失(focal loss)第44-45页
        3.3.2 车牌品牌颜色识别的网络结构第45页
    3.4 目标跟踪的详细设计第45-49页
        3.4.1 卡尔曼滤波器第46页
        3.4.2 卡尔曼滤波器流程图第46-47页
        3.4.3 车辆跟踪流程图第47-49页
    3.5 深度学习训练及推理框架的详细设计和实现第49-59页
        3.5.1 配置文件解析模块的设计与实现第49-53页
        3.5.2 训练数据管理模块的设计与实现第53-54页
        3.5.3 网络结构模块的设计与实现第54-56页
        3.5.4 AI芯片上的深度学习算法推理优化策略及实现第56-59页
    3.6 本章小结第59-60页
第4章 交通视频分析系统测试第60-76页
    4.1 车辆检测模型训练和测试第60-64页
        4.1.1 实验数据和网络设置第60-61页
        4.1.2 参数设置及训练过程第61-63页
        4.1.3 测试及结果分析第63-64页
    4.2 车牌检测模型训练第64-67页
        4.2.1 实验数据和网络设置第64-65页
        4.2.2 参数设置和训练过程第65-66页
        4.2.3 测试及结果分析第66-67页
    4.3 车牌识别第67-71页
        4.3.1 实验数据和网络设置第67-69页
        4.3.2 参数设置和训练过程第69-70页
        4.3.3 测试及结果分析第70-71页
    4.4 车辆品牌识别第71-74页
        4.4.1 实验数据和网络设置第71-72页
        4.4.2 参数设置和训练过程第72-73页
        4.4.3 测试及结果分析第73-74页
    4.5 目标跟踪第74页
        4.5.1 实验数据第74页
        4.5.2 实验过程及结果第74页
    4.6 本章小结第74-76页
结论第76-77页
参考文献第77-81页
致谢第81-82页
个人简历第82页

论文共82页,点击 下载论文
上一篇:基于学习的故障定位方法研究
下一篇:面向自主装修机器人的研究