监控场景下的车型分类方法研究与实现
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第一章 绪论 | 第8-14页 |
| 1.1 研究背景与意义 | 第8页 |
| 1.2 车型分类技术的研究现状 | 第8-10页 |
| 1.2.1 传统车型分类技术 | 第8-9页 |
| 1.2.2 基于监控视频的车型分类技术 | 第9-10页 |
| 1.3 基于深度学习的车型分类 | 第10-11页 |
| 1.4 本文主要内容 | 第11-12页 |
| 1.5 本文组织结构 | 第12-14页 |
| 第二章 车型分类相关技术 | 第14-27页 |
| 2.1 监控场景下的目标检测 | 第14-19页 |
| 2.1.1 基于前景的运动目标检测算法 | 第14-18页 |
| 2.1.2 基于深度学习的目标检测算法 | 第18-19页 |
| 2.2 车型分类算法 | 第19-26页 |
| 2.2.1 常用车辆分类图像特征 | 第19-22页 |
| 2.2.2 基于机器学习的分类器介绍 | 第22-24页 |
| 2.2.3 基于深度学习的车型分类算法 | 第24-26页 |
| 2.3 本章小结 | 第26-27页 |
| 第三章 监控视频的车型分类方法 | 第27-40页 |
| 3.1 监控场景下目标检测算法 | 第27-32页 |
| 3.1.1 基于视频流的目标检测算法 | 第27-29页 |
| 3.1.2 基于深度学习的目标检测 | 第29页 |
| 3.1.3 融合二者优点的目标检测算法 | 第29-32页 |
| 3.2 监控场景下的车型分类算法 | 第32-36页 |
| 3.2.1 深度学习的优势 | 第32-34页 |
| 3.2.2 Caffe框架的优势 | 第34页 |
| 3.2.3 车型分类模型的结构与训练 | 第34-36页 |
| 3.3 监控场景下车辆跟踪和车型纠正 | 第36-38页 |
| 3.3.1 车辆跟踪算法 | 第36-37页 |
| 3.3.2 监控场景下车型纠正 | 第37-38页 |
| 3.4 本章小结 | 第38-40页 |
| 第四章 车型分类原型系统的设计与实现 | 第40-49页 |
| 4.1 系统总体设计方案 | 第40页 |
| 4.2 系统开发环境 | 第40-41页 |
| 4.3 系统功能模块的设计与实现 | 第41-46页 |
| 4.3.1 目标检测模块 | 第41-42页 |
| 4.3.2 车型分类模块 | 第42-45页 |
| 4.3.3 车辆跟踪与车型纠正模块 | 第45-46页 |
| 4.4 系统测试与结果分析 | 第46-48页 |
| 4.5 本章小结 | 第48-49页 |
| 第五章 总结与展望 | 第49-51页 |
| 5.1 本文研究总结 | 第49-50页 |
| 5.2 未来工作展望 | 第50-51页 |
| 参考文献 | 第51-55页 |
| 致谢 | 第55页 |
