| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-22页 |
| 1.1 研究背景 | 第11-12页 |
| 1.2 非接触式计算机视觉技术在结构健康监测中的应用 | 第12-14页 |
| 1.3 基于深度学习的图像处理研究现状 | 第14-16页 |
| 1.3.1 深度学习概述 | 第14-15页 |
| 1.3.2 深度学习在结构健康监测中的应用 | 第15-16页 |
| 1.4 基于计算机视觉技术的车辆识别和检测跟踪 | 第16-18页 |
| 1.5 本文选题依据 | 第18-20页 |
| 1.6 本文研究内容 | 第20-22页 |
| 第2章 车辆分类标准的制定和轴重区间估计 | 第22-38页 |
| 2.1 引言 | 第22页 |
| 2.2 国外车辆分类标准 | 第22-28页 |
| 2.2.1 国际标准化组织标准分类 | 第22页 |
| 2.2.2 联合国车辆分类标准 | 第22-23页 |
| 2.2.3 全球汽车技术规范文件 | 第23-24页 |
| 2.2.4 欧盟车辆分类体系 | 第24-25页 |
| 2.2.5 美国车辆分类标准 | 第25-26页 |
| 2.2.6 德国车辆分类 | 第26-27页 |
| 2.2.7 日本车辆分类标准 | 第27-28页 |
| 2.3 我国车辆分类方法 | 第28-31页 |
| 2.3.1 国家标准车辆分类 | 第28-29页 |
| 2.3.2 交通运输及公路收费行业标准 | 第29-30页 |
| 2.3.3 公安管理部门行业标准 | 第30-31页 |
| 2.3.4 其他部门车辆分类方法 | 第31页 |
| 2.4 相关研究中的车辆分类方法 | 第31-32页 |
| 2.5 本文车辆分类标准 | 第32-33页 |
| 2.6 车辆轴重区间估计 | 第33-37页 |
| 2.7 本章小结 | 第37-38页 |
| 第3章 基于卷积神经网络的车型识别 | 第38-66页 |
| 3.1 引言 | 第38页 |
| 3.2 卷积神经网络 | 第38-48页 |
| 3.2.1 卷积神经网络概述 | 第38-40页 |
| 3.2.2 卷积神经网络的结构 | 第40-44页 |
| 3.2.3 卷积神经网络的训练 | 第44-45页 |
| 3.2.4 随机梯度下降法 | 第45-46页 |
| 3.2.5 迁移学习 | 第46-47页 |
| 3.2.6 过拟合问题 | 第47-48页 |
| 3.3 卷积神经网络算法 | 第48-52页 |
| 3.3.1 AlexNet模型 | 第48-50页 |
| 3.3.2 VGG-16 模型 | 第50-51页 |
| 3.3.3 模型识别性能评估 | 第51-52页 |
| 3.4 车辆数据集建立 | 第52-56页 |
| 3.4.1 常用公开数据集 | 第52页 |
| 3.4.2 建立本文数据集 | 第52-56页 |
| 3.5 实验结果 | 第56-65页 |
| 3.5.1 实验环境 | 第56页 |
| 3.5.2 AlexNet模型训练 | 第56-63页 |
| 3.5.3 VGG-16 模型训练 | 第63-65页 |
| 3.6 本章小结 | 第65-66页 |
| 第4章 视频图像中的车辆目标检测 | 第66-80页 |
| 4.1 引言 | 第66页 |
| 4.2 目标检测方法 | 第66-68页 |
| 4.2.1 传统目标检测方法 | 第66-67页 |
| 4.2.2 深度学习方法 | 第67-68页 |
| 4.3 基于高斯混合模型的背景差分法 | 第68-71页 |
| 4.3.1 高斯混合模型背景建模 | 第69-70页 |
| 4.3.2 数字形态学方法和Blob分析 | 第70-71页 |
| 4.4 基于Faster R-CNN的车辆检测方法 | 第71-74页 |
| 4.4.1 候选区域建议网络 | 第71-74页 |
| 4.4.2 非极大值抑制算法 | 第74页 |
| 4.5 实验验证 | 第74-78页 |
| 4.5.1 Faster R-CNN模型训练及检测结果 | 第75-76页 |
| 4.5.2 基于高斯混合模型的背景差分法检测结果 | 第76-78页 |
| 4.6 本章小结 | 第78-80页 |
| 第5章 车辆跟踪及车辆自动检测跟踪分类系统设计 | 第80-95页 |
| 5.1 引言 | 第80页 |
| 5.2 目标跟踪常用算法 | 第80-82页 |
| 5.2.1 均值漂移算法 | 第81页 |
| 5.2.2 粒子滤波跟踪算法 | 第81-82页 |
| 5.3 基于卡尔曼滤波的车辆跟踪 | 第82-88页 |
| 5.3.1 卡尔曼滤波 | 第82-83页 |
| 5.3.2 多目标跟踪 | 第83-84页 |
| 5.3.3 实验结果 | 第84-88页 |
| 5.4 车辆自动检测跟踪分类系统设计 | 第88-94页 |
| 5.4.1 系统框架组成 | 第88-89页 |
| 5.4.2 系统功能介绍 | 第89-91页 |
| 5.4.3 系统运行结果展示 | 第91-94页 |
| 5.5 本章小结 | 第94-95页 |
| 总结与展望 | 第95-97页 |
| 参考文献 | 第97-105页 |
| 附录 A(车辆数据库信息统计图) | 第105-114页 |
| 致谢 | 第114页 |
