| 【中文题名】 | 基于神经网络的汽车车型识别方法的技术研究 |
| 【英文题名】 | Study of Vehicle Type Automatic Recognition System Based on Neural Network |
| 【学科专业】 | 软件工程 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2007-10-16 |
| 【中关键词】 | 交通管理,汽车车型,特征提取,神经网络,模式识别, |
| 【英关键词】 | the transportation management,vehicle type,the characteristic withdraw,neural network,the mode identify, |
| 【分类导航】 | 工业技术>自动化技术、计算机技术>计算技术、计算机技术>计算机的应用>信息处理(信息加工)>模式识别与装置 |
| 【论文摘要】 |
随着我国国民经济的不断发展，交通管理在人们的经济、社会活动中已经变得越来越重要。人们对交通管理的层次、质量等问题也提出了越来越多的新要求，目前我国交通管理主要是人工管理，需要投入大量的人力、物力和财力，而且已经越来越不适应现代化的交通管理的要求。因此，如何对公路、城市交通、各类车辆收费站，大型停车场等实现现代化管理就显得非常重要，对其进行深入的研究有非常重要的实际意义。
本文针对目前我国汽车车辆的交通收费的实际情况，对车辆车型的一般识别方法和技术进行了较深入分析和研究，主要研究结果如下：
首先，论述了车型识别的研究背景和重要意义，详细介绍了国内外研究现状及我国目前现有的识别车型方法；指出了目前几种车型识别方法存在的缺陷和不足。论述了人工神经网络的理论基础、BP网络的基本结构，并对几种典型的神经网络做了比较研究，重点介绍了BP神经网络的结构、特性和数学算法描述；为后续的车型识别做了很好的铺垫。
其次，本文按国家标准分析了各种不同的车辆形状，抽象出了车辆的一般形状的“工”字形，以车辆顶长作中垂线分下底长的前后比例数、顶长等作为参数，通过大量的数据分析、处理，并提取出特征参数，对现... |
| 【论文题纲】 |
|
摘要 |
4-5 |
|
ABSTRACT |
5-10 |
|
第一章 概述 |
10-16 |
|
1.1 课题来源、国内外研究现状与水平 |
10-12 |
|
1.1.1 课题来源 |
10 |
|
1.1.2 国内外研究现状与水平 |
10-11 |
|
1.1.3 惠州地区车型识别现状 |
11-12 |
|
1.2 现有的几种识别车型方法 |
12-13 |
|
1.2.1 无线电波或红外线检测车型 |
12 |
|
1.2.2 雷达检测车型 |
12 |
|
1.2.3 利用车辆重量检测车型 |
12 |
|
1.2.4 感应线圈检测车型 |
12-13 |
|
1.2.5 基于神经网络的方法 |
13 |
|
1.3 研究意义、目标 |
13-14 |
|
1.3.1 研究意义 |
13-14 |
|
1.3.2 研究目标 |
14 |
|
1.4 本文的主要研究内容和论文组织结构 |
14-16 |
|
第二章 人工神经网络与车辆识别技术 |
16-29 |
|
2.1 人工神经网络的理论基础 |
16-19 |
|
2.1.1 神经元模型 |
16 |
|
2.1.2 转移函数 |
16-17 |
|
2.1.3 学习规则 |
17-18 |
|
2.1.4 神经元的工作过程 |
18-19 |
|
2.2 几种典型的神经网络的研究 |
19-23 |
|
2.2.1 感知器 |
19-20 |
|
2.2.2 BP神经网络 |
20-21 |
|
2.2.3 Hopfield网络 |
21-22 |
|
2.2.4 ART网络 |
22-23 |
|
2.3 BP人工神经网络 |
23-26 |
|
2.3.1 BP网络结构 |
23-24 |
|
2.3.2 BP网络的特性 |
24 |
|
2.3.3 BP神经网络的算法描述 |
24-25 |
|
2.3.4 BP算法的改进 |
25-26 |
|
2.4 车型识别系统概述 |
26-28 |
|
2.4.1 图像处理 |
26-28 |
|
2.4.2 车型识别 |
28 |
|
2.5 本章小结 |
28-29 |
|
第三章 车型识别技术特征值的提取 |
29-36 |
|
3.1 几种车型模型分析 |
29-34 |
|
3.1.1 轿车模型分析 |
29-31 |
|
3.1.2 货车模型分析 |
31-32 |
|
3.1.3 客车模型分析 |
32-34 |
|
3.2 识别理论依据 |
34-35 |
|
3.3 本章小结 |
35-36 |
|
第四章 基于 BP神经网络的车型识别技术研究 |
36-49 |
|
4.1 样本数据规格化 |
36-37 |
|
4.1.1 训练样本的选取 |
36 |
|
4.1.2 输入矢量归一化处理 |
36-37 |
|
4.2 BP神经网络的构造 |
37-43 |
|
4.2.1 输入层、输出层结点数的确定 |
37-38 |
|
4.2.2 隐层结点数的确定 |
38-40 |
|
4.2.3 BP神经网络的构建 |
40 |
|
4.2.4 网络初始权值的选取 |
40-41 |
|
4.2.5 网络学习速率 |
41 |
|
4.2.6 网络训练 |
41-43 |
|
4.3 车型识别系统概述 |
43-48 |
|
4.3.1 系统功能模块 |
43-44 |
|
4.3.2 用 MATLAB编程构造BP网络的初始结构 |
44-45 |
|
4.3.3 系统设计和后台数据库 |
45-47 |
|
4.3.4 系统运行结果及分析 |
47-48 |
|
4.4 本章小结 |
48-49 |
|
第五章 总结与展望 |
49-51 |
|
5.1 总结 |
49 |
|
5.2 本文主要的创新点 |
49-50 |
|
5.3 未来工作的展望 |
50-51 |
|
参考文献 |
51-53 |
|
致谢 |
53-54 |
|
攻读硕士学位期间发表的论文 |
54 |
|
| 【DOI】 | LunWen.ID:2.2008.389073 |
