导读:本文包含了车型识别论文开题报告文献综述、选题提纲参考文献，主要关键词:神经网络,卷积,车型,高速公路,特征,自动识别,人工智能。
车型识别论文文献综述写法
陈立潮,卜楠,潘理虎,曹建芳,张英俊[1]（2019）在《基于改进卷积神经网络的车型识别》一文中研究指出为解决传统车型识别方法提取特征信息单一、识别精度不高、效率低的问题,将卷积神经网络引入目标识别问题中,利用其清晰、高效的泛化能力完成车型的特征学习,围绕模型的框架结构设计和内部参数优化两个方面进行研究,提出一种基于改进的Alex Net网络模型。将循环神经网络与卷积神经网络融合嵌入二级框架,设计自定义池化方式并对参数更新过程方法进行合理组合,通过提取浅层和高层的组合特征保证训练过程输入信息的多样性,使特征表达更加精确,网络性能更加高效。将该模型应用于视频监控图像车型识别任务中,通过在BIT-vehicle数据集上的一系列对比实验验证了所提模型的有效性。(本文来源于《计算机工程与设计》期刊2019年11期）
项冬东,王佩,王亚旭[2]（2019）在《基于特点识别的长头系列车型开发研究》一文中研究指出由于国家法规对于长头牵引车整车长度的放宽,长头车市场将迎来第二春,其优异的性能表现,也将促使各大主机厂加快研发进度,尽早推出长头车产品。灵敏度识别是优化设计的重要方法,由此联想的特点识别方法,从长头车自身结构决定的固有属性出发,识别出对产品特点贡献值最大的部分,将其打造为产品亮点,提高产品竞争力。(本文来源于《汽车实用技术》期刊2019年21期）
张佳鹏,杨莹,郭晓澎,曹桂芳[3]（2019）在《基于机器视觉的高速公路收费车型识别与异常车辆辨识系统》一文中研究指出本文研究的基于机器视觉的高速公路收费车型识别与异常车辆辨识系统基于图像特征、神经网络技术,提取车牌号、车型、品牌、颜色、轴型等车辆特征信息,识别出收费车型,应用大数据分析手段,融合收费车型数据、车辆微特征数据、历史车辆特征记录、稽查系统黑名单等多源数据,辨识出非法改装车辆、车牌车辆信息不符车辆、历史缴费黑名单车等异常车辆,为高速公路收费和稽查提供数据支撑和依据。(本文来源于《电子技术与软件工程》期刊2019年21期）
梁栋,何佳,石陆魁,王松,刘佳[4]（2019）在《结合运动目标检测和ResNet的车速车型智能识别》一文中研究指出车速和车型作为重要的车辆信息,在道路监控系统中发挥着很大的作用.传统的基于视觉的车辆信息识别方式由于计算参数过大且提取的特征不足,难以满足智能交通实时性和普适性的需求.对此,提出了一种新的车辆信息识别方法,采用运动目标检测技术实现视频中车辆的提取,然后利用虚拟线圈法进行车速识别,再通过改进的残差网络对提取的车辆进行车型识别,有效地减少了计算参数,实现了对视频的快速处理,同时利用了残差网络极强的特征表达能力,提高了识别的准确率.此外,加入了重载车型的研究,有良好的应用前景.实验结果显示,系统车速识别平均绝对误差不超过6km/h,车型识别平均准确率达到92.1%,针对小客车和小轿车的识别准确率高达98.7%,优于传统的识别方法.(本文来源于《北京交通大学学报》期刊2019年05期）
刘锋[5]（2019）在《基于漏斗原理对视频目标尺寸测量在车型识别中的应用》一文中研究指出随着中国经济社会的不断发展,车辆的使用日益普及,对于侦查破案而言,基于视频画面中目标尺寸测量对车型进行识别研究在工作当中的地位也越来越重要。本文主要通过讨论影响车型识别研究的主要因素,进而分析基于视频画面中目标尺寸测量在车型识别中应用的主要方法,弥补当前视频画面中车型识别研究领域的不足,同时通过案件中涉及的图片属性多维度分析,特别是利用漏斗原理来推理出视频侦查中的目标车型。(本文来源于《广东公安科技》期刊2019年03期）
王静,黄振杰,王涛[6]（2019）在《基于双通道模型的细粒度车型识别》一文中研究指出针对当前复杂卡口场景下对车型细粒度识别存在数据集小和特征差异小导致识别精度不高的问题,提出一种基于分类学习和度量学习的多任务学习的卷积神经网络,用于实现细粒度车型的识别。具体而言,首先通过迁移学习利用具有一定相似性的数据中训练好的优良模型,将其中可用的知识迁移出来,在小样本数据集中微调。然后基于多任务学习的思想,结合分类学习和度量学习设计双通道模型,进一步约束参数的学习。实验结果表明,通过迁移学习并且设置损失函数约束来提供细粒度信息的双通道模型,对于小数据卡口场景下的车型识别效果显着提高。(本文来源于《现代计算机》期刊2019年24期）
徐晓峰[7]（2019）在《浅谈涂装FANUC机器人车型自动识别》一文中研究指出介绍了发那科(FANUC)机器人自动车型识别技术。通过两层自动识别技术,将多车型共线的各类细分车型完全区分,保证了输送线与机器人轨迹的安全性与一致性,减少了机器人的碰撞风险。(本文来源于《现代涂料与涂装》期刊2019年08期）
刘娜,张润[8]（2019）在《激光式出入口车型识别系统解决方案探析》一文中研究指出随着我国高速公路建设规模不断扩大,无人值守全自动发卡机已成为高速公路收费站入口车道的一种应配的设备。目前无人值守全自动发卡机的运营优势日渐明显,但是自动发卡机无人值守车道同样暴露了一些问题,如由于车道无人值守造成的车型不符、倒卡、盗卡、车辆闯站等诸多作弊行为。鉴于此,以高速公路相关技术标准为依据,着重探析了激光式出入口车型识别系统的解决方案,其采用新一代的激光扫描技术,能自动精确获得车辆车型,打击作弊行为,实现发卡机无人值守车道精准计费,减少高速公路运营经济损失,对无人值守车道快速稳定的发展有重大的意义。(本文来源于《交通世界》期刊2019年23期）
裴月玲,张涛[9]（2019）在《基于人工智能的车牌号与车型识别系统》一文中研究指出随着人工智能技术的迅猛发展以及高速公路车辆爆炸式增长,传统的单机嵌入式车牌号识别系统已经无法满足海量车牌号快速识别与处理需求,而且基于单机嵌入式的车牌号识别系统无法对汽车品牌型号等进行识别。本文通过介绍基于人工智能深度学习的图像识别技术,并利用于车牌识别系统,再与传统的车牌识别系统的技术优缺点进行对比,分析了基于人工智能的图像识别在高速公路车牌及车型识别系统中运用的可行性,同时对具体的方案进行了探讨。(本文来源于《公路》期刊2019年08期）
刘虎,周野,袁家斌[10]（2019）在《基于多尺度双线性卷积神经网络的多角度下车型精细识别》一文中研究指出针对多角度下车辆出现一定的尺度变化和形变导致很难被准确识别的问题,提出基于多尺度双线性卷积神经网络(MS-B-CNN)的车型精细识别模型。首先,对双线性卷积神经网络(B-CNN)算法进行改进,提出MS-BCNN算法对不同卷积层的特征进行了多尺度融合,以提高特征表达能力;此外,还采用基于中心损失函数与Softmax损失函数联合学习的策略,在Softmax损失函数基础上分别对训练集每个类别在特征空间维护一个类中心,在训练过程中新增加样本时,网络会约束样本的分类中心距离,以提高多角度情况下的车型识别的能力。实验结果显示,该车型识别模型在Comp Cars数据集上的正确率达到了93. 63%,验证了模型在多角度情况下的准确性和鲁棒性。(本文来源于《计算机应用》期刊2019年08期）
车型识别论文开题报告范文
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
由于国家法规对于长头牵引车整车长度的放宽,长头车市场将迎来第二春,其优异的性能表现,也将促使各大主机厂加快研发进度,尽早推出长头车产品。灵敏度识别是优化设计的重要方法,由此联想的特点识别方法,从长头车自身结构决定的固有属性出发,识别出对产品特点贡献值最大的部分,将其打造为产品亮点,提高产品竞争力。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
车型识别论文参考文献
[1].陈立潮,卜楠,潘理虎,曹建芳,张英俊.基于改进卷积神经网络的车型识别[J].计算机工程与设计.2019
[2].项冬东,王佩,王亚旭.基于特点识别的长头系列车型开发研究[J].汽车实用技术.2019
[3].张佳鹏,杨莹,郭晓澎,曹桂芳.基于机器视觉的高速公路收费车型识别与异常车辆辨识系统[J].电子技术与软件工程.2019
[4].梁栋,何佳,石陆魁,王松,刘佳.结合运动目标检测和ResNet的车速车型智能识别[J].北京交通大学学报.2019
[5].刘锋.基于漏斗原理对视频目标尺寸测量在车型识别中的应用[J].广东公安科技.2019
[6].王静,黄振杰,王涛.基于双通道模型的细粒度车型识别[J].现代计算机.2019
[7].徐晓峰.浅谈涂装FANUC机器人车型自动识别[J].现代涂料与涂装.2019
[8].刘娜,张润.激光式出入口车型识别系统解决方案探析[J].交通世界.2019
[9].裴月玲,张涛.基于人工智能的车牌号与车型识别系统[J].公路.2019
[10].刘虎,周野,袁家斌.基于多尺度双线性卷积神经网络的多角度下车型精细识别[J].计算机应用.2019