车载视频基于深度学习汽车类型分类_第1页
车载视频基于深度学习汽车类型分类_第2页
车载视频基于深度学习汽车类型分类_第3页
车载视频基于深度学习汽车类型分类_第4页
全文预览已结束

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

学年论文(课程设计) 题 目 车载视频基于深度学习汽车类型分类 学生姓名 刘昌云 学 号 20121336005 学 院 信息与控制学院专 业 自动化指导教师 吴毅二 六 年 一 月 三 日南京信息工程大学本科生学年论文（课程设计）任务书所在学院信息与控制学院专业 自动化学生姓名刘昌云学号20121336005班级 一班开始时间2015年 12 月 1 日 至 2016 年 1 月 15 日提交时间2016年一月十五日指导教师吴毅题目 车载视频基于深度学习汽车类型分类题目性质及来源 性质理论研究 应用研究 技术开发 其他主要内容随着数字图像处理技术的发展，视频处理技术被逐步运用到交通检测中。通过单个或多个摄像头采集道路车辆的通行状况，加以基于图像的分析处理，来检测与识别车辆，获取车型、车速、车流量等信息，可配合信息管理系统来实现交通管理。该视频检测系统易于安装、工作稳定、具有丰富的可视信息，代表着交通监控系统的发展方向，是目前国内外研究的热点。在视频图像获取过程中，摄像机轻微抖动、外接光照缓慢变化及树木扰动等外界环境变化影响运动目标的检测精度，针对这一问题，本文提出了一种存在运动目标情况下的背景重建算法，能较好地抑制外界环境变化带来的影响，可将动态背景获取及更新过程合二为一，具有较好的实时性。 在视频图像处理过程中，图像中的阴影、目标内部空洞等对定位精度影响较大，本文通过运动区域检测、噪声去除、连通单元标记、内部填充、目标提取、阴影消除等方法，对车辆目标区域进行了精确分类。论文、设计目标在视频图像处理过程中，图像中的阴影、目标内部空洞等对定位精度影响较大，本文通过运动区域检测、噪声去除、连通单元标记、内部填充、目标提取、阴影消除等方法，对车辆目标区域进行了精确分类。指定参考文献 1沈洁，杜宇人，高浩军，图像边缘检测技术研究J，信息技术，2005, 169(12): 32-342章毓晋，图像工程:图象处理和分析M，北京:清华大学出版社，19993 Sato Mika, Sato Yoshiharu, Jain Lakhmi C, Fuzzy clustering models and application M,Germang: Physica-Verlag, 1997备注注：此表由指导教师在学年论文（课程设计）工作开始前填写，每位学生两份，一份发给学生，一份交学院留存。南京信息工程大学本科生学年论文（课程设计）指导教师评阅意见表 学生姓名刘昌云学 号20121336005学 院信息与控制学院专 业自动化题 目车载视频基于深度学习汽车类型分类对论文（设计）的评语： 本论文选题有很强的应用价值，文献材料收集详实，综合运用了所
人人文库> 全部分类> 图纸下载 > 毕业设计

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论