车载视频基于深度学习汽车类型分类

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ＯＯ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):32-34[2]章毓晋，图像工程:图象处理和分析「M]，北京:清华大学出版社，1999[3]SatoMika,SatoYoshiharu,JainLakhmiC,Fuzzyclusteringmodelsandapplication[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，综合运用了所学知识解决问题，所得数据合理，结论正确。另外论文格式正确，书写规范，条理清晰，语言流畅。成绩：指导教师：日期：