导读:本文包含了车辆识别论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:车辆,神经网络,特征,单片机,卷积,机器,管理系统。
车辆识别论文文献综述
汪子皓,陈伯亨[1]（2019）在《嵌入式单片机在车辆识别中的应用》一文中研究指出在城市交通压力不断增大的今天,车辆识别系统的应用变得愈发的重要,在各个区域内进行的车辆识别系统中,为了有效的提升识别效率和精度,一般大量应用嵌入式单片机进行逻辑运算。基于此,论文进行了相应的研究,并探讨了嵌入式单片机在车辆识别系统运行中的应用,为相关行业的发展提供一定的参考。(本文来源于《农家参谋》期刊2019年23期）
王宝珠,史龙云,郭志涛,雷瑶[2]（2019）在《改进的Faster R-CNN在车辆识别中的应用》一文中研究指出随着人工智能技术的不断发展,利用深度学习进行车辆识别已经成为智能交通领域的热点。以更快速区域卷积神经网络(Faster R-CNN)模型为基础,利用BIT-Vehicle数据集定义车辆视觉任务,利用改进的困难样本算法加强对图像中远小目标车辆的特征提取,并改进NMS算法的置信度函数,动态调整置信度区间,对实际场景中的车辆图像进行测试。该方法可输入多尺度图像、能自主提取车辆特征,提高模型对小目标的判别能力,减少漏检情况,提升检测精度,加速模型收敛,鲁棒性较强。(本文来源于《现代电子技术》期刊2019年23期）
窦雪婷,王硕,季鑫盛[3]（2019）在《基于改进DNN-LSTM算法的车辆前方行人行为识别方法》一文中研究指出为提高行驶车辆前方行人行为识别精度,提出了基于经验模态分解的深度神经网络与长短时记忆网络相结合的行人行为识别方法;该方法在分析骨架节点表征参数的基础上,采用势能、相对位置、加速度、角加速度作为表征参量描述行人行为,利用经验模态分解可以平滑数据的优点,建立深度神经网络与长短时记忆网络融合的识别模型,实现对车辆前方行人行为的准确识别;采用Weizmann数据集和KTH数据集对该方法有效性检验;结果表明,该方法基于两个数据集对车辆前方行人行为识别准确率分别为98.58%和98%,能够为辅助驾驶系统等提供有效的数据支持。(本文来源于《计算机测量与控制》期刊2019年11期）
刘莉莉[4]（2019）在《基于卷积神经网络的车辆特征识别研究与实现》一文中研究指出针对目前公安机关视频图像侦查工作的现状和需求,提出了采用车辆特征识别技术和构建警用监控预警系统的方案,分析了预警系统的技术架构、关键技术及车辆卡口识别系统功能,阐述了警用监控预警系统的卡口分析系统在公安反恐涉毒预警、预测工作中的实用价值,提高了民警办案水平和办案效率。(本文来源于《机电信息》期刊2019年32期）
董宏伟[5]（2019）在《基于单片机的车辆识别系统设计》一文中研究指出本文设计了基于单片机的车辆智能识别系统,采用CC2530为核心处理器,无线射频RC522模块进行车辆信息采集,OLED进行数据显示。当车辆识别卡进入读卡区时,感应读卡器收集到IC卡信号后,会传送给单片机进行处理,然后由单片机传输给OLED液晶屏,显示出这个车辆的车牌信息,包括IC卡的ID号码以及车主姓名,最后上传给上位机。本系统采用无线射频识别技术实现了对车辆信息的智能识别和管理。(本文来源于《电子测试》期刊2019年22期）
张佳鹏,杨莹,郭晓澎,曹桂芳[6]（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）
李猛[7]（2019）在《射频识别在车辆管理系统中的应用》一文中研究指出本文在对车辆管理系统与车联网络通信协议进行详细阐述的基础上,运用新技术新方法完成车辆出入库管理系统的设计。该系统在演示过程中,展现出来的性能较高,对传统低效率人工登记方式作出了革新,同时有助于系统工作效率与安全性的提升。RFID技术与高清智能视频转换网络的有效结合,使系统在应用时,展现出较好的可扩展性与通用性。(本文来源于《河北农机》期刊2019年11期）
欧华杰[8]（2019）在《基于机器学习反馈的黑暗环境车辆路况自动化识别方法》一文中研究指出传统的车辆路况识别方法存在识别准确率低的问题,威胁驾驶员的人身安全。为此提出基于机器学习反馈的车辆路况识别方法。提取图像特征时利用函数分解窗将设定的像素函数分解出像素值,运用小波变换得出像素特征。使用极坐标方程将像素特征预处理成为像素簇。将像素簇代入到示警单元中进行扫描,得出阴影环境的像素峰值。示警单元自动将像素峰值转化为信号,传递给驾驶员。故此完成黑暗环境的车辆路况的自动化识别。对传统方法与本文提出的方法进行实验,实验结果表明,传统方式的识别准确率为78.4%,而自动化识别方法平均识别准确率达到了98.1%,具有更高的识别准确率。(本文来源于《环境技术》期刊2019年05期）
郭志洪[9]（2019）在《铁路货车车辆轮轴信息自动识别技术的探讨与分析》一文中研究指出铁路货车车辆轴端及轴承标志板信息在轮轴检修中存在无法识别或识别错误的问题,直接影响轮轴检修及车辆运行安全。研制轮轴信息自动识别系统,可以识别轴端信息及识别标志板信息,并可以将信息自动上传到服务器端数据库,通过程序实现工序卡控、时间卡控等功能,控制轮轴出库时的质量,提高作业人员工作效率,降低不合格轮轴出现的概率。(本文来源于《科技与创新》期刊2019年20期）
胡立伟,杨锦青,何越人,孟玲,罗振武[10]（2019）在《基于改进BP神经网络的城市交通拥塞环境下车辆运行风险识别研究》一文中研究指出交通拥塞在形成和消散过程中车辆运行风险均处于较高的水平,而拥塞环境下影响车辆运行风险的因素较多,分析复杂。如何准确识别城市交通拥塞环境下车辆运行风险的关键因素并对其进行评估,在缓解城市交通拥塞以及降低行车风险方面具有重要的意义。首先,将城市道路交通拥塞环境下车辆运行风险解析为拥塞形成过程和拥塞消散过程中的车辆运行风险。根据交通系统四要素"人、车、路、环境",初步选取换道频次、车型比例、拥塞时长等11个风险因子。其次,通过专家打分法将车辆运行风险等级划分为低风险、中等风险、高风险、极高风险。结合主成分分析法对标准的BP神经网络进行改进,并对模型进行训练。将改进前后的模型进行对比分析,改进后的模型拟合优度判定系数达97.13%,较改进前高出5.67%。最后,进行实例应用。采用改进的BP神经网络,建立了5+8+1模式的拥塞环境下车辆运行风险识别模型。研究表明换道频次、车型比例、平均密度、拥塞时长、拥塞等级、天气情况等6个因子对车辆运行风险影响较大,其中换道频次权重最高,其次为拥塞时长。11个影响因子中车头时距主成分系数平均值最小为0.109,其影响最小。建立的风险识别模型能够为规避城市道路拥塞环境下的车辆运行风险以及拥塞治理提供参考。(本文来源于《公路交通科技》期刊2019年10期）
车辆识别论文开题报告
（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：
随着人工智能技术的不断发展,利用深度学习进行车辆识别已经成为智能交通领域的热点。以更快速区域卷积神经网络(Faster R-CNN)模型为基础,利用BIT-Vehicle数据集定义车辆视觉任务,利用改进的困难样本算法加强对图像中远小目标车辆的特征提取,并改进NMS算法的置信度函数,动态调整置信度区间,对实际场景中的车辆图像进行测试。该方法可输入多尺度图像、能自主提取车辆特征,提高模型对小目标的判别能力,减少漏检情况,提升检测精度,加速模型收敛,鲁棒性较强。
（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。
车辆识别论文参考文献
[1].汪子皓,陈伯亨.嵌入式单片机在车辆识别中的应用[J].农家参谋.2019
[2].王宝珠,史龙云,郭志涛,雷瑶.改进的FasterR-CNN在车辆识别中的应用[J].现代电子技术.2019
[3].窦雪婷,王硕,季鑫盛.基于改进DNN-LSTM算法的车辆前方行人行为识别方法[J].计算机测量与控制.2019
[4].刘莉莉.基于卷积神经网络的车辆特征识别研究与实现[J].机电信息.2019
[5].董宏伟.基于单片机的车辆识别系统设计[J].电子测试.2019
[6].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
[7].李猛.射频识别在车辆管理系统中的应用[J].河北农机.2019
[8].欧华杰.基于机器学习反馈的黑暗环境车辆路况自动化识别方法[J].环境技术.2019
[9].郭志洪.铁路货车车辆轮轴信息自动识别技术的探讨与分析[J].科技与创新.2019
[10].胡立伟,杨锦青,何越人,孟玲,罗振武.基于改进BP神经网络的城市交通拥塞环境下车辆运行风险识别研究[J].公路交通科技.2019
论文知识图
