车辆型号智能识别系统设计文献综述
摘要：车辆型号识别在当今城镇化建设的深入以及城市的道路交通面临巨大压力的局势下，具有重要的实际应用价值。在人工智能、云计算、物联网成为热门话题的同时，交通管理也必须提高效率，智能交通系统随之出现，它的作用主要为提供可靠的出行信息，缓解交管部门的巨大压力。智能交通发展的趋势又离不开对车辆型号的智能识别，本文围绕利用计算机视觉方法进行目标识别，研究了深度神经网络的理论依据，以及卷积神经网络的训练方法利用卷积神经网络结构搭建深度学习模型，进行车辆识别工作，实现车辆型号的智能识别的功能。
关键词：车辆型号识别；深度学习；卷积神经网络；智能交通系统
一、前言
伴随着我国经济的蓬勃发展，以及城镇化建设的持续推进，许多潜在的问题也的暴露出来。其中城市的道路交通正面临这样的问题，交通事故频发、能源以及生态环境两者相互的问题，正不断提醒着我们，传统的道路交通管理方式已经脱离了快速发展的时代。在大数据时代的背景下，计算机科学快速的发展，我们需要构建出新型的道路交通管理体系。将人工智能识别技术与互联网技术进行融合，用于交通管理行业，以此减少对环境的污染，避免不必要的资源浪费，加速推进中华民族的伟大复兴，对车型智能识别系统的需求由此出现。
- 正文
1 研究背景
在互联网高速发展的大背景下，智能交通系统依靠着这些新兴的技术开始建立。在生活中各种场合所设置的监控系统为人工智能提供了源源不断的数据，计算机视觉技术从实验室的研究阶段到实际生活中应用的推进，给整个社会带来巨大的影响。计算机视觉的功能主要有物体检测，目标识别，物体跟踪，形状分类等研究方向，它的最终发展方向是让计算机能拥有等同于人类的视觉行为，它的应用范围由此覆盖了许多领域，特别可以应用在交通领域。伴随着经济发展，许多道路交通问题开始凸显，为了避免资源的浪费，提高道路管理的效率，目前已经出现了许多智能交通系统，我国也初步建成了智能交通系统，可以对违章车辆进行自动抓拍并识别车牌号。这仍然处于初级阶段。比如在高速公路收费站的etc电子收费系统。它是通过射频芯片触发感应装置进行收费，射频芯片安装在车辆当中，但是其容易遭受不法分子的更换，在更换后系统无法自我察觉，给国家造成了不必要的财产损失。还有许多车牌信息识别的研究成果，但是车牌信息只占车辆信息的一小部分，单纯依靠它是不稳定的，而且车牌还会遭遇污垢，套车牌等问题。我们希望能够稳定的获得车辆的信息，因此要依靠车辆型号的智能识别，主要步骤有车辆检测、用于识别的区域选取和定位、该区域的特征提取及分类器分类。目前就算法来看，车辆智能识别的主要问题和核心难点为以下几点:
(1)车辆所处场景的复杂多变。自然场景下与实验场景不同，拍摄的背景在实际情况下十分复杂的，而且还会出现车辆被物体遮挡的情况，增加识别的难度。
(2)不同光照条件对识别效果有很大的影响。在不同天气状况下，光线的强度以及角度都会有差异，而且还有极端天气如暴雨暴雪，都会造成图片的阴暗模糊或者使车辆的某些区域被遮挡，对图片质量造成较大的影响。
(3)汽车的外观会变化。比如当拍摄的距离角度不同时，哪怕是同一型号车辆，也会在图片中的呈现产生明显的区别。
2 国内外研究现状
车辆型号识别的问题主要为图像细分类，在传统的机器学习算法分类识别领域中难度较大。场景的复杂性，光线的可变性以及相机的参数等问题都是型号识别的难点，而且车辆车型的数据量也是极为庞大，并且在随着时代不断更新。以上种种困难制约着传统车辆型号识别的应用。随着计算机技术的发展，深度学习成为车辆型号识别的全新方向，在近来的研究中，Sochor、Gu、Hsieh、Lin、Gosselin等多位学者，在卷积神经网络的基础上，提出了多姿态车辆型号识别算法。而且车辆型号大数据集的构建，也帮助更多人完成的研究。
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
