一种应用神经网络的车型识别仪

介绍一种新研制的公路收费车型识别仪、该设备利用环型线圈磁尖检测车辆特征信号,经一 工神经网络识别车型,并从标准２３２串口输出相应在的费额代码。     

一种用于图像目标识别的神经网络及其车型识别应用

构建了一种用于图像目标识别的多层前向神经网络，给出了网络拓扑结构，并成 功地把该神经网络运用到车型识别中。该方法综合了神经网络、模糊逻辑、模式识别的相 关 算法，对图像目标轮廓进行整体识别，达到了较高的目标识别准确率。实践表明，该网 络经 过监督学习后，能摒除图像中一定量干扰像素影响，准确地识别出各种外形车的车型 。     

基于深度卷积神经网络的车型识别

传统的基于卷积神经网络的车型识别算法存在识别相似车型的准确率不高,以及在网络训练时只能使用图像的灰度图从而丢失了图像的颜色信息等缺陷。对此,提出一种基于深度卷积神经网络(Deep Convolution Neural Network,DCNN)的提取图像特征的方法,运用深度卷积神经网络对背景较复杂的车型进行网络训练,以达到识别车型的目的。文中采用先进的深度学习框架Caffe,基于AlexNet结构提出了深度卷积神经网络的模型,分别对车型的图像进行训练,并与传统CNN算法进行比较。实验结果显示,DCNN网络模型的准确率达到了96.9%,比其他算法的准确率更高。     

车型识别专家系统的设计

为了在各种智能交通管理系统中对车型进行准确的识别,通过对高速公路上以地感线圈为传感器而采集到的大量车辆样本进行数据分析和特征提取,提出以数据中的某些特征值作为识别依据,用隶属度函数充当知识库的识别方法,建立了车型识别专家系统,通过实验获得了较满意的识别率。     

基于BP神经网络的车型识别研究

车型识别是智能交通系统中的一个重要组成部分,近年来已成为国内外研究热点之一.提出一种基于特征提取的车型识别方法,该方法对车辆图像进行预处理,通过图像边缘检测、图像纵横填充、图像修正方法进行车型特征值提取,得到车型分类特征字空间,利用BP神经网络进行车型分类识别.实验结果表明,该方法高效可行,并对低质量和背景复杂图像有着良好的处理效果.     

计算机视觉技术的车型识别应用研究

针对目前立体停车库主要采用传统的传感器入库检测系统来识别车辆信息,存在施工周期长、器件损坏率较高,维护成本较高的问题,提出了一种应用计算机视觉技术的车型识别解决方案.应用卷积神经网络框架Caffe,基于Caf-feNet模型,通过fine-tuning模型优化以及参数优化,最终得到了一个性能较优异的识别模型.实验结果表明,该模型可克服输入图片背景复杂多变,目标被遮挡的情况,对轿车车型识别这一问题鲁棒性好,具有一定的可行性及应用价值.     

基于深度卷积神经网络的车型识别研究

近年来,深度学习中的卷积神经网络已经广泛运用于图像识别领域,它不仅显著提升了识别准确率,同时在特征提取速度方面也优于许多传统方法。本文针对高速公路环境下的车型识别问题,引入卷积神经网络（CNNs）理论,设计相应特征提取算法,并结合SVM分类器构建识别系统。通过对高速公路上主要三种车型（小车、客车、货车）的分类实验显示,本文方法在识别精度及速度上均取得较显著的提高。     

基于神经网络的语音识别技术应用研究

简单叙述了采用人工神经网络技术进行语音识别的原理，给出了其中关键技术：求解语音特征参数和典型神经网络的学习过程。然后通过二个具体应用实例，展示了如何使这一技术实用化。     

基于深度卷积神经网络的多任务细粒度车型识别

车型识别,尤其是细粒度车型识别是现代智能交通系统的重要组成部分。针对传 统车型识别方法难以进行有效的细粒度车型识别的问题,以AlexNet、GoogleNet 及ResNet 等3 种经典深度卷积神经网络架构作为基础网络,引入了车辆的类型分类作为辅助任务,从而与细 粒度车型识别任务一起构成了一个多任务联合学习的模型。通过在一个包含281 个车型类别的 公开数据集上对模型进行训练及测试,在无需任何车辆的部件位置标注及额外的3D 信息的情 况下,验证了该模型在在细粒度车型识别任务上表现出的优异性能,同时多任务学习策略的引 入可使得模型性能相比任一单任务学习时的性能均有所提高,最终实现了一个简洁高效的细粒 度车型识别模型,基本满足实际应用需求。     

一种用于不停车收费的车辆识别系统设计与实现

给出了一种“微波识别+图像识别”的车辆自动识别方案,介绍该方案的主要工作原理及实现。     

基于投票法的车型分类技术

随着智能交通的迅猛发展,车型分类技术正得到越来越多的关注。时至今天,已有很多理论和方法为解决车型分类难题扫清了障碍,但是由于精度不是太高,还不能广泛的应用到实际中去。本文综合利用了多种分类计数,采取了投票法的机制,提高了车型分类技术的性能。实验结果表明,该方法使得车型分类技术的精度提高了高达10个百分点。     

基于虚拟仪器的VCU自动测试系统设计

在纯电动汽车开发过程中,整车控制器的软件与硬件会频繁更新,为了快速匹配样件、提高测试效率、提升测试吞吐量,设计了通用自动化测试系统。该系统使用TestStand作为测试执行模块。在LabVIEW中开发了一套即时可用的测试动作库和驱动程序,动作库执行测试动作,通过TestStand引擎与驱动程序进行数据交互。设计了测试项目管理软件,覆盖VCU测试全过程并保证可追溯性。实际测试应用表明,该系统可以快速配置测试环境、生成可执行测试序列,能够高效地定位控制器缺陷,且运行稳定、通用性好。     

基于LabVIEW的光纤惯组自动测试软件的设计与实现

针对传统惯组测试设备测试效率低、可扩展性差的缺点,基于LabVIEW设计开发了光纤惯组自动测试软件.针对软件实现的关键技术进行了研究,主要包括利用插件式的程序架构,设计了低耦合高内聚的测试模块,增强了软件的扩展性和可维护性;设计了详实的配置文件,实现了测试流程的自动化;同时利用多线程和定时循环的软件机制满足了高速数据采集的要求.实际应用证明,该软件提高了测试效率,促进了自动测试设备领域的新发展.     

高速公路收费站防盗卡系统设计与实现

针对目前高速公路收费站自动发卡系统存在司机可盗窃取多张收费卡的不足之处,提出一种能够实现一车一卡防盗卡系统。该设计由附加的车辆行驶方向检测判别装置与原有的自动发卡机配合,组成一套具备阻止司机恶意盗窃高速路收费卡的防盗卡系统,有效杜绝盗卡不法行为的发生,减少高速公路公司的经济损失。本防盗卡系统安全稳定可靠,已经有数十套本文设计实现的防盗卡系统在福建省福宁高速公路段收费站使用,并获得了良好的效果。     

基于ANN和单个三轴加速度传感器的汽车运动姿态测量

汽车车身姿态测量一直是汽车技术的关键一环。提出了一种无陀螺实时车身姿态测量方案,利用单个三轴加速度传感器通过BP人工神经网络(ANN)映射出实时车身姿态。方案巧妙地根据汽车行驶的特性作出物理模型以及算法的精简,利用神经网络的非线性函数学习和泛化推理能力,对输入的三轴加速度值进行惯性有害分量滤除和系统误差补偿然后映射输出...     

基于DGPS的车辆定位系统研究

讨论了一种基于DGPS的车辆定位系统,描述了定位系统的硬件结构,结合GPS的误差模式建立了卡尔曼滤波方程,使得定位系统具有整体最优估计效果。跑车实验表明,所讨论的方法是行之有效的。     

基于SVM的地理试题自动分类

本文针对地理课程自动解题,采用SVM学习算法实现地理试题自动分类。通过采用TFIDF技术提取地理试题文本中的特征关键词,并选取LibSVM中的Linear核函数进行训练,以构建用于地理试题分类的预测模型。在所收集的地理试题集上的实验结果表明,在22个试题类别上的单类分类精度达到80%以上,整体分类精度也达到了87%。     

基于自动分类的网页机器人

随着互联网的普及和发展，网络上的信息资源越来越丰富，它需要高效智能的工具来完成信息资源的采集。WWW上的网页抓取器，又称Robot讨论了抓取器与文本自动分类器相结合，对用户要求领域网页的收集。抓取器找到相关链接进行抓取，而避免对非相关链接的抓取。这样可以节省硬件、网络资源和提高抓取器的效率。     

基于云计算的大数据自动分类处理系统设计

随着现代网络技术不断进步,系统数据量也在逐渐增多;传统的大数据自动分类处理系统已经无法满足现阶段用户需求,其软件与硬件的设计都比较单一,存在能源消耗大、分类速度慢、处理时间长、内存占用率高等问题,为此,提出基于云计算的大数据自动分类处理系统的设计;首先设计系统硬件结构,主要包括数据采集器、数据处理器以及数据自动存储模块,并详细的介绍了各硬件结构;然后利用时域特征提取数据的算法对频域特征数据进行提取,从而实现数据自动分类处理系统的软件设计;最后对两种系统性能进行对比实验;实验结果证明,基于云计算的大数据自动分类处理系统的资源不仅占用率低,内存消耗小,而且数据库内存较大;该系统不但可以提高数据自动分类精准度,还能加快数据分类速度,从而使系统拥有更好的分类性能。