基于EMD分解的车辆振动识别

启动的车辆都将产生一定程度的微振动信息。这些微振动信息与发动机转速，车辆结构相关，对于给定的车辆，具有独特性。激光测振仪的应用，使得运用微振动信息实现远距离非接触式车辆目标自动识别变得可能。文中主要研究车辆的微振动特性，利用经验模态分解（EMD）提取车辆振动的特征函数。实验证明，该方式能有效的运用于车辆识别中。     

基于局部感知的车辆重识别算法

针对车辆重识别技术中难以通过全局外观特征准确识别不同车辆之间细微差异性的问题,提出一种基于局部感知的车辆重识别算法(local-aware based vehicle re-identification,LVR)。获取全局宏观特征以保留图像的上下文信息;利用空间变换网络的对齐模块对车辆图像进行分块,获取车辆局部细节信息;采用由粗到细的关键点检测方法获取局部关键点特征。在两个大型车辆数据集(即VeRi和VehicleID)上的评估结果表明,该算法具有较好的重识别效果。     

基于FR-ResNet的车辆型号精细识别研究

车辆型号精细识别的关键是提取有区分性的细节特征. 以"特征重用"为核心, 以有效提取车辆图像细节特征并进行高效利用为目的, 提出了一种基于残差网络特征重用的深度卷积神经网络模型FR-ResNet (Improved ResNet focusing on feature reuse). 该网络以ResNet残差结构为基础, 分别采用多尺度输入、低层特征在高层中重用和特征图权重学习策略来实现特征重用. 多尺度输入可以防止网络过深导致性能退化以及陷入局部最优; 对各层网络部分加以不同程度的特征重用, 可以加强特征传递, 高效利用特征并降低参数规模; 在中低层网络部分采用特征图权重学习策略, 可以有效抑制冗余特征的比重. 在公开车辆数据集CompCars和StanfordCars上进行实验, 并与其他的网络模型进行比较, 实验结果表明FR-ResNet在车辆型号精细识别任务中对车辆姿态变化和复杂背景干扰等具有鲁棒性, 获得了较高的识别准确率.     

基于单片机的车辆识别装置

本文介绍了一种基于89C2051单片机的红外遥控装置，分析了它在车辆识别系统中的应用。同时介绍了装置的硬件、软件及通讯协议，可供同类设计参考。     

基于单片机的车辆识别装置

本文介绍了一种基于89C2051单片机的红外遥控装置，分析了它在车辆识别系统中的应用。同时介绍了装置的硬件、软件及通讯协议，可供同类设计参考。     

基于嵌入式的车辆牌照识别系统设计

嵌入式系统下的车辆牌照自动识别是图像识别的难点。针对便携式设备提出一种在嵌入式系统下的车辆牌照自动识别方案。本方案结合并优化了字符模板匹配和字符的轮廓特征和结构上的统计特征算法对字符进行有效地识别。此方案的设计能大幅度降低车辆牌照自动识别系统的成本。实验证明这种识别方案在嵌入式系统下具有很好的识别性能。     

基于部件融合特征的车辆重识别算法

针对车辆型号相同但车辆个体不同的重识别问题,提出一种新的车辆重识别算法。运用部件检测算法获取不同车辆之间差异较大的车窗和车脸区域,对检测到的车窗和车脸区域进行特征提取并进行融合,生成新的融合特征,计算图像特征之间距离度量进行分类识别。在中山大学公开数据集VRID-1上进行测试,结果表明,该算法的Rank1匹配率达到66.67%,明显优于经典的传统特征表征算法,从而验证该算法是可行且有效的。     

基于音频特征的工程车辆工况识别研究

高效率地使用工程车辆是工程项目管理中节约成本的有效方法,无人监管环境下工程车辆的工况识别,是实现工程车辆高效率使用的有效手段。目前以GPS等技术为核心的车辆智能管理系统未对工程车辆进行工况识别,提出一种基于GRU循环神经网络的工程车辆工况识别方法,通过对工程车辆在不同工况下产生的音频信号进行分析,从中提取Mel倒谱系数作为主要特征,构建GRU循环神经网络模型进行训练和识别。实验结果表明,该方法可以实现对工程车辆工况的有效识别。     

基于联合条纹关系的车辆重识别

为了解决车辆重识别过程中因车辆特征图分块所导致的空间信息丢失问题,提出一种联合条纹特征之间关系的模块以弥补丢失的空间信息。首先,针对车辆特殊的物理结构,构建了一种双分支神经网络模型,对输出的特征图进行水平和垂直均等分割并在不同的神经网络分支上进行训练;然后,设计多激活值模块以减少噪声并丰富特征图信息;接着,使用三元组和交叉熵损失函数对不同的特征进行监督训练以约束类内距离并扩大类间距离;最后,设计批量归一化（BN）模块消除不同损失函数在优化方向上存在的差异,从而加速模型的收敛。使用所提方法在VeRi-776和VehicleID两个公共数据集上进行实验,结果表明该方法的Rank1值优于现有最好的方法VehicleNet,验证了其有效性。     

基于振动传感器的车辆信号采集与分析

设计了一种有效的模拟信号调理方法,并研制了一种基于全向振动传感器的信号采集探测系统,对车辆振动信号的数据进行采集与检测。根据传感器的输出可判断周围空间内车辆的存在与否,并对该信号进行试验研究,试验结果表明：车辆与人的信号输出有很大的差异,从而可以区分人和车辆。当车辆沿不同距离通过传感器时,传感器输出变化规律不同,故该信号采集与探测能探测车辆。     

基于经验模态分解的算法改进

经验模态分解（EMD）算法是Hilbert—Huang变换（HHT）的核心算法,它的分解效果依赖于采样频率的选择,介绍一种新的EMD的采样频率选取方法,并通过仿真信号实验表明该方法分解信号更完全,对电力系统谐波检测分析有一定的实际应用价值。     

基于非局部注意力和局部特征的车辆重识别算法

车辆重识别是指从不同的摄像机来重新识别出同一辆车。车辆重识别非常容易受到车辆角度以及光照等其他因素的影响,是一项非常有挑战性的任务。许多车辆重识别方法都过分关注车辆全局特征,而忽略了车辆图像的局部有分辨力的特征,造成了车辆重识别精度不高的问题。针对这一问题,本文提出一种整合非局部注意力的和多尺度特征的车辆重识别方法,使用注意力机制获取车辆显著特征,并融合多尺度特征从而提高车辆重识别的检索精度。首先,使用骨干特征提取网络与注意力模块获取车辆的显著性细粒度特征。然后,将特征分为多个分支进行度量学习,分别学习车辆的局部与全局特征,将全局特征与细粒度的局部特征融合,构建车辆重识别的特征。最后,利用该方法提取不同车辆的特征,计算不同车辆的相似度,从而判断是否具有相同的身份。实验结果表明本文提出的车辆重识别算法具有更高的精度。     

基于EMD分解的BPSK信号编码序列识别算法

经验模式分解原理的基础上提出了一种识别二相编码信号码元序列的新算法.谈方法首先使用经验模式分解提取反映信号相位跳变规律的逐步波动特征,在此基础上,对波动特征进行相位(π)归一化并提出相位段个数搜索算法估计二相编码信号的编码序列.理论分析和仿真表明,该方法能有效地估计二相编码信号的脉内编码序列,当信噪比不低于8 dB时,可获得91%以上的正确码元识别率.     

基于局部特征的汽车识别

提出了一种自动检测和识别汽车类型的方法。该方法分为两个阶段,首先,用Adaboost的学习算法检测图片中是否有正面的汽车并得到车辆的头部区域。第二,对车辆头部区域,提取SURF局部特征,并与数据库中的特征相匹配,跟据匹配的结果得到车辆的类型。在实验中,对821幅图片进行测试,其中包含48个不同类型的汽车,该算法正确识别率是81.6%。     

基于二值差分图像的运动车辆位置识别算法

针对运动车辆识别实时性问题,综合运用图像处理和模式识别技术,给出了车辆图像处理方法,提出了基于二值差分图像的运动车辆位置识别算法.该算法采用特征小区匹配法识别车辆位置,减少了计算量,提高了识别速度.仿真试验结果表明,在摄像机拍摄位置静止、拍摄角度固定的情况下,利用该算法,能够以较快的速度、较准确地识别出画面中汽车的位置.     

一种基于颜色识别的卡口车辆检测方法

对于电子警察行业来说,车辆的定位与识别与车辆跟踪、车牌识别一样是核心算法,而且是后两者的前奏.车辆的定位与识别有很多种方法.比如轮廓法、神经网络、SVM法等.这些方法都各有千秋.其中轮廓法是最普遍的.提出一种新方法,可以以一种极其简易的方式定位车辆,在某些预定义的场景下,效果相当不错.     

基于射频识别技术的车辆数字化网络管理系统

射频识别技术是从九十年代兴起的一项自动识别技术,它利用无线射频方式进行非接触式双向通信,以达到目标识别和数据交换的目的。该技术广泛应用于多目标识别及运动目标识别领域。本文基于射频识别技术和PSTN设计开发出了一种先进的车辆数字化网络管理系统,该系统可以对安装了电子车牌的车辆进行自动检测、身份识别,通行控制以及信息管理,是替代目前人工车辆管理的有效工具。     

基于计算机系统的车辆牌照智能识别中的图像调整方法

总结了车辆牌照识别过程中的图像调整算法并提出了一套简化方案,通过对图像的几何调整和色彩调整,提高了识别效果并降低了图像处理的复杂度.并在实践中取得了较好的效果.