声明
第一章 绪论
1.1 研究背景及意义
1.2 国内外研究现状
1.2.1 车辆号牌识别技术的研究现状分析
1.2.2 车辆颜色识别技术的研究现状分析
1.2.3 研究问题的提出
1.3 本文研究内容及技术路线
1.4 论文组织结构
第二章 高速公路场景中货车车辆号牌定位方法研究
2.1 原始货车车辆图像数据集
2.2 高速公路场景中货车车辆号牌定位方法
2.2.1 基于边缘信息的货车车辆号牌定位方法
2.2.2 基于颜色信息的货车车辆号牌定位方法
2.2.3 基于模板匹配法的货车车辆号牌定位方法
2.2.4 基于字符特征的货车车辆号牌定位方法
2.2.5 基于方向梯度直方图特征及支持向量机的货车车辆号牌定位方法
2.2.6 基于可变形部件模型的货车车辆号牌定位方法
2.3 实验分析
2.4 东南大学货车车辆号牌字符图像集的构建
2.4.1 基于比例分割的货车车辆号牌字符提取方法
2.4.2 东南大学货车车辆号牌字符图像集
2.5 小结
第三章 基于极限学习深度网络融合模型的货车车辆号牌识别方法研究
3.1 深度学习理论
3.1.1 深度学习概述
3.1.2 卷积神经网络
3.2 极限学习理论
3.2.1 单隐藏层前馈神经网络
3.2.2 极限学习机
3.3 迁移学习
3.4 极限学习卷积神经网络模型
3.4.1 基于极限学习Resnet50模型的货车车辆号牌识别
3.4.2 基于极限学习InceptionV3模型的货车车辆号牌识别
3.4.3 基于极限学习Xception模型的货车车辆号牌识别
3.4.4 基于极限学习NASNet模型的货车车辆号牌识别
3.5 基于极限学习深度网络融合模型的货车车辆号牌识别
3.6 实验分析
3.7 小结
第四章 基于卷积神经网络模型的货车颜色识别方法研究
4.1 构建货车车辆颜色图像集
4.1.1 基于车辆号牌及车辆对称性的车脸区域定位方法
4.1.2 货车车辆颜色图像集的构建
4.2 颜色空间概述
4.2.1 RGB颜色空间
4.2.2 HSV颜色空间
4.2.3 LAB颜色空间
4.3 基于卷积神经网络模型的货车颜色识别
4.3.1 卷积神经网络
4.3.2 基于卷积神经网络的货车颜色识别
4.4 实验分析
4.5 小结
第五章 总结与展望
5.1 总结
5.2 展望
致谢
参考文献
作者简介
东南大学;