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 车辆检测研究现状
1.2.2 车辆品牌识别研究现状
1.2.3 研究问题的提出
1.3 本文内容及技术路线
1.4 论文组织结构
第二章 基于可变形部件模型的货车车脸区域检测方法研究
2.1 原始货车车辆数据集
2.2 基于可变形部件模型的货车车脸区域检测
2.2.1 可变形部件模型
2.2.2 基于DPM的货车车脸检测模型
2.2.3 参数选择
2.2.4 组件数及部件数的选取
2.3 基于传统机器学习方法的货车车脸检测方法
2.3.1 基于HOG特征及SVM分类器的货车车脸检测方法
2.3.2 基于LBP特征及SVM分类器的货车车脸检测方法
2.4 基于车牌及车辆对称性的货车车脸检测方法
2.4.1 基于MSER的车牌定位方法
2.4.2 基于边缘检测的车牌定位方法
2.4.3 基于车牌及车辆对称性的货车车脸定位方法
2.5 实验对比分析
2.6 小结
第三章 货车车脸图像集的构建方法研究
3.1 梯度方向直方图
3.1.1 传统的HOG特征
3.1.2 增强的HOG特征
3.2 局部二值模式
3.2.1 原始的LBP算子
3.2.2 旋转不变的LBP模式
3.2.3 等价的LBP模式
3.2.4 旋转不变的等价LBP模式
3.3 尺度不变特征变换
3.4 分层梯度方向直方图
3.5 边缘方向直方图
3.6 实验分析
3.7 小结
第四章 基于支持向量机的货车品牌类型分类方法研究
4.1 货车车脸特征提取
4.1.1 尺度不变特征变换特征
4.1.2 梯度方向直方图特征
4.1.3 Kmeans聚类
4.2 支持向量机分类器
4.2.1 超平面
4.2.2 对偶问题
4.2.3 核函数
4.3 实验分析
4.4小结
第五章 基于迁移学习深度网络融合模型的货车品牌识别方法研究
5.1 迁移学习理论
5.1.1 传统的迁移学习
5.1.2 基于最大均值差异的迁移学习
5.2 基于卷积神经网络模型的货车品牌分类
5.2.1 基于迁移学习AlexNet网络模型的货车品牌分类模型
5.2.2 基于迁移学习Inception V3网络模型的货车品牌分类模型
5.2.3 基于迁移学习Xception网络模型的货车品牌分类模型
5.2.4 基于迁移学习DenseNet-201网络模型的货车品牌分类模型
5.3 基于迁移学习深度网络融合模型的货车品牌分类
5.4 实验分析
5.5 小结
第六章 总结与展望
6.1 总结
6.2 展望
致谢
参考文献
作者简介
东南大学;
