基于脉冲神经网络模型的车辆车型识别-研究

《基于脉冲神经网络模型的车辆车型识别-研究》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、福建师范大学陈浩硕士学位论文统设计需要的关键技术一一图像处理技术和智能识别技术，并对整个系统的设计流程进行了描述。第二章首先分析用户在使用目前常用的图像处理软件的优缺点。然后在此基础上提出图像研究工作者要设计针对自己的研究和工作需要设计适合自己使用的图像处理平台。而在设计图像处理平台的时候要根据图像处理平台的技术需求来设计，设计适合本项目开发的图像处理平台。最后，描述用于本项目开发的图像处理平台上的主要的按键功能，并分析所涉及的一些关键技术。第三章提出一种基于神经元模型基础上利用脉冲神经元网络模型对运动目标进行检测的算法，

2、该神经网络模型是利用脉冲神经网络模拟人类的视觉特性，从而提取运动目标，并具体分析脉冲神经元网络算法实际意义。由于脉冲神经元网络模型是一个完全并行的结构，可以用大规模可编程门阵列电路(FPGA)芯片等硬件来实现。如果上述模型用大规模可编程门阵列电路(FPGA)芯片实现后，还可以将它安装到视频处理设备中，这对视频监控和智能交通监控，甚至在微生物、医学和航空航天等许多重要领域都有重要的应用价值。第四章首先对现有的运动车型识别方法进行介绍和比较，在此基础上提出了一种基于运动车辆边沿对应的边缘脉冲频率图的线矩特征值的提取方法。并通过

3、实验验证了该方法的优越性。第五章介绍了神经网络原理及数学含义，介绍了BP神经网络的数学计算过程，介绍如何引入神经网络来识别运动车辆，并用实地运动车辆的录像进行实验验证，对所获的结果做出分析，本章提出一种基于BP神经网络运动车辆车型识别系统的实现方案，详细介绍了BP神经网络设计的难点及提出解决方案，利用第四章收集．大量已知车型视频图像，提取的线矩特征并结合其它的特征值训练网络，将训练好的神经网络进行智能实时识别。通过实验和数值分析显示本系统能够快速对运动车辆和车型进行准确识别和分类。最后，总结了本论文所完成的主要研究工作、取

4、得的研究成果以及尚存在的不足，并提出今后可继续开展的工作和期望。VI，嘟≯-0P∥■，、妒

5、’●<1'目录摘要⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．．IAbstract⋯⋯．⋯．．i⋯．⋯⋯⋯．⋯⋯．⋯⋯．．⋯．⋯⋯⋯．⋯⋯．⋯．⋯．⋯．⋯⋯⋯．⋯．⋯⋯⋯⋯⋯⋯⋯⋯．．⋯⋯⋯．UI：‘帮：t；中文文摘⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯Vj者论⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．1第一章基于

6、脉冲神经网络模型的车辆车型识别系统总体方案设计⋯⋯⋯⋯⋯⋯⋯7第一节引言⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯。7第二节车辆车型识别系统总体框架⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯7第三节实现系统的总体流程⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯8第四节车辆车型识别系统的工作原理及实现方案⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．9第五节本章小结⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯11第二章视频图像处理基础及平台设计⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯。13第一节引言⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯

7、⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．．13第二节图像处理平台的设计⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯。13第三节图像处理平台实现的主要功能⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．．15第四节图像处理平台中采用的图像处理技术和算法⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．．16第五节本章小结⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．21第三章基于脉冲神经网络的运动车辆的边沿检测⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯23第一节引言⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯。23第二节用于边缘检测的脉冲神经元网络模型⋯⋯⋯⋯⋯

8、⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯23第三节脉冲神经元模型和感受野⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯25第四节网络模型在车型边缘检测的仿真结果⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．26第五节本章小结⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯28第四章车辆特征提取⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯29。们第一节常见的车辆特征⋯⋯⋯⋯⋯⋯⋯⋯．：⋯⋯⋯⋯⋯⋯■⋯⋯⋯⋯⋯⋯⋯⋯。29。*第二节车辆边缘直线段不变线矩⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯30第三节特征提取软件设计⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯

9、⋯⋯⋯⋯⋯32第四节本章小结⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．33第五章基于BP神经网络的运动车辆车型识别和分类⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯35VⅡ福建师范大学陈浩硕士学位论文第一节人工神经网络的特点⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯35第二节BP神经网络典型模型⋯⋯⋯⋯⋯