基于人工智能的大型载重汽车识别系统设计及实现

发布时间：2020-10-28 01:20

　　 随着社会经济的飞速发展,城市交通环境越来越便捷,这使我们的交通出行得到改善,然而伴随而来的是我们不容忽视的交通安全问题。在各种媒体的报道中不难发现,大型载重汽车的安全隐患指数是非常高,如果能实现大型载重汽车识别智能化,将使智能交通系统更快捷方便地为人们的出行服务。本文主要研究了人工智能的机器学习理论和深度学习理论,设计并实现了基于人工智能的大型载重汽车识别系统,该系统将机器学习方法和深度学习方法应用于大型载重汽车识别,实现了智能交通应用创新。该系统分别采用机器学习中的HOG+SVM方法和深度学习中的VGGNet-16模型,使用这两种方法分别对大型载重汽车进行识别,同时对这两种算法进行了优化,经过实验测试表明使用深度学习模型VGGNet-16识别效率更高,在开发过程中使用OpenCV+Python+TensorFlow工具。该系统的工作流程如下:首先进行区域选择,把所选区域各个路口监控视频通过OpenCV工具实时转换为图像,然后通过建立好的两种具备识别能力的识别模型分别进行识别,如果在城区内禁行时间段识别到大型载重汽车通行则会触发警报。该系统数据库采用MySQL,它存储过往车辆的信息,用来统计大型载重汽车在各个时间段出现的数量,这些信息有助于用户分析载重汽车出行的规律及为后期系统升级做准备。
【学位单位】：东北师范大学
【学位级别】：硕士
【学位年份】：2019
【中图分类】：TP18;U463.6
【文章目录】：
中文摘要
英文摘要
第一章 绪论
    1.1 研究背景与意义
    1.2 国内外研究现状
    1.3 研究目标和意义
        1.3.1 研究目标
        1.3.2 研究意义
    1.4 研究内容和方法
    1.5 论文组织结构
第二章 相关理论和支撑技术
    2.1 机器学习相关理论
        2.1.1 机器学习概述
        2.1.2 图像分类传统算法的常用特征
        2.1.3 支持向量机（SVM）
    2.2 深度学习
        2.2.1 深度学习概述
        2.2.2 卷积神经网络
        2.2.3 VGGNet
    2.3 开发工具
第三章 基于人工智能的大型载重汽车识别方法
    3.1 数据集
    3.2 构建HOG+SVM大型载重汽车识别模型
    3.3 深度学习模型的优化
    3.4 构建VGGNet-16 大型载重汽车识别模型
第四章 系统需求分析与概要设计
    4.1 系统整体业务概述
    4.2 系统需求分析
        4.2.1 系统功能性需求分析
        4.2.2 系统非功能性需求分析
    4.3 系统的概要设计
        4.3.1 系统设计目标与原则
        4.3.2 系统总体架构
        4.3.3 系统功能模块设计
        4.3.4 系统运行环境搭建
第五章 系统详细设计与实现
    5.1 数据结构及数据接入
        5.1.1 数据结构
        5.1.2 数据接入
    5.2 系统主要功能模块详细设计与实现
        5.2.1 城市区域和郊区大型载重汽车识别详细设计与实现
        5.2.2 城市区域和郊区进行数据统计
        5.2.3 警报模块详细设计与实现
第六章 系统测试
    6.1 系统测试环境
    6.2 系统功能测试
        6.2.1 大型载重汽车识别模型测试
        6.2.2 数据统计测试
        6.2.3 警报触发测试
        6.2.4 其他功能测试
    6.3 系统性能测试
    6.4 系统用户测试
第七章 总结与展望
参考文献
致谢
在学期间公开发表论文及著作情况

【相似文献】

相关期刊论文 前10条

1 凌昕;亓妍妍;;视频监控视角下的人脸跟踪与识别系统[J];数字通信世界;2017年02期

2 赵雪琪;;浅议高校园区导示识别系统设计的现状与思维拓展--以湖南商学院为例[J];艺术与设计(理论);2017年05期

3 崔晓川;邹博维;张恒嘉;;基于精确定位的交通标识识别系统的检测方法研究[J];汽车科技;2017年05期

4 陈乐;;假如我会变[J];广东第二课堂(上半月小学生阅读);2017年12期

5 周韧;;产品识别系统的视觉符号化构建途径研究[J];工业设计研究;2016年00期

6 赵雪琪;;浅议博物馆室内导示识别系统的设计原则与思路拓展[J];艺术与设计(理论);2014年03期

7 谢金辉;;城市精神与城市竞争优势识别系统的构建——以武汉精神的塑造为例[J];学习与实践;2012年06期

8 刘雪颖;;单兵识别系统的现状与发展[J];电讯技术;2010年06期

9 郑朝辉;;以日本为例谈环境识别系统与环境的和谐设计[J];装饰;2009年11期

10 赵倩;;大型会展的导向识别系统设计[J];青岛理工大学学报;2009年06期

相关博士学位论文 前7条

1 王春立;面向大词汇量的连续中国手语识别系统的研究与实现[D];大连理工大学;2003年

2 袁威;光折变晶体体全息识别系统相关峰均匀性及小型化的研究[D];哈尔滨工业大学;2009年

3 项冬冬;关于动态隐患识别系统的研究[D];华东师范大学;2013年

4 刘通;面向心拍识别的心电信号的高层特征研究[D];吉林大学;2016年

5 赵博;网络加密流量的协议不相关在线识别技术研究[D];解放军信息工程大学;2012年

6 赵斐;基于延迟时间理论的设备系统预防性维修策略研究[D];北京科技大学;2015年

7 郭艳娥;灰质体积作为阿尔茨海默病潜在生物标记物的研究及基层医疗机构阿尔茨海默病辅助识别系统的初步建立[D];中国人民解放军医学院;2014年

相关硕士学位论文 前10条

1 户其修;基于OCR开源框架的常用公式识别系统的研究与实现[D];北京邮电大学;2019年

2 李梦玉;基于URL的恶意访问识别系统的设计与实现[D];北京邮电大学;2019年

3 陈睿;基于深度学习的专业领域术语识别系统设计与实现[D];北京邮电大学;2019年

4 袁伟;基于深度学习的行人再识别系统的研究与实现[D];北京邮电大学;2019年

5 宋子恒;基于异构计算架构的嵌入式交通标志牌识别系统的设计与实现[D];北京邮电大学;2019年

6 高思雯;基于人工智能的大型载重汽车识别系统设计及实现[D];东北师范大学;2019年

7 许亚杰;基于机器视觉的车票票面信息识别系统研究[D];北方民族大学;2019年

8 熊伟民;可穿戴式运动识别系统及其算法的研究与实现[D];武汉理工大学;2018年

9 罗伟建;基于多传感器的坐姿识别系统研究[D];武汉理工大学;2017年

10 张小强;经编鞋面数码印花定位识别系统的设计[D];五邑大学;2018年

本文编号：2859352