一种基于神经网络的报废车辆识别方法和系统.pdf
猫巷****婉慧
亲,该文档总共13页,到这已经超出免费预览范围,如果喜欢就直接下载吧~
相关资料
一种基于神经网络的报废车辆识别方法和系统.pdf
本发明公开了一种基于神经网络的报废车辆识别方法和系统,属于交通安全技术领域,方法包括:获取多张车辆样本图像;构建报废车辆识别神经网络,报废车辆识别神经网络包括滤波器,通过滤波器对车辆样本图像进行滤波处理;提取车辆样本图像中的车身完整度特征、车型特征、车身颜色特征和车牌特征;对车身完整度特征、车型特征、车身颜色特征和车牌特征进行特征融合,根据特征融合结果输出车辆样本图像中所指示的车辆是否为报废车辆的识别结果;通过对识别结果与实际结果进行比较,对报废车辆识别神经网络进行修正;通过摄像头获取车辆图像,将车辆图像
一种基于HUD的车辆A柱盲区识别方法和系统.pdf
本发明涉及车辆技术领域,特别涉及一种基于HUD的车辆A柱盲区识别方法和系统。所述一种基于HUD的车辆A柱盲区识别方法,包括步骤:通过设置在车内的摄像头对驾驶员的眼球朝向和人脸朝向进行捕获;对所述眼球朝向和所述人脸朝向进行分析,根据分析结果HUD在前挡风玻璃上做A柱盲区画面的不同显示处理。HUD展示无需安装多余可视屏幕,且直接在前挡风玻璃上进行展示更加方便,不影响司机视觉的同时还节约成本。且是通过对所述眼球朝向和所述人脸朝向进行分析,当有必要的时候才在前挡风玻璃上做A柱盲区画面显示处理,让司机可快速了解信息
基于神经网络增强的夜间监控识别方法和系统.pdf
本申请公开了一种基于神经网络增强的夜间监控识别方法,首先获取夜间监控图像中像素的邻域信息,并基于二次泰勒级数对图像进行自适应增强,得到自适应增强图像,然后从自适应增强图像中提取出区域特征和边缘特征并分别输入对应的神经网络,对神经网络输出的特征识别结果进行显著性计算,并将算出的显著区域图进行融合得到综合显著图,最后利用最大熵法对综合显著图进行分割得到二值图像,基于二值图像从自适应增强图像中提取出目标图像。该方法能够提高图像的对比度,并针对图像各个部位光照不均的问题作自适应的图像增强,并且生成的显著图不仅能够
基于卷积神经网络和MFCC的颤振识别方法和系统.pdf
本发明提供一种基于卷积神经网络和MFCC的颤振识别方法和系统,该方法包括如下步骤:获取削切过程中发生颤振和没有发生颤振时的噪声信号,并根据该噪声信号的梅尔倒谱系数对卷积神经网络进行训练,得到训练后的卷积神经网络;在削切过程中实时采集噪声信号,根据该噪声信号的梅尔倒谱系数,结合训练后的卷积神经网络,判断削切过程中是否存在颤振。本发明所提供的技术方案,通过噪声信号倒谱系数和卷积神经网络得到噪声信号与颤振之间的关系,在削切过程中,通过噪声信号即可判断出是否发生颤振,解决现有技术中检测颤振的方式适用性差的问题。
一种基于浅层特征信息增强的车辆颜色识别方法和系统.pdf
公开了一种基于浅层特征信息增强的车辆颜色识别方法和系统,包括在车辆颜色识别的卷积神经网络中嵌入浅层特征信息增强模块,卷积神经网络包括浅层卷积块、中层卷积块和高层卷积块,浅层特征信息增强模块嵌入浅层卷积块和中层卷积块之后;车辆图片作为浅层卷积块的输入依次进行特征提取,浅层特征信息增强模块接收特征输入,经过多个1*1卷积层获得不同维度的特征,对不同维度的特征进行矩阵相乘获得增强信息表达的特征,送入下一卷积块;将各卷积块的特征依次送入全局平均池化层、对应的分类层进行分类,并利用标签平滑正则化的交叉熵损失函数进行