基于内容理解的卡口车辆识别与检索系统
2015-04-08 12:43:14 6 举报AI智能生成
毕业论文的IDEA
作者其他创作
大纲/内容
建立SQL数据库
修改入库界面
增加异常处理机制
特征
字典
哈希
提高入库速度
优化
GVP代码移植LINUX
环境迁移至LINUX服务器
部署
入库速度
检索效果
性能负荷
测试
生成字典、哈希功能
图片入特征库并哈希编码功能
图片的快速匹配和精确匹配功能
网页端界面
精确匹配的算法
将上传图片特征SOCKET传递给GVP算法
Python服务器
接收图片特征
聚类成视觉词汇并哈希编码
最小哈希碰撞后GVP偏移计算得分
将得到的结果序列SOCKET回传给Python服务器
C++的GVP服务器
架构
车辆识别与定位
GVP快速检索
HOG精确检索
完整的图片搜索系统
快速入库
车辆准确识别检索
嫌疑车辆刑侦
目的贡献
项目
中英摘要+关键字
1.1 背景
1.2.1 关于CBIR
1.2.2 图像特征的提取
1.2.3 图像特征的快速匹配
1.2.4 语义鸿沟
1.2 研究现状
1.3 目标和范围
1.4 结构简介
一.前言
2.1 总体技术流程
2.2 车辆定位
2.3 快速匹配
2.4 精确匹配
二.技术原理
3.1.1 功能需求
3.1.2 性能需求
3.1.3 接口要求
3.1 需求分析
3.2.1 用例
3.2.2 活动图
3.2.3 用例图
3.2 用例分析
3.3 流程分析
三 . 需求分析
4.1.1 系统框架流程图
4.1.2 分层逻辑结构
4.1.3 框架架构
4.1 系统架构及原理
4.2.1 入库操作
4.2.2 快速匹配
4.2.3 精确匹配
4.2 业务用例
四.系统架构
5.1 车辆定位模块
5.2.1 图像特征提取模块
5.2.2 特征词典生成模块
5.2.3 最小哈希模块
5.2.4 匹配模块
5.2 快速匹配模块
5.3 精确匹配模块
五.模块设计
6.1 系统运行环境
6.2 重要输入/输出
6.3 系统应用效果
6.4 系统优化效果对比
六. 部署与应用
七.总结与展望
论文架构
基于内容理解的卡口车辆识别与检索系统
问题背景
工程技术方法
项目结果贡献
摘要(0.5)
项目背景和意义
开发现状分析
项目目标和范围
结构简介
前言（1）
CNN扩展的模型
利用CAFEE框架
车辆识别与定位(0.8)
SIFT特征(0.4)
HKM字典聚类(0.4)
MIN-HASH哈希编码(0.4)
哈希碰撞后GVP得分
车辆快速检索(1.5)
HOG特征
模板匹配算法
车辆精确检索(0.5)
技术与原理（2.5)
识别用例，画出用例图
描述关键用例，对复杂用例使用活动图描述时间流
应用领域概念模型
面向对象方法
写作技巧
图片入库
图片检索
需求建模(2)
MVC和分层原理
主要部件及部件之间的关系
系统架构及原理
业务用例的实现
ER图
数据库设计
架构设计(2)
描述主要类的说明及接口
主要类的关键方法
活动图和程序流程图
模块设计(2)
描述系统运行环境
使用UML部署图
选用典型界面说明系统重要输入/输出
与已有系统进行比较
部署应用(1)
总结、比较与展望
有点、缺点、进一步改进
与他人工作的优劣
结论(0.8)
致谢
参考文献
附录
其他(1)
模板论文（10K字)
0 条评论
回复 删除
下一页
