基于深度学习理论和机器视觉技术的桥梁上车载识别研究

声明

目 录

第1章 绪论

1.1研究背景

1.2车载识别技术研究进展

1.2.1桥梁动态称重方法

1.2.2新型车载识别方法

1.3智能监测技术研究现状

1.3.1深度学习技术

1.3.2机器视觉技术

1.4本文主要研究内容

1.4.1选题依据

1.4.2研究内容

第 2 章 基于深度学习理论的车辆荷载识别模拟研究

2.1引言

2.2时-频分析理论

2.2.1小波变换技术

2.2.2短时傅里叶变换技术

2.2.3维格纳变换技术

2.3深度学习理论

2.3.1深度学习理论概述

2.3.2卷积神经网络概述

2.3.3卷积神经网络结构

2.4经典卷积神经网络模型

2.4.1 AlexNet 模型

2.4.2 VGG-16 模型

2.5卷积神经网络训练原理

2.5.1特征信息传递

2.5.2随机梯度下降

2.5.3泛化性能评估

2.5.4训练优化方式

2.6车-桥振动简化模拟测试

2.6.1简化模型经典解析理论

2.6.2移动荷载-简支梁模型建立

2.6.3移动荷载识别

2.7车-桥耦合振动模拟测试

2.7.1车-桥耦合振动理论

2.7.2车-桥耦合振动测试

2.7.3车辆荷载识别

2.8本章小结

第 3 章 基于深度学习理论的车辆荷载识别试验研究

3.1 引言

3.2 试验测试方案

3.2.1 试验平台

3.2.2 试验流程

3.3 车辆载重识别

3.3.1 试验测试方案设计

3.3.2 特征响应数据库建立

3.3.3 卷积神经网络训练

3.4 行驶速度识别

3.4.1 试验测试方案设计

3.4.2 特征响应数据库建立

3.4.3 卷积神经网络训练

3.5 车辆类型识别

3.5.1 试验测试方案设计

3.5.2 特征响应数据库建立

3.5.3 卷积神经网络训练

3.6 行驶车道识别

3.6.1 试验测试方案设计

3.6.2 特征响应数据库建立

3.6.3 卷积神经网络训练

3.7 车辆荷载信息综合检测

3.7.1 试验测试方案设计

3.7.2 车辆荷载信息识别结果

3.8 野外实桥测试

3.8.1 工程概况

3.8.2 测试方案

3.8.3 试验测试结果

3.9 本章小结

第4 章 基于深度学习理论及压缩感知技术的车辆检测跟踪研究

4.1 引言

4.2 车辆检测跟踪算法

4.2.1 目标检测理论概述

4.2.2 基于 Faster-RCNN 的目标检测理论

4.2.3 目标跟踪理论概述

4.2.4 基于压缩感知技术的目标跟踪理论

4.3 实验室试验测试

4.3.1 神经网络训练

4.3.2 车辆目标检测跟踪

4.3.3 环境干扰测试

4.4 野外试验测试

4.4.1 数据库建立

4.4.2 神经网络训练

4.4.3 车辆目标检测跟踪

4.5 本章小结

第 5 章 基于摄影测量技术的车辆荷载时空定位研究

5.1 引言

5.2 相机标定理论

5.2.1 摄影测量坐标系

5.2.2 相机内/外参数

5.2.3 相机标定方法

5.3 基于消失点标定的车载信息识别研究

5.3.1 正交消失点理论

5.3.2 基于平行坐标系的级联霍夫变换

5.3.3 相机标定流程

5.4 试验测试分析

5.4.1 试验测试平台

5.4.2 相机自标定模型建立

5.4.3 车辆时空位置识别

5.5 非接触式视频监测系统

5.6 本章小结

结论与展望

参考文献

致谢

附录 A 攻读学位期间发表的学术论文