1. 研究目的与意义
背景：随着我国机动车数量的迅速增长，为了保证机动车安全运行，全自动车辆自动识别已成一种必然的趋势，为了节省汽车综合检测线的费用、场地、人员和提高汽车的检测效率。
作为交通工具，在智能交通系统中，无论是交通管理系统、综合交通枢纽协调系统、疏导信息服务系统、交通流优化与运输智能化系统，还是为驾驶员提供道路实时信息系统，因此汽车检测在智能交通中起着十分重要的作用。
（1） 意义：采用非接触测试方式，安装维护不必破开路面，不影响路面寿命，不影响交通；（2） 可以检测更大范围内的交通流信息，从而减少设备数量，节约资金；（3） 对于某些应用，比如交通量调查等，可以把视频图像采集存储后，离线进行分析处理；
2. 课题关键问题和重难点
基于android的汽车识别包括汽车外形和颜色等，关键问题是对图片的处理hog特征提取和svm，还有车牌的定位。
外形和品牌的识别是通过 深度学习训练自己的数据集，要求对实战caffe框架的了解，实现多任务学习。
在实战时对数据集的收集要全面。
3. 国内外研究现状（文献综述）
课题简单思路：借助开源计算机视觉库---Open CV，在android studio继承开发环境下，设计并实现一款基于android操作系统的车辆识别软件，实现了基于android的车辆目标识别系统，进一步通过调试程序，实现系统的运行该软件可以识别车辆的类型，颜色等大致内容：完成Android studio平台的搭建环境配置，并利用opencv软件辅助完成图像处理识别；将图片上传至android，完成识别；实现基于Android的车辆目标识别系统，并可应用到Android智能手机上，测试良好文献领悟：openCV是开源计算机视觉库，基于计算机视觉与机器学习，提供强大的图像处理能力。
我们可以快速集成openCV库到android端，其中一种方式是直接安装openCV Manager，按需使用：启动服务去动态加载。
这样前期配置更简单，但需要另外安装一个APK。
4. 研究方案
运用卷积神经网络（caffe框架），通过数据集的收集参照来辨别车型颜色。
通过几份文献的参考大致识别可分以下几个步骤：车牌定位、识别区域定位、归一化、特征提取、样本训练、样本识别。
本文样本训练和样本识别都采用的是神经网络算法，该算法主要包括输入层（input layer）， 隐藏层 （hidden layers）， 输出层 （output layer）。
5. 工作计划
具体到每周，参照学院进度安排。
尤其注意开题，中期和答辩3个节点时间。
结合各自课题，细化进度内容。
以上是毕业论文开题报告，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
