1. 研究目的与意义（文献综述）

进入21世纪以来，伴随着我国经济的发展，社会机动车辆数目也呈现了不断上涨的趋势。

路况拥堵、交通事故时有发生，正因如此，采集车辆信息、判别违章肇事车辆成为了智能交通环节中的重中之重。

虽然车牌识别技术可以在大范围内高效、针对性地进行识别、监督，从而大幅度降低人力成本，提高监管效率，是目前智能交通系统中的核心技术之一。

2. 研究的基本内容与方案

内容：通过对图像的采集和处理完成车标的自动识别，让识别结果可按需求分别包括车标的图案，颜色等，最终完成车标定位的目标。

目标：希望无法进行车牌识别时，能通过车标图片识别出车辆，进而帮助我们进行统计车流，找出肇事车辆等。

技术：运用cnn，深度学习是模仿人脑进行分析学习的神经网络它试图模拟人脑的行为特征对数据经行分析和解释，cnn是深度学习的一种。

3. 研究计划与安排

1-3周：查阅有关cnn与车标识别的文献，明确研究的内容，了解研究所需的方法并完成开题报告。

4-6周：翻译英文文献，设计自己的研究方案，完成论文周记，按照老师指点修改。

7-10周：设计算法，功能模块设计，并成功跑通一次程序。

4. 参考文献（12篇以上）

1.http://lamda.nju.edu.cn/weixs/book/cnn_book.pdf：cnn入门2.斯坦福李菲菲：cs231n课程中的cnn部分。

3.duda：模式识别。

4.王天翼：基于卷积网络的三位特征提取[d].吉林:吉林大学,2006.5.王运琼，刘直芳，肖飞.基于对称性的实时车标定位和识别方法[j].系统仿真学报，2009.21(4):1905-11006.磨少清，刘正光，张军.基于图像质量和pca子空间的车标识别方法[j].计算机应用，2010(8):2244-22607.zeiler m d,fregus r. visualizing and understanding cnvolutional neural networks[c]//computer vision-eccv 2014.2014:818-8338.karpathy a,toderici g,shetty s,et al.large-scale video classification with convolutional neural networks[c]//ieee conference on computer vision and pattern recognition(cvpr).20149.lee,c.ekanadham,a.y.ng.,sparse deep belief net model for visual v2,in advances in neural information processing systems(nips)20,2008.10.lee,r.grosse,r.ranganath,a.y.ng."convolutional deep belif networks for scalable unsupervised learning of hierarchical representations.",icml 200911.tang z,xian y,li b.research of vehicle recognition algorithm based on virtual coil and image features[m]//future imformation technology.springer berlin heideberg,2014:367-37212.李星，郭晓松，郭君斌.基于hog特征和svm的前向车辆识别方法[j].计算机科学,2013,40(11a):329-33213.罗彬,游志刚,曹刚.基于边缘直方图的快速汽车标志识别方法[j].计算机应用研究,2004,21(6):150-15114.王枚，王国宏，房培玉.基于pca与不变矩的车标定位与识别[j].武汉大学信息报：信息科学版,2008,33(1):36-4015.杨楠.基于caffe深度学习框架的卷积神经网络研究［d］.石家庄:河北师范大学,2016．