项目申请书Word文档下载推荐.docx

项目申请书Word文档下载推荐.docx

《项目申请书Word文档下载推荐.docx》由会员分享，可在线阅读，更多相关《项目申请书Word文档下载推荐.docx（43页珍藏版）》请在冰豆网上搜索。

填报说明

一、 申请书各项内容要实事求是，逐条逐项认真填写。

不符合规定者，将不予受理。

二、 重点基金项目，申请经费限额80-100万元，研究周期为3年；

一般基金项目，申请经费限额10-40万元，研究周期两年。

三、 申请书为A4开本，正反面打印，于左侧装订成册。

主要内容中一级标题用三号黑体，无缩进；

其余标题和正文用四号仿宋体，首行缩进二字符。

四、 “项目名称'

'

应确切反映研究内容，最多不超过25个汉字（包括标点符号）。

申请书主要内容部分应具体、翔实。

五、 封面上的“项目类别”一栏根据申请项目的类别分别填入：

“重点实验室基金重点项目"

、“重点实验室基金一般项目"

；

“申请

指南代码"

由申请者根据基金指南内容填写。

“项目编号"

暂不填。

六、申请人不具有高级职称或者博士学位的，还需填写推荐意见（格式见附件）。

在读研究生、已离退休的科研人员和申请单位兼职科研人员不得作为申请项目的负责人提出申请，但可作为项目组成员参加研究。

—、项目申请简表

项目名称

复杂环境下基于递进式多任务深度学习的车辆精细化识别

起止年月

2017.11-2019.11

申请金额

25万

申请人

姓名

性别

女

年龄

54

学位

博士

身份证号

210105196311064663

职称

教授

专业特长

图像处理与人工智能

申报单位

名称

隶属关系

教育部

合作单位

项

目

组

总人数

高级

中级

初级

博士后

博士生

硕士生

13

1

2

4

6

主要成员名单1不含申请人本人>

工作单位

参加月数

工作分工

签字

闫军

29

讲师

天津大学数学学院

10

网络构建与数值模拟

李根

男

33

工程师

天津大学电气自动化与信息工程学院

苏永钢

31

李碧原

26

相关算法构造及研究

陈明明

30

相关算法构

造及研究

徐文君

36

实验测试

周秋玲

27

硕士

天津大学理学院

邱岳

24

天津大学电气自动

化与信息工程学院

郑婷月

23

王森

图像采集及

处理

戴晓溪

邢林林

主题词

复杂坏境下车辆精细化定位与识别；

卷积神经网络；

VGG-net网络；

多尺度特

征分析；

多任务深度学习系统。

二、申请经费预算表

预算支出科目

金额（万元）

计算理由及根据

1'

设计费

4.95

用于项目展开学术讨论而组织的会议费用预计1.20万元；

用于项目研究过程中需要支付的论文发表、专利申请及维护、文献资料和行业标准检索、成果汇编等费用预计3.75万元；

合计4.95万元。

2、材料费

9.50

用于数据采集的乔安NS70HH高清摄像头20个X800元/个，小计1.60万元；

用于数据处理和存储的戴尔（DELL）T630塔式服务器2台X31500/台，小计6.30万元；

戴尔（DELL）英伟达GTXTITAN显卡］个X10500元/个，小计1.05万元；

电源线、控制信号线、PVC线管等预计0.55万元；

合计9.50万兀O

3、外协费

1.50

为获取足够的数据样本，除在本单位自行采集外，需要从交管部门处获取部分数据，此部分费用预计为1.50万元。

4、专用费

0.00

5、试验费

3.00

数据采集、分析过程中产生的水电能耗，以及进行仿真实验所需的软件编写费用等预计为3.00万元。

6、固定资产使用费

7、工资费

4.80

参与该项目的研究人员共12人，每人平均200元/月，每人每年发放10个月，2年共计发放4.80万元。

8、管理费

1.25

项目依托单位收取的管理费为资助总经费的5%o

合计

25.00万元

注：

每项开支需如实填写计算根据及理由，不含申请单位自筹的配套经费。

各科目支出范围：

设计费：

包括论证费、调研费、计算费、技术资料购买及复制费、学术会议费、论文出版、成果汇编费等，但不用于专著出版。

材料费：

包括项目研究工作中必须耗用的各种原材料、辅助材料、外购成品和元器件的费用。

外协费：

指项目研究中由于本单位自身的技术、工艺设备等条件的限制，必须由外单位协作所发生的费用。

专用费：

包括专用测试仪器费、技术基础费等。

试验费：

指项目研究中用于工艺试验、仿真试验、综合匹配试验、例行试验、可靠性试验、试验验证、测试等各种试验中的物耗、仪器使用、人工等费用。

固定资产使用费：

指项目应分摊的研制单位按规定比例分类计提的固定资产使用费。

工资费：

指没有事业费拨款的科研单位、高等院校及各类企业中从事军工科研人员的工资、奖金、津贴等工资性支出。

管理费：

不超过资助总经费的5%o

三、立论依据

（一）概念与内涵

（1） 基于图像和视频的车辆识别技术

基于图像和视频的车辆识别系统，通过分析从摄像头或图像采集卡采集到的图像，选用不同的特征提取方式和分类方法，先完成对目标车辆的精确定位，之后从目标车辆中识别出具体的车型类别，实现车辆识别的任务。

随着模式识别、计算机视觉领域的发展，基于图像和视频的车辆识别技术得到了越来越多的关注'

以。

该技术只需要在路面架设摄像机或采用现有的监控设备即可，不会像地感线圈检测、超声波检测、激光红外线检测'

以局等方法那样，影响到道路的正常运行，也不会对路面造成破坏。

而且得到的实时的图像易于保存，便于后期进行进一步分析处理⑹。

这类技术可以动态地适应交通状况的变化，通过实时采集大量的交通流量数据并将其传输到交通管理中心，中心得到数据后可以根据数据迅速进行分析决策。

车辆识别技术能够应用于检测识别车祸现场，检测车辆违法占道，解决交通拥堵及车辆实时跟踪等领域，对公路的安全管理有着重要的作用。

（2） 车辆识别的指标及其影响因素

识别的速度和准确度是车辆识别的两个主要指标，本项目拟基于递进式多任务深度学习开展车辆精细化识别技术研究，也是着重于提高速度和准确度这两个指标。

影响识别准确度的最重要的因素是提取的车辆特征，即特征提取是整个识别过程的关键。

车辆特征的提取受到诸多因素的影响，如车辆的细分种类太多导致特征间区别不明显、恶劣天气带来的影响、光照变化造成的影响等。

传统的车辆识别算法中特征提取的方式很多，如提取SIFT特征□⑻或HOG特征阳■等，与后续的分类器结合，均取得了不错的识别效果，

但提取过程仍为手工提取，且一般需要多个特征的结合和一系列的预处理，比较费时。

（3） 基于卷积神经网络的深度学习

近年来基于深度学习的车辆识别逐渐兴起，与传统的手动或依赖先验知识提取特征的算法相比，深度学习具有更好的普适性和自适应性，利用深度网络进行特征描述，可以在训练数据的驱动下自主地学习特征。

此外,在网络训练中引入权值共享、逐层训练等策略能够通过减少参数提高网络效率。

作为深度学习中的代表，卷积神经网络可将原始图像直接作为输入,省去了传统识别算法中的预处理过程，降低了模型的复杂度。

卷积神经网络能够在原图像上产生局部感知区域，这些区域作为底层的输入数据，通过每一层的过滤器逐层训练，能够获得图像的边缘和关键点信息，可以更好地处理由于图像采集角度不同比例缩放、倾斜等视觉形变带来的难题。

（4） 车辆定位与车型识别技术

为了实现车辆的识别，我们将此任务分为两部分进行，分别是图像中目标车辆的定位和目标车辆具体车型的识别。

车辆定位指的是是从复杂背景中检测出目标车辆，并能够精准确定目标车辆的位置区域。

车辆定位是实现精细化识别的前提和基础，从背景中检测目标车辆实际上相当于二分类问题，而位置区域的确定需要通过生成若干候选框并选出最优区域来实现。

车型识别是在车辆定位的基础上，对分割出的目标区域进行车型识别。

（5） 复杂环境下车辆精细化识别技术

本项目拟开展复杂环境下车辆精细化识别技术。

复杂多变的环境是影响车辆识别准确率的重要因素，实现复杂环境下的车辆识别对于智能交通系统以及军事目标识别技术的发展都具有重要意义。

这里复杂环境主要体现为三个方面，一是天气的原因，如雨雪雾等较差天气环境；

二是光照强度原因，如夜晚等弱光照环境；

三是车辆所处的环境原因，如车速过快，在路口车辆过于拥挤，以及受到遮挡等。

本项目提出车辆精细化识别的概念，车辆精细化识别实际上包括精细化定位和精细化识别。

精细化定位是包括对于采集的不同尺度车辆，尤其过小目标车辆在复杂环境下具有良好的检测能力，还包括对多目标车辆的同时定位。

精细化识别主要体现在不仅能识别通常的车型种类、车牌，而且能识别包括车灯形状在内的车辆细节信息。

（二） 军事需求分析

在军事应用场合，对静止或运动的目标（如导弹、火炮、装甲车、坦克、战斗机等军用目标）进行准确定位、运动轨迹跟踪，进而对目标的类别作出判断的问题已成为各国在军事领域关注的重点m。

在众多军用目标中，飞机目标识别已经成为一个重要的应用领域网。

飞机目标识别可以广泛地应用于目标侦查、军事防御等方面。

在目标侦查中，需要通过实时分析成像卫星所拍摄的图像，快速对图像中可能包含的目标作出精确定位，并对目标种类进行判断，迅速和准确地捕捉到目标的信息，便于我们及时作出反应。

目前飞机目标识别的相关研究，正往精细化识别方向发展，具体体现在三个方面，一是对小目标飞机具有良好的检测能力，二是使多目标飞机定位更加精确可靠，三是能够将不同种类的飞机准确分类。

由于研究方向和目标的类似性，本项目拟研究的车辆精细化识别可移植到军用领域的飞机识别上。

（三） 国内外研究概况、水平和发展趋势

目前国内外车辆识别的的方法可以分成两大类：

（1）基于模板匹配的车辆识别

首先利用模板匹配方法进行车辆识别研究的是西门子公司的Jolly等人。

他们首先得到车辆的正面视图和侧面视图的变形模板和直方图交集，然后通过点间的Hausdorff距离与已有的车辆模板比较实现车辆识别。

此方法能将车辆简单地分为大、中、小类型。

模板匹配用于基于图片的车辆识别研究主要受以下几方面的限制：

如果图像发生旋转或者尺度变化时，该方法不适合采用，因为模板只能在图像中平行移动；

如果目标车辆不是完整的车辆图片，边缘就不连续或者不存在，该方法也不可采用。

（2）基于统计的车辆识别

目前应用最多的还是基于统计的识