本次对于用户所操作的页面中的功能设计上，通过以车辆识别为核心功能，在车辆的识别中计划可以识别出车辆的品牌以及型号，可以合理的判断车辆的颜色，将车辆是属于轿车、suv、跑车或者面包车进行有效的区分。在整个设计上还通过不断的研究和探索加入大数据的信息，比如车辆车型的指导价、车辆的品牌历史信息简介等。通过一系列的信息判断来实现有效的车辆特征的获取，从而能够更好的完成数据库的数据信息的存储，让计算机能够更加深入的进行训练学习，从而通过不断地积累更好的让计算机能够实现有效的车辆特征判断。
本次对于车辆特征的分析系统的设计上，需要解决对图像中的车辆识别的问题。例如上传的中车辆的大小不固定，拍摄的角度不固定，图像的清晰度不同。需要本次所设计的系统能够通准确的在不同的图像中准确的找到车辆，并且能够实现对车辆的颜色、车辆的品牌以及车辆的类型进行判断。而在车辆的颜色识别的问题上，对于颜色的识别会受到反光材料的影响，在光照下车辆的颜色会有所变化，而有些特种车辆上会有多种不同的颜色，需要本次设计的系统能够准确地对颜色进行分析。而在车辆的类型分析上，也会遇到不同类型的车辆之间有可能差别较小，需要系统实现准确地车辆类型的判断。而这些内容都需要在深度学习的训练中实现很好的数据搜索与积累，确保不会在系统搭建完毕后，在具体的使用时造成识别失败的情况出现。
而在机动车的自动识别过程中，通过利用深度学习的算法来让计算机通过不断地获取信息要素形成信息库，可以更好的提升计算机对于车辆的识别能力。本次就是通过利用了深度学习技术结合Python开发工具来设计一款能够在线通过图片分析来识别车辆的品牌的软件。通过该软件的搭建能够建立汽车的品牌百科，通过深度学习的方式不断的填充百科信息库中的内容，通过车辆识别功能来进行图像的上传来对图像中的车辆的类型、车辆的品牌以及车辆的颜色进行识别，通过识别操作来进一步的提升计算机的应用广泛度，能够让计算机通过自主分析来更好的代替人工来实现有效的数据信息判断。
目 录
1 绪论 5
1.1 研究背景 5
1.2 研究现状 5
1.3 研究的意义 6
1.4 开发的技术介绍 6
1.4.1 Python技术 6
1.4.2 MySQL数据库 7
1.4.3 B/S结构 7
1.5 论文的结构 7
2 深度学习的算法研究 9
2.1 人工神经网络介绍 9
2.2 卷积神经网络介绍 9
2.3 深度学习网络介绍 10
3 基于深度学习的车辆特征分析系统需求分析 11
3.1 需求设计 11
3.2 可行性分析 11
3.2.1 技术可行性 11
3.2.2 经济可行性 12
3.2.3 操作可行性 12
3.3 其他功能需求分析 12
4 系统设计 13
4.1 系统的功能模块设计 13
4.2 数据库的设计 13
5 系统的实现 15
5.1 系统的登录模块设计 15
5.2 系统的首页实现 15
5.3 菜单模块的实现 16
5.4 车辆特征识别图片上传的实现 16
5.5 车辆特征识别的实现 17
5.6 汽车百科的实现 17
5.7 识车大全的功能实现 18
6 系统的测试 19
6.1 测试的目的 19
6.2 测试的内容 19
6.3 测试的结果 19
7 结论与展望 21
7.1 结论 21
7.2 展望 21
参考文献 22
致 谢 24
