基于深度學(xué)習(xí)的車型識(shí)別分析與研究.pdf

1、隨著城市交通復(fù)雜狀況的愈漸加深，公安、交警的工作量也日益繁重，因而，智能交通系統(tǒng)的進(jìn)一步發(fā)展變得尤為重要。車輛識(shí)別系統(tǒng)是目前比較熱門且已經(jīng)廣泛應(yīng)用于市場的一類智能交通系統(tǒng)，它依賴于車牌識(shí)別、車標(biāo)識(shí)別和車型識(shí)別等核心技術(shù)。其中，車牌識(shí)別的研究已經(jīng)比較成熟，許多研究成果在企業(yè)車庫、小區(qū)等場所廣泛應(yīng)用。對于車標(biāo)識(shí)別，由于車標(biāo)區(qū)域太小，研究此類識(shí)別需要較高質(zhì)量的圖像，道路交通系統(tǒng)中的設(shè)備不能得到高質(zhì)量的車輛圖像的情況下，車標(biāo)識(shí)別往往不能達(dá)到很好

2、的識(shí)別效果。而傳統(tǒng)的車型識(shí)別只能將車輛分成貨車、客車、小汽車等幾個(gè)大類，隨著智能化發(fā)展愈來愈快，這類系統(tǒng)已經(jīng)不能滿足交通系統(tǒng)的需要，對如何識(shí)別車輛具體型號(hào)的研究在實(shí)際應(yīng)用中將會(huì)有重要價(jià)值。類比于人臉識(shí)別，本文圍繞車臉圖像的識(shí)別進(jìn)行了一系列研究。
　　本研究主要內(nèi)容包括：⑴截取車輛圖像中的車臉部分進(jìn)行尺度歸一化，使用平移旋轉(zhuǎn)、亮度調(diào)整、運(yùn)動(dòng)模糊等操作模擬現(xiàn)實(shí)中可能出現(xiàn)的幾種因素進(jìn)行數(shù)據(jù)擴(kuò)增，保證數(shù)據(jù)的多樣性，最終建立了一個(gè)包含31個(gè)

3、子型號(hào)的車臉圖像數(shù)據(jù)庫。⑵通過分析比較各種常用的特征提取算法，選擇在車輛識(shí)別領(lǐng)域最常用也是效果最好的 SIFT特征提取算法，詳細(xì)闡述了它的工作原理，并針對其生成的描述子過于復(fù)雜的缺點(diǎn)，在檢測極值點(diǎn)時(shí)引入SUSAN角點(diǎn)檢測算子進(jìn)行改進(jìn)，成功提取到了較簡單且準(zhǔn)確的車臉特征并結(jié)合k-鄰近分類器進(jìn)行分類。⑶引入目前深度學(xué)習(xí)領(lǐng)域非常熱門的卷積神經(jīng)網(wǎng)絡(luò)對車臉圖像的特征進(jìn)行自主學(xué)習(xí)、提取。首先是構(gòu)建卷積神經(jīng)網(wǎng)絡(luò)模型，從網(wǎng)絡(luò)層數(shù)、卷積核大小、下采樣方法