基于特征編碼與卷積神經(jīng)網(wǎng)絡融合的車型識別算法研究.pdf

1、隨著國家經(jīng)濟和城鎮(zhèn)化的快速發(fā)展，人們收入水平得到明顯提高，私家車逐漸成為出行必備工具。智能交通系統(tǒng)的研發(fā)具有越來越重要的實用價值，車型識別作為智能交通系統(tǒng)的關(guān)鍵組成部分，有著重要的應用，如：公路自動收費系統(tǒng)、停車場車位管理、自動駕駛等領(lǐng)域。
　　由于基于物理參數(shù)的車型識別算法主要有使用壽命短、對原始路面破壞性大、靈活性低等缺點，而基于視頻圖像處理的模式識別方法具有成本低、安裝維護方便、能夠獲取的信息更多等優(yōu)點而被更多的研究。因此，

2、本課題主要對基于視頻和圖像的車型識別方法進行研究。而現(xiàn)存的方法主要是提取車輛的幾何特征，當監(jiān)控的場景和角度發(fā)生變化時，模型相關(guān)參數(shù)需要調(diào)整，不利于車型識別系統(tǒng)的推廣，因此本文選擇使用紋理特征進行車型識別。本文完成的主要工作如下：
　　本文調(diào)研了國內(nèi)外關(guān)于車型識別領(lǐng)域的研究現(xiàn)狀，分析了當前車型識別算法的主要優(yōu)缺點。對原有的Vi B e背景建模算法中模型更新規(guī)則進行了改進，考慮到像素空間分布的擴展性和背景樣本集中像素值分布的差異性，增

3、加了背景模型的魯棒性，實驗表明該算法能夠有效的去除前景檢測中噪音的影響。對比了許多傳統(tǒng)的圖像識別算法和卷積神經(jīng)網(wǎng)絡運用于車型識別的結(jié)果。并且提出了將特征編碼與卷積神經(jīng)網(wǎng)絡融合的車型識別算法，這利用了卷積神經(jīng)網(wǎng)絡能夠?qū)W習到適合于分類識別的更高層特征，使模型表達能力更強，而特征編碼算法相當于卷積神經(jīng)網(wǎng)絡的預訓練。由于特征編碼向量已經(jīng)具有一定的分類能力，它與卷積神經(jīng)網(wǎng)絡結(jié)合之后降低了對卷積神經(jīng)網(wǎng)絡學習提取特征的要求。因此可以簡化網(wǎng)絡模型，加快