基于深度學(xué)習(xí)的車(chē)輛檢測(cè)及其屬性分析的研究.pdf

1、隨著人們生活水平的不斷提高，汽車(chē)的數(shù)量逐年上升，導(dǎo)致交通密度的逐漸增大，由汽車(chē)引起的交通事故、交通擁堵、環(huán)境污染等問(wèn)題越來(lái)越嚴(yán)峻，單純的依靠政府來(lái)解決已遠(yuǎn)遠(yuǎn)不能滿(mǎn)足社會(huì)的需求。因此，一個(gè)良好的智能交通系統(tǒng)就顯得尤為重要，車(chē)輛檢測(cè)及其屬性分析系統(tǒng)作為智能交通系統(tǒng)的重要組成部分，具有重要的社會(huì)意義和使用價(jià)值。本文所研究的車(chē)輛檢測(cè)及其屬性分析包括車(chē)輛檢測(cè)、車(chē)型識(shí)別以及車(chē)顏色識(shí)別三個(gè)部分。目前一般的檢測(cè)與識(shí)別方法很難解決光照、陰影、圖像質(zhì)量等因

2、素的影響，如幀差法，背景相減法等。針對(duì)以上的問(wèn)題，本文了提出基于深度學(xué)習(xí)的車(chē)輛檢測(cè)及其屬性分析的方法，最后結(jié)合支持向量機(jī)(Support Vector Machine，SVM)算法對(duì)車(chē)型、車(chē)顏色進(jìn)行分類(lèi)識(shí)別。本文主要開(kāi)展的工作如下:
　　(1)基于深度學(xué)習(xí)的車(chē)輛檢測(cè)。本文提出將深度學(xué)習(xí)的特征提取算法運(yùn)用到車(chē)輛特征的提取當(dāng)中，首先通過(guò)快速選擇性搜索模型提取車(chē)輛的候選區(qū)域，然后分別提取各個(gè)候選區(qū)域的深度特征，并結(jié)合SVM算法的二分類(lèi)模

3、型對(duì)車(chē)輛特征進(jìn)行分類(lèi)識(shí)別，最終輸出正確的車(chē)輛檢測(cè)結(jié)果，并將車(chē)輛的檢測(cè)結(jié)果運(yùn)用到后續(xù)的車(chē)型及車(chē)顏色的識(shí)別當(dāng)中。
　　(2)車(chē)型識(shí)別系統(tǒng)。根據(jù)車(chē)輛明顯的外形特點(diǎn)，本文以梯度方向直方圖(Histogram of Oriented Gradient, HOG)特征為車(chē)型識(shí)別中的車(chē)輛特征提取方法，并結(jié)合SVM分類(lèi)模型對(duì)車(chē)型進(jìn)行識(shí)別，車(chē)型的種類(lèi)共包括轎車(chē)、客車(chē)（公交、巴士等）、SUV、大貨車(chē)、小貨車(chē)、其他（非機(jī)動(dòng)車(chē)、農(nóng)用車(chē)等）六類(lèi)。該方法在前

4、車(chē)檢測(cè)的基礎(chǔ)上，首先通過(guò)計(jì)算梯度并在梯度方向上提取車(chē)輛特征，然后將這些特征送入到SVM分類(lèi)器進(jìn)行訓(xùn)練，得到車(chē)型的識(shí)別模型，并輸出車(chē)型識(shí)別的結(jié)果。
　　(3)車(chē)顏色識(shí)別系統(tǒng)。本文采用顏色空間的rg-hue組合特征作為車(chē)顏色特征提取方法，并結(jié)合SVM分類(lèi)算法對(duì)車(chē)顏色進(jìn)行識(shí)別，車(chē)顏色的種類(lèi)共包括黑色、黃色、綠色、白色、紅色、藍(lán)色六類(lèi)。該方法是在前車(chē)檢測(cè)的基礎(chǔ)上，對(duì)于正面車(chē)輛圖像，首先定位車(chē)身具有代表性的顏色區(qū)域，本文根據(jù)基于A(yíng)daboo