基于深度卷積神經(jīng)網(wǎng)絡(luò)的車(chē)型識(shí)別與車(chē)輛檢索研究.pdf

1、從1979年改革開(kāi)放以來(lái)，人民的物質(zhì)生活條件越來(lái)越富足，汽車(chē)逐漸成為當(dāng)代人出行的主要交通工具，由汽車(chē)引起的交通事故以及涉車(chē)犯罪也越來(lái)越多，利用車(chē)輛外型對(duì)車(chē)輛進(jìn)行識(shí)別可以有效地對(duì)交通肇事和涉車(chē)犯罪案件進(jìn)行管理和查處。因此，車(chē)輛型號(hào)識(shí)別具有重要的實(shí)際應(yīng)用價(jià)值。本課題圍繞如何利用計(jì)算機(jī)視覺(jué)的方法進(jìn)行車(chē)輛型號(hào)的識(shí)別和分類(lèi)，并展開(kāi)了一系列的研究。
　　本文結(jié)合在實(shí)際中的應(yīng)用，對(duì)治安交通卡口監(jiān)控車(chē)輛圖像進(jìn)行車(chē)臉定位進(jìn)而實(shí)現(xiàn)車(chē)型識(shí)別與檢索，根據(jù)

2、車(chē)臉圖像的特點(diǎn)，使用目前比較熱門(mén)的卷積神經(jīng)網(wǎng)絡(luò)模型獲取強(qiáng)表達(dá)能力的圖像特征，實(shí)現(xiàn)車(chē)臉定位以及對(duì)車(chē)輛具體車(chē)型的識(shí)別與檢索。作者在本研究的主要貢獻(xiàn)如下：
　　1、提出基于區(qū)域識(shí)別的車(chē)臉提取方法，不需要根據(jù)車(chē)牌位置和車(chē)臉位置的先驗(yàn)知識(shí)來(lái)提取車(chē)臉,而是以深度卷積神經(jīng)網(wǎng)絡(luò)提取車(chē)臉特征，通過(guò)訓(xùn)練優(yōu)化來(lái)擬合車(chē)臉位置,得到具有較好泛化能力的車(chē)臉定位結(jié)果，檢測(cè)效率達(dá)到實(shí)時(shí)處理效果。
　　2、提出一種基于紋理密集區(qū)域的車(chē)臉?lè)謮K方法，使用sobe

3、l邊緣檢測(cè)來(lái)獲得所有的車(chē)臉圖像紋理,根據(jù)其平均紋理的分布來(lái)確定分塊規(guī)則。這種方法突出了汽車(chē)車(chē)臉的獨(dú)特性,使得特征提取更有針對(duì)性，能從不同的車(chē)臉區(qū)域提取具有辨識(shí)性的局部特征。
　　3、提出一種局部和整體特征融合的車(chē)輛型號(hào)識(shí)別方法，使用多分支深度卷積神經(jīng)網(wǎng)絡(luò)分別提取車(chē)臉的整體特征與局部特征，并由多層全連接層對(duì)特征進(jìn)行融合。該方法能有效的提取不同區(qū)域的具有辨識(shí)性的特征，從而獲得較高的車(chē)型識(shí)別準(zhǔn)確率。
　　4、提出一種多層次特征融合

4、的車(chē)輛型號(hào)識(shí)別方法,根據(jù)不同層卷積提取的特征針對(duì)性不同，底層主要提取的是針對(duì)性較強(qiáng)的單一特征，而頂層提取的是基于整體考慮的高度抽象化特征，因此提出頂層提取特征和底層特征聯(lián)合起來(lái)用于訓(xùn)練分類(lèi)器，構(gòu)成聯(lián)合特征方法，通過(guò)底層特征對(duì)頂層特征的輔助作用，來(lái)解決傳統(tǒng)卷積神經(jīng)網(wǎng)絡(luò)訓(xùn)練收斂所需間長(zhǎng)的缺點(diǎn)，同時(shí)準(zhǔn)確率也有所提升。
　　5、實(shí)現(xiàn)一種基于目標(biāo)分類(lèi)的車(chē)輛檢索方法，使用多分支與聯(lián)合特征的卷積神經(jīng)網(wǎng)絡(luò)對(duì)檢索庫(kù)里的所有圖像按車(chē)輛型號(hào)進(jìn)行分類(lèi)后直