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

1、從1979年改革開放以來，人民的物質(zhì)生活條件越來越富足，汽車逐漸成為當(dāng)代人出行的主要交通工具，由汽車引起的交通事故以及涉車犯罪也越來越多，利用車輛外型對車輛進行識別可以有效地對交通肇事和涉車犯罪案件進行管理和查處。因此，車輛型號識別具有重要的實際應(yīng)用價值。本課題圍繞如何利用計算機視覺的方法進行車輛型號的識別和分類，并展開了一系列的研究。
　　本文結(jié)合在實際中的應(yīng)用，對治安交通卡口監(jiān)控車輛圖像進行車臉定位進而實現(xiàn)車型識別與檢索，根據(jù)

2、車臉圖像的特點，使用目前比較熱門的卷積神經(jīng)網(wǎng)絡(luò)模型獲取強表達能力的圖像特征，實現(xiàn)車臉定位以及對車輛具體車型的識別與檢索。作者在本研究的主要貢獻如下：
　　1、提出基于區(qū)域識別的車臉提取方法，不需要根據(jù)車牌位置和車臉位置的先驗知識來提取車臉,而是以深度卷積神經(jīng)網(wǎng)絡(luò)提取車臉特征，通過訓(xùn)練優(yōu)化來擬合車臉位置,得到具有較好泛化能力的車臉定位結(jié)果，檢測效率達到實時處理效果。
　　2、提出一種基于紋理密集區(qū)域的車臉分塊方法，使用sobe

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

4、的車輛型號識別方法,根據(jù)不同層卷積提取的特征針對性不同，底層主要提取的是針對性較強的單一特征，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)合起來用于訓(xùn)練分類器，構(gòu)成聯(lián)合特征方法，通過底層特征對頂層特征的輔助作用，來解決傳統(tǒng)卷積神經(jīng)網(wǎng)絡(luò)訓(xùn)練收斂所需間長的缺點，同時準確率也有所提升。
　　5、實現(xiàn)一種基于目標分類的車輛檢索方法，使用多分支與聯(lián)合特征的卷積神經(jīng)網(wǎng)絡(luò)對檢索庫里的所有圖像按車輛型號進行分類后直