基于深度卷積神經(jīng)網(wǎng)絡(luò)的霧霾環(huán)境下車(chē)型識(shí)別算法研究.pdf

1、車(chē)型識(shí)別系統(tǒng)是城市智能交通系統(tǒng)的重要組成部分。隨著數(shù)字圖像處理、計(jì)算機(jī)視覺(jué)、機(jī)器學(xué)習(xí)等技術(shù)的快速發(fā)展，基于圖像內(nèi)容的車(chē)型識(shí)別技術(shù)得到廣泛關(guān)注。目前車(chē)型識(shí)別技術(shù)主要是基于統(tǒng)計(jì)分類(lèi)的，首先需要大量的車(chē)輛圖像數(shù)據(jù)集，其次通過(guò)特征提取技術(shù)獲取車(chē)輛圖像特征信息，最后利用機(jī)器學(xué)習(xí)分類(lèi)技術(shù)對(duì)特征信息進(jìn)行學(xué)習(xí)分類(lèi)，進(jìn)而完成車(chē)型識(shí)別。在眾多基于圖像的車(chē)型識(shí)別算法中，受到多尺度、多角度、復(fù)雜背景等多種因素對(duì)分類(lèi)精度的影響;真正可以應(yīng)用在實(shí)際智能交通系統(tǒng)的車(chē)

2、型識(shí)別技術(shù)較少。同時(shí)，受霧霾天氣的影響，霧霾降質(zhì)車(chē)輛的識(shí)別也成為目前車(chē)型識(shí)別的難點(diǎn)。因此研究如何從復(fù)雜環(huán)境下準(zhǔn)確高效地對(duì)車(chē)型分類(lèi)具有非常重要的意義。
　　針對(duì)目前基于圖像的車(chē)型識(shí)別的眾多影響因素，本文進(jìn)行了如下內(nèi)容的研究:
　　(1)采用網(wǎng)絡(luò)抓取的大量生活車(chē)型圖像建立數(shù)據(jù)庫(kù)，其中車(chē)輛背景復(fù)雜多變、多角度、多尺度等保證了數(shù)據(jù)庫(kù)的多樣性，車(chē)型類(lèi)型種類(lèi)有面包車(chē)、皮卡、跑車(chē)、小汽車(chē)、SUV和貨車(chē)六種。
　　(2)對(duì)霧霾天氣下成

3、像的車(chē)輛進(jìn)行清晰化復(fù)原，復(fù)原方法基于大氣散射模型并結(jié)合霾粒子散射特性，達(dá)到去霧和去霾的雙重效果。
　　(3)提出基于卷積神經(jīng)網(wǎng)絡(luò)的霧霾環(huán)境下車(chē)型識(shí)別算法，并結(jié)合Softmax分類(lèi)器進(jìn)行車(chē)型分類(lèi)。采用改進(jìn)的圖像去霧霾算法和基于AlexNet優(yōu)化的特征提取網(wǎng)絡(luò)結(jié)構(gòu)，且與近幾年出現(xiàn)的車(chē)型識(shí)別算法，如基于HOG特征、PCA+SIFT特征及其它基于CNN特征等，進(jìn)行分析比較。通過(guò)測(cè)試證明，本文提出基于AlexNet改進(jìn)的車(chē)型識(shí)別方法無(wú)論在晴