基于卷积神经网络的车型识别方法研究.doc

文档介绍：基于卷积神经网络的车型识别方法研究
纪野李玉惠王蒙
昆明理工大学信息工程与自动化学院云南省智能交通系统工程技术研究中心智能图像处理研究室
X
关注成功!
加关注后您将方便地在我的关注中得到本文献的被引频次变化的通知!
新浪微博
腾讯微博
人人网
开心网
豆瓣网
网易微博
摘    要:
针对高速公路环境下的车型识别问题, 和传统方法支持向量机(SVM) , 分别对车辆图像进行网络训练与测试, 得到两种车型识别方法的准确率并进行比较验证。实验结果表明:卷积神经网络的分类方法具有较高的车型识别精度, 车型识别准确率高。
关键词:
深度学习; 车型识别; 卷积神经网络; 支持向量机; ;
作者简介:纪野(1990-) , 男, 硕士研究生, 主要研究方向为图像处理。
作者简介:李玉惠, E—mail:1484946977@。
收稿日期:2016-10-14
基金:国家自然科学基金资助项目(61363043, 61563025)
Research on vehicle type recognition method based on convolutional work
JI Ye LI Yu-hui WANG Meng
School of Information Engineering and Automation, Kunming University of Science and Technology;
Abstract:
Aiming at vehicle type identification problem in highway environment, use Caffe in deep learning framework and the traditional method of support vector machine ( SVM) , vehicle images are trained and tested, get accuracy of two vehicle models recognition method is carried parison and verification.
Keyword:
deep learning; vehicle type identification; convolutional work; support vector machine (SVM) ; ;
Received: 2016-10-14
0 引言
视频监控系统作为交通监管的一种重要手段, 已被广泛应用于现代交通管理的各个领域。车型识别方法在采集车辆信息、判别违章肇事车辆中成为了智能交通的重要内容。卷积神经网络可将原始数据直接作为输入, 避免了传统识别算法中额外的数据预处理过程。传统识别方法中, 陈曦等人利用支持向量机(support vector machine, SVM) 进行心电图(ECG) 传感器信号身份识别[4]准确率高, 该方法适用于车型识别;纪野等人利用有监督Kohonen网络对车辆三维几何特征识别车型[4]。本文分别采用了基于SVM的网络、两种分类方法对车辆图像进行网络训练与测试, 得到两种车型识别方法的准确率并进行比较验证实验, 验证了