【摘要】：汽車業(yè)的快速發(fā)展給我們的生活帶來了巨大的便利,同時也帶來了很多問題,如交通堵塞、盜搶機動車輛、利用機動車輛犯罪等等。通過現(xiàn)有技術(shù)自動識別車輛車型可以對該類問題快速反應(yīng),加快解決效率。車輛特征學(xué)習(xí)是車型識別的重要環(huán)節(jié),而有效地提取和描述車輛圖像的特征信息、建立有效的車型識別模型和理論框架以及高效地應(yīng)對大規(guī)模車輛圖像的實時識別處理,是車輛特征學(xué)習(xí)與車型識別研究的關(guān)鍵。本文對車輛圖像的本質(zhì)特征進行了深入學(xué)習(xí)研究,構(gòu)建了相應(yīng)的車型識別框架,主要研究內(nèi)容如下:1、研究分析了車輛圖像的傳統(tǒng)特征性能,構(gòu)建了基于傳統(tǒng)特征的車型識別框架。對目前廣泛使用的底層特征算子SIFT、HOG、LBP進行了研究學(xué)習(xí),并在其基礎(chǔ)上提取了車輛圖像的中層特征BOF、FV、VLAD。通過車型識別實驗表明,傳統(tǒng)特征算子的表現(xiàn)力并不理想。2、研究分析了車輛圖像的深度融合特征,構(gòu)建了基于深度融合特征的車型識別框架。對近幾年最為經(jīng)典的深度網(wǎng)絡(luò)框架的構(gòu)成原理和設(shè)計思路進行了深入分析和研究,針對現(xiàn)有深層網(wǎng)絡(luò)的不足,對GoogLeNet的Inception模塊進行了進一步分解,并嘗試將Inception模塊和ResNet進行融合,構(gòu)建了基于深度融合特征的車型識別框架。通過車型識別實驗表明,深度融合特征是有效的,提升了車型識別的識別率。3、研究分析了車輛圖像的深度稠密特征,探索車輛圖像更為本質(zhì)的特征表達。針對現(xiàn)有深層次網(wǎng)絡(luò)難以訓(xùn)練的問題,基于ResNet的殘差連接思路進行了深度稠密特征學(xué)習(xí),同時將中心損失函數(shù)融入網(wǎng)絡(luò)構(gòu)建了車型識別框架。實驗結(jié)果表明深度稠密特征更為緊湊,網(wǎng)絡(luò)的參數(shù)量變少,且進一步提升了車型識別的識別率。
【圖文】：

電子科技大學(xué)碩士學(xué)位論文提取車輛特征，對車輛型號進行分類識別。但由于不同相機硬件、不同品牌的攝像機拍攝的圖像通常具有不同的質(zhì)量，同時照明條件的干擾和透視失真等等都給車型識別增加了難度。由此可見，車輛特征學(xué)習(xí)是自動識別汽車車型的重要環(huán)節(jié)。它是一項涉及圖像處理、模式識別、計算機視覺、統(tǒng)計學(xué)習(xí)與概率推理等多學(xué)科交叉融合的前沿技術(shù)和熱點研究主題，得到國內(nèi)外學(xué)者的廣泛關(guān)注�；拒囆妥R別流程如圖 1-1所示，由于路況復(fù)雜、路面上的車輛越來越多、車輛之間的相似度越來越高以及無牌車輛、套牌車輛的出現(xiàn)，使得車輛特征學(xué)習(xí)面臨很多困難和挑戰(zhàn)，所以對車輛特征學(xué)習(xí)和車輛車型識別進行深入研究具有重大意義。而有效地提取和描述車輛圖像的特征信息、建立有效的車型識別模型和理論框架以及高效地應(yīng)對大規(guī)模車輛圖像的實時識別處理，是車輛特征學(xué)習(xí)與車型識別研究的關(guān)鍵。

設(shè)置關(guān)鍵點的主方向，使關(guān)鍵點具有旋轉(zhuǎn)所在的尺度圖像，按式(2-1)和(2-2)對關(guān)鍵點所在的鄰小 m x, y 與方向 x ,y ： 2 y L x 1, y L x 1, y L x , y 1 L x , y 1 ) tan (( L ( x , y 1) L ( x ,y 1) ) / ( L ( x 1,y ) L ( x 鍵點所在尺度圖像。然后將 360 度分成 8 個區(qū)間，來分布，形成一個直方圖表示，選取累計幅值最大的方到最大幅值 80%的方向選作輔助方向。據(jù)關(guān)鍵點周圍的局部特性生成特征描述子。將關(guān)鍵點4的子窗口，，在每個4 4的子窗口中，計算梯度方向直方圖來統(tǒng)計這個子窗口的梯度方向，得到最終的 1 2-1 為車輛圖像的 SIFT 特征提取結(jié)果，圖中的圓半小，而圓內(nèi)的半徑方向為該關(guān)鍵點的主方向。
【學(xué)位授予單位】：電子科技大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2017
【分類號】：U495;TP391.41

【相似文獻】

相關(guān)期刊論文 前10條

1 運國蓮;陳啟美;丁勝軍;;基于非完備貝葉斯網(wǎng)絡(luò)的車型識別方法[J];交通與計算機;2006年01期

2 張寧;施毅;何鐵軍;;基于虛擬線圈的車型識別研究[J];交通與計算機;2008年01期

3 華莉琴;許維;王拓;馬瑞芳;胥博;;采用改進的尺度不變特征轉(zhuǎn)換及多視角模型對車型識別[J];西安交通大學(xué)學(xué)報;2013年04期

4 劉玉銘,白明;一種基于模糊模式識別方法的車型識別儀[J];公路交通科技;2000年01期

5 王陽萍,何欣;智能圖像處理技術(shù)在車型識別中的應(yīng)用研究[J];蘭州交通大學(xué)學(xué)報;2004年04期

6 季晨光;張曉宇;白相宇;;基于視頻圖像中的車型識別[J];遼寧工業(yè)大學(xué)學(xué)報(自然科學(xué)版);2010年01期

7 張友兵,陳家祺,史旅華,田瑞庭;基于神經(jīng)網(wǎng)絡(luò)的汽車車型識別[J];湖北汽車工業(yè)學(xué)院學(xué)報;1998年03期

8 陳家祺,張友兵,史旅華,田瑞庭,傅正朝,舒章鈞;運動圖像處理在車型識別中的應(yīng)用[J];汽車工程;1998年06期

9 歐衛(wèi)華;唐東黎;聞斌;;基于遺傳算法優(yōu)化的模糊神經(jīng)網(wǎng)絡(luò)車型識別[J];湖南工業(yè)大學(xué)學(xué)報;2010年02期

10 王明哲;吳皓;周豐;;基于地磁的車型識別模糊數(shù)據(jù)融合方法研究[J];公路交通科技;2008年01期

相關(guān)會議論文 前7條

1 韓冬梅;呂芳;;智能交通系統(tǒng)中車型識別的軟件設(shè)計與實現(xiàn)[A];全國第4屆信號和智能信息處理與應(yīng)用學(xué)術(shù)會議論文集[C];2010年

2 王超;劉翠響;;視頻圖像中車輛的車型識別算法研究與實現(xiàn)[A];第二十七屆中國（天津）2013IT、網(wǎng)絡(luò)、信息技術(shù)、電子、儀器儀表創(chuàng)新學(xué)術(shù)會議論文集[C];2013年

3 鄧天民;邵毅明;崔建江;;一種車型識別算法及其應(yīng)用[A];計算機技術(shù)與應(yīng)用進展——全國第17屆計算機科學(xué)與技術(shù)應(yīng)用（CACIS）學(xué)術(shù)會議論文集（上冊）[C];2006年

4 張全元;戴光明;陳良;;一種新的基于實時視頻流的車型識別算法[A];圖像圖形技術(shù)與應(yīng)用進展——第三屆圖像圖形技術(shù)與應(yīng)用學(xué)術(shù)會議論文集[C];2008年

5 張大奇;曲仕茹;劉真崢;;基于環(huán)投影小波分形特征的車型自動識別方案[A];計算機技術(shù)與應(yīng)用進展·2007——全國第18屆計算機技術(shù)與應(yīng)用（CACIS）學(xué)術(shù)會議論文集[C];2007年

6 趙天青;梁旭斌;許學(xué)忠;蔡宗義;張敏;;車型識別中聽覺特征提取算法的研究[A];第三屆上�！靼猜晫W(xué)學(xué)會學(xué)術(shù)會議論文集[C];2013年

7 劉直芳;游健;王運瓊;游志勝;;運動汽車投影陰影分割算法[A];第十三屆全國圖象圖形學(xué)學(xué)術(shù)會議論文集[C];2006年

相關(guān)博士學(xué)位論文 前2條

1 李麗宏;基于多傳感器信息融合的超限超載檢測系統(tǒng)設(shè)計研究[D];太原理工大學(xué);2013年

2 胡耀民;基于視頻的車型識別關(guān)鍵技術(shù)研究[D];華南理工大學(xué);2014年

相關(guān)碩士學(xué)位論文 前10條

1 胡歡;車輛特征學(xué)習(xí)與車型識別[D];電子科技大學(xué);2017年

2 鄧柳;基于深度卷積神經(jīng)網(wǎng)絡(luò)的車型識別[D];西南交通大學(xué);2015年

3 張明貴;道路車輛的車型識別方法研究[D];貴州民族大學(xué);2015年

4 涂文華;基于數(shù)據(jù)融合的交通物聯(lián)網(wǎng)感知節(jié)點研究與應(yīng)用[D];南昌大學(xué);2015年

5 劉超;多姿態(tài)車型識別算法設(shè)計及應(yīng)用研究[D];電子科技大學(xué);2014年

6 王欣;基于小波分析的車型自動識別系統(tǒng)的設(shè)計與實現(xiàn)[D];電子科技大學(xué);2014年

7 凌永國;基于卡口圖像車型識別的研究[D];廣西師范大學(xué);2015年

8 張海彬;基于卡口圖像的車型識別方法研究[D];合肥工業(yè)大學(xué);2015年

9 郭志明;基于視頻圖像的車型識別方法的研究[D];東北大學(xué);2014年

10 張飛云;基于深度學(xué)習(xí)的車輛定位及車型識別研究[D];江蘇大學(xué);2016年

本文編號：2582889