近年來,隨著機(jī)動(dòng)車的數(shù)量急劇增大,由此帶來的交通擁堵、交通事故等交通問題也越來越突出,而智能交通系統(tǒng)的出現(xiàn)在一定程度上成為了解決交通問題的一個(gè)重要途徑。其中,車型識(shí)別技術(shù)是智能交通系統(tǒng)中一項(xiàng)關(guān)鍵的技術(shù),在交通肇事追逃、假牌套牌車追查等交通管理方面具有重要應(yīng)用。目前,在車牌照無法識(shí)別的情況下,已有的車型識(shí)別方法僅能夠?qū)崿F(xiàn)大、中、小車型的簡(jiǎn)單分類,還不能滿足追逃、追查等交通管理的需要。因此,如何在無牌照信息情況下,快速準(zhǔn)確的對(duì)車輛品牌、型號(hào)等信息進(jìn)行精細(xì)車型識(shí)別和分類是目前車型識(shí)別方法的研究重點(diǎn)和方向,具有一定的實(shí)際意義。借鑒國(guó)內(nèi)外在計(jì)算機(jī)視覺領(lǐng)域相關(guān)的研究成果,本文建立了一種基于眾包層與深度學(xué)習(xí)融合的車型識(shí)別算法模型。算法模型采用眾包技術(shù)獲取大量的車型數(shù)據(jù)集的標(biāo)簽,并利用深度學(xué)習(xí)技術(shù)實(shí)現(xiàn)對(duì)車輛的檢測(cè)和精細(xì)識(shí)別分類。本文的研究工作如下:(1)基于深度學(xué)習(xí)的車型識(shí)別算法的研究。在分析現(xiàn)有車型識(shí)別方法的基礎(chǔ)上,著重對(duì)基于深度神經(jīng)網(wǎng)絡(luò)模型的車型識(shí)別算法模型進(jìn)行了研究。方法的主要思想是使用目標(biāo)檢測(cè)算法對(duì)原始圖片中的目標(biāo)車輛先進(jìn)行檢測(cè),以實(shí)現(xiàn)背景與目標(biāo)的區(qū)分,再采用幾種不同的深度卷積神經(jīng)網(wǎng)絡(luò)對(duì)提取到... 

【文章來源】：長(zhǎng)安大學(xué)陜西省 211工程院校 教育部直屬院校

【文章頁數(shù)】：78 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

原始圖像


本文編號(hào)：2942651