本文關(guān)鍵詞：基于卷積神經(jīng)網(wǎng)絡(luò)的車臉識(shí)別研究，由筆耕文化傳播整理發(fā)布。

【摘要】：治安卡口系統(tǒng)是在交通道路上的特定地點(diǎn),對(duì)所有通過該卡口點(diǎn)的機(jī)動(dòng)車輛進(jìn)行拍攝、記錄與處理的一種道路交通現(xiàn)場監(jiān)測(cè)系統(tǒng)。車輛的前端部分稱為車臉,卡口系統(tǒng)主要拍攝過往車輛車臉的正面圖像。治安卡口系統(tǒng)在智能交通以及犯罪車輛追蹤等方面有重要的研究意義和應(yīng)用價(jià)值,傳統(tǒng)的治安卡口系統(tǒng)依托于人工識(shí)別和車牌識(shí)別技術(shù)對(duì)車輛進(jìn)行識(shí)別。人工識(shí)別方法效率低,且不能長時(shí)間持續(xù)有效的對(duì)車輛進(jìn)行檢測(cè)和識(shí)別；車牌識(shí)別方法難以對(duì)故意遮擋車牌、偽造車牌或套牌的違法犯罪車輛進(jìn)行有效的識(shí)別,這種情況下,需要一種更加智能的能夠基于車牌之外的其它車輛特征來對(duì)車輛進(jìn)行自動(dòng)準(zhǔn)確的識(shí)別,而車臉能夠有效的表達(dá)車輛的外觀屬性,因此可以使用車臉圖像來對(duì)車輛進(jìn)行識(shí)別。車臉識(shí)別是指依靠車輛的車臉圖像來對(duì)車輛的屬性進(jìn)行識(shí)別。本文主要聚焦于根據(jù)車臉圖像來識(shí)別車輛型號(hào)的問題。該問題的主要難點(diǎn)在于不同品牌不同型號(hào)車輛的車臉外觀差異巨大,同一型號(hào)車輛的車臉因?yàn)檐囕v配置不同也存在差異,同時(shí)車臉圖像在卡口系統(tǒng)拍攝的圖像中的顏色、位置、大小、角度等都不一致,這些因素都成為車臉識(shí)別研究的難點(diǎn)。針對(duì)這些問題,本文提出了一種基于卷積神經(jīng)網(wǎng)絡(luò)的車臉識(shí)別方法,該方法依托于車臉的外觀特征,實(shí)現(xiàn)對(duì)目標(biāo)車輛的車型進(jìn)行快速且準(zhǔn)確的識(shí)別。本文主要的研究內(nèi)容和貢獻(xiàn)如下：(1)采集和標(biāo)定了一個(gè)卡口車臉圖像數(shù)據(jù)庫,總共包含7萬多張卡口車臉圖像,共315款車型�？ǹ谲嚹槇D像一般屬于非公開數(shù)據(jù),不容易得到,所以該車臉圖像數(shù)據(jù)庫具有巨大的研究價(jià)值。(2)針對(duì)卡口車臉圖像沒有對(duì)齊的問題,定義了車臉33個(gè)特征點(diǎn),這些特征點(diǎn)標(biāo)定了車臉輪廓、擋風(fēng)玻璃、后視鏡和車牌等車臉元素。在特征點(diǎn)基礎(chǔ)上,實(shí)現(xiàn)了基于約束局部模型的車臉對(duì)齊方法,該方法能夠快速準(zhǔn)確的檢測(cè)車臉特征點(diǎn)位置,從而將所有車臉圖像對(duì)齊到相同的尺度。約束局部模型由形狀模型和特征模型兩個(gè)子模型組成,形狀模型用于描述車臉形狀,特征模型用于描述車臉特征,由兩個(gè)子模型共同完成車臉特征點(diǎn)定位。(3)針對(duì)車臉圖像特征提取方法的問題,設(shè)計(jì)并實(shí)現(xiàn)了適用于車臉圖像的卷積神經(jīng)網(wǎng)絡(luò)模型,該模型以完整的車臉圖像作為輸入,得到車臉的整體特征。在該原始模型的基礎(chǔ)上,本文研究了車臉不同組件對(duì)識(shí)別率的影響,提出了基于多組件卷積神經(jīng)網(wǎng)絡(luò)的車臉組合模型,該組合模型針對(duì)車臉的元素位置將車臉劃分為5個(gè)組件,并對(duì)每個(gè)組件分別訓(xùn)練單獨(dú)的卷積神經(jīng)網(wǎng)絡(luò)子模型,最后通過組合所有子模型的輸出特征來得到最能夠描述整體車臉的綜合特征,再使用綜合特征進(jìn)行分類和識(shí)別。在本文整理的車臉數(shù)據(jù)庫上的實(shí)驗(yàn)表明,基于約束局部模型的車臉對(duì)齊方法能顯著提高車臉識(shí)別率,比原始非對(duì)齊的車臉圖像識(shí)別率高了8%。使用基于多組件卷積神經(jīng)網(wǎng)絡(luò)的車臉組合模型對(duì)車臉提取的特征,能比傳統(tǒng)的HOG特征更好的描述車臉,最終達(dá)到92%的車臉識(shí)別正確率。
【關(guān)鍵詞】：車臉數(shù)據(jù)庫 車臉識(shí)別 約束局部模型 卷積神經(jīng)網(wǎng)絡(luò)
【學(xué)位授予單位】：浙江大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：TP391.41;TP183
【目錄】：

• 摘要5-7
• Abstract7-15
• 第1章 緒論15-30
• 1.1 治安卡口系統(tǒng)15
• 1.2 現(xiàn)有車輛識(shí)別方法的不足15-17
• 1.3 國內(nèi)外研究現(xiàn)狀17-27
• 1.3.1 物體識(shí)別概述17-21
• 1.3.2 物體識(shí)別與圖像分類21-23
• 1.3.3 人臉識(shí)別23-27
• 1.4 基于車臉識(shí)別的解決方案27-28
• 1.5 論文結(jié)構(gòu)28-30
• 第2章 基于約束局部模型的車臉對(duì)齊方法30-39
• 2.1 車臉特征點(diǎn)30-32
• 2.1.1 人臉68個(gè)特征點(diǎn)30-31
• 2.1.2 車臉33個(gè)特征點(diǎn)31-32
• 2.2 車臉約束局部模型介紹32-33
• 2.3 車臉約束局部模型訓(xùn)練33-35
• 2.3.1 使用PCA訓(xùn)練形狀模型33-34
• 2.3.2 使用SVM訓(xùn)練特征模型34-35
• 2.4 車臉約束局部模型匹配35-38
• 2.4.1 匹配流程35
• 2.4.2 匹配細(xì)節(jié)35-37
• 2.4.3 匹配演示37-38
• 2.5 本章小結(jié)38-39
• 第3章 基于卷積神經(jīng)網(wǎng)絡(luò)的車臉識(shí)別方法39-50
• 3.1 基于卷積神經(jīng)網(wǎng)絡(luò)的車臉模型39-43
• 3.1.1 卷積神經(jīng)網(wǎng)絡(luò)模型39-41
• 3.1.2 模型可視化41-43
• 3.2 基于多組件卷積神經(jīng)網(wǎng)絡(luò)的車臉組合模型43-48
• 3.2.1 組合挑選45
• 3.2.2 單組件卷積神經(jīng)網(wǎng)絡(luò)子模型45-46
• 3.2.3 模型可視化46-48
• 3.3 本章小結(jié)48-50
• 第4章 實(shí)驗(yàn)設(shè)計(jì)與結(jié)果50-57
• 4.1 數(shù)據(jù)準(zhǔn)備50-52
• 4.1.1 數(shù)據(jù)150-51
• 4.1.2 數(shù)據(jù)251
• 4.1.3 數(shù)據(jù)351-52
• 4.2 約束局部模型對(duì)齊準(zhǔn)確性實(shí)驗(yàn)52
• 4.2.1 實(shí)驗(yàn)方案52
• 4.2.2 實(shí)驗(yàn)結(jié)果52
• 4.3 約束局部模型有效性實(shí)驗(yàn)52-53
• 4.3.1 實(shí)驗(yàn)?zāi)康?/span>52-53
• 4.3.2 實(shí)驗(yàn)方案53
• 4.3.3 實(shí)驗(yàn)結(jié)果53
• 4.4 卷積神經(jīng)網(wǎng)絡(luò)有效性實(shí)驗(yàn)53-55
• 4.4.1 實(shí)驗(yàn)?zāi)康?/span>53-54
• 4.4.2 實(shí)驗(yàn)方案54-55
• 4.4.3 實(shí)驗(yàn)結(jié)果55
• 4.5 本章小結(jié)55-57
• 第5章 總結(jié)展望57-59
• 參考文獻(xiàn)59-64
• 攻讀碩士學(xué)位期間主要的研究成果64-65
• 致謝65

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 云中客;新的神經(jīng)網(wǎng)絡(luò)來自于仿生學(xué)[J];物理;2001年10期

2 唐春明,高協(xié)平;進(jìn)化神經(jīng)網(wǎng)絡(luò)的研究進(jìn)展[J];系統(tǒng)工程與電子技術(shù);2001年10期

3 李智;一種基于神經(jīng)網(wǎng)絡(luò)的煤炭調(diào)運(yùn)優(yōu)化方法[J];長沙鐵道學(xué)院學(xué)報(bào);2003年02期

4 程科,王士同,楊靜宇;新型模糊形態(tài)神經(jīng)網(wǎng)絡(luò)及其應(yīng)用研究[J];計(jì)算機(jī)工程與應(yīng)用;2004年21期

5 王凡,孟立凡;關(guān)于使用神經(jīng)網(wǎng)絡(luò)推定操作者疲勞的研究[J];人類工效學(xué);2004年03期

6 周麗暉;從統(tǒng)計(jì)角度看神經(jīng)網(wǎng)絡(luò)[J];統(tǒng)計(jì)教育;2005年06期

7 趙奇 ,劉開第 ,龐彥軍;灰色補(bǔ)償神經(jīng)網(wǎng)絡(luò)及其應(yīng)用研究[J];微計(jì)算機(jī)信息;2005年14期

8 袁婷;;神經(jīng)網(wǎng)絡(luò)在股票市場預(yù)測(cè)中的應(yīng)用[J];軟件導(dǎo)刊;2006年05期

9 尚晉;楊有;;從神經(jīng)網(wǎng)絡(luò)的過去談科學(xué)發(fā)展觀[J];重慶三峽學(xué)院學(xué)報(bào);2006年03期

10 楊鐘瑾;;神經(jīng)網(wǎng)絡(luò)的過去、現(xiàn)在和將來[J];青年探索;2006年04期

中國重要會(huì)議論文全文數(shù)據(jù)庫 前10條

1 徐春玉;;基于泛集的神經(jīng)網(wǎng)絡(luò)的混沌性[A];1996中國控制與決策學(xué)術(shù)年會(huì)論文集[C];1996年

2 周樹德;王巖;孫增圻;孫富春;;量子神經(jīng)網(wǎng)絡(luò)[A];2003年中國智能自動(dòng)化會(huì)議論文集（上冊(cè)）[C];2003年

3 羅山;張琳;范文新;;基于神經(jīng)網(wǎng)絡(luò)和簡單規(guī)劃的識(shí)別融合算法[A];2009系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)會(huì)議論文集[C];2009年

4 郭愛克;馬盡文;丁康;;序言(二)[A];1999年中國神經(jīng)網(wǎng)絡(luò)與信號(hào)處理學(xué)術(shù)會(huì)議論文集[C];1999年

5 鐘義信;;知識(shí)論:神經(jīng)網(wǎng)絡(luò)的新機(jī)遇——紀(jì)念中國神經(jīng)網(wǎng)絡(luò)10周年[A];1999年中國神經(jīng)網(wǎng)絡(luò)與信號(hào)處理學(xué)術(shù)會(huì)議論文集[C];1999年

6 許進(jìn);保錚;;神經(jīng)網(wǎng)絡(luò)與圖論[A];1999年中國神經(jīng)網(wǎng)絡(luò)與信號(hào)處理學(xué)術(shù)會(huì)議論文集[C];1999年

7 金龍;朱詩武;趙成志;陳寧;;數(shù)值預(yù)報(bào)產(chǎn)品的神經(jīng)網(wǎng)絡(luò)釋用預(yù)報(bào)應(yīng)用[A];1999年中國神經(jīng)網(wǎng)絡(luò)與信號(hào)處理學(xué)術(shù)會(huì)議論文集[C];1999年

8 田金亭;;神經(jīng)網(wǎng)絡(luò)在中學(xué)生創(chuàng)造力評(píng)估中的應(yīng)用[A];第十二屆全國心理學(xué)學(xué)術(shù)大會(huì)論文摘要集[C];2009年

9 唐墨;王科俊;;自發(fā)展神經(jīng)網(wǎng)絡(luò)的混沌特性研究[A];2009年中國智能自動(dòng)化會(huì)議論文集（第七分冊(cè)）[南京理工大學(xué)學(xué)報(bào)（增刊）][C];2009年

10 張廣遠(yuǎn);萬強(qiáng);曹海源;田方濤;;基于遺傳算法優(yōu)化神經(jīng)網(wǎng)絡(luò)的故障診斷方法研究[A];第十二屆全國設(shè)備故障診斷學(xué)術(shù)會(huì)議論文集[C];2010年

中國重要報(bào)紙全文數(shù)據(jù)庫 前10條

1 美國明尼蘇達(dá)大學(xué)社會(huì)學(xué)博士 密西西比州立大學(xué)國家戰(zhàn)略規(guī)劃與分析研究中心資深助理研究員 陳心想;維護(hù)好創(chuàng)新的“神經(jīng)網(wǎng)絡(luò)硬件”[N];中國教師報(bào);2014年

2 盧業(yè)忠;腦控電腦 驚世駭俗[N];計(jì)算機(jī)世界;2001年

3 葛一鳴 路邊文;人工神經(jīng)網(wǎng)絡(luò)將大顯身手[N];中國紡織報(bào);2003年

4 中國科技大學(xué)計(jì)算機(jī)系　邢方亮;神經(jīng)網(wǎng)絡(luò)挑戰(zhàn)人類大腦[N];計(jì)算機(jī)世界;2003年

5 記者 孫剛;“神經(jīng)網(wǎng)絡(luò)”：打開復(fù)雜工藝“黑箱”[N];解放日?qǐng)?bào);2007年

6 本報(bào)記者 劉霞;美用DNA制造出首個(gè)人造神經(jīng)網(wǎng)絡(luò)[N];科技日?qǐng)?bào);2011年

7 健康時(shí)報(bào)特約記者　 張獻(xiàn)懷;干細(xì)胞移植：修復(fù)受損的神經(jīng)網(wǎng)絡(luò)[N];健康時(shí)報(bào);2006年

8 劉力;我半導(dǎo)體神經(jīng)網(wǎng)絡(luò)技術(shù)及應(yīng)用研究達(dá)國際先進(jìn)水平[N];中國電子報(bào);2001年

9 ;神經(jīng)網(wǎng)絡(luò)和模糊邏輯[N];世界金屬導(dǎo)報(bào);2002年

10 鄒麗梅 陳耀群;江蘇科大神經(jīng)網(wǎng)絡(luò)應(yīng)用研究通過鑒定[N];中國船舶報(bào);2006年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 楊旭華;神經(jīng)網(wǎng)絡(luò)及其在控制中的應(yīng)用研究[D];浙江大學(xué);2004年

2 李素芳;基于神經(jīng)網(wǎng)絡(luò)的無線通信算法研究[D];山東大學(xué);2015年

3 石艷超;憶阻神經(jīng)網(wǎng)絡(luò)的混沌性及幾類時(shí)滯神經(jīng)網(wǎng)絡(luò)的同步研究[D];電子科技大學(xué);2014年

4 王新迎;基于隨機(jī)映射神經(jīng)網(wǎng)絡(luò)的多元時(shí)間序列預(yù)測(cè)方法研究[D];大連理工大學(xué);2015年

5 付愛民;極速學(xué)習(xí)機(jī)的訓(xùn)練殘差、穩(wěn)定性及泛化能力研究[D];中國農(nóng)業(yè)大學(xué);2015年

6 李輝;基于粒計(jì)算的神經(jīng)網(wǎng)絡(luò)及集成方法研究[D];中國礦業(yè)大學(xué);2015年

7 王衛(wèi)蘋;復(fù)雜網(wǎng)絡(luò)幾類同步控制策略研究及穩(wěn)定性分析[D];北京郵電大學(xué);2015年

8 張海軍;基于云計(jì)算的神經(jīng)網(wǎng)絡(luò)并行實(shí)現(xiàn)及其學(xué)習(xí)方法研究[D];華南理工大學(xué);2015年

9 李艷晴;風(fēng)速時(shí)間序列預(yù)測(cè)算法研究[D];北京科技大學(xué);2016年

10 曾U喺，

本文編號(hào)：271315