【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)有技術自動識別車輛車型可以對該類問題快速反應,加快解決效率。車輛特征學習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對大規(guī)模車輛圖像的實時識別處理,是車輛特征學習與車型識別研究的關鍵。本文對車輛圖像的本質特征進行了深入學習研究,構建了相應的車型識別框架,主要研究內容如下:1、研究分析了車輛圖像的傳統(tǒng)特征性能,構建了基于傳統(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進行了研究學習,并在其基礎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,構建了基于深度融合特征的車型識別框架。對近幾年最為經典的深度網絡框架的構成原理和設計思路進行了深入分析和研究,針對現(xiàn)有深層網絡的不足,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的特征表達。針對現(xiàn)有深層次網絡難以訓練的問題,基于ResNet的殘差連接思路進行了深度稠密特征學習,同時將中心損失函數(shù)融入網絡構建了車型識別框架。實驗結果表明深度稠密特征更為緊湊,網絡的參數(shù)量變少,且進一步提升了車型識別的識別率。
【圖文】：

電子科技大學碩士學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，車輛特征學習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)計學習與概率推理等多學科交叉融合的前沿技術和熱點研究主題，得到國內外學者的廣泛關注。基本車型識別流程如圖 1-1所示，由于路況復雜、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)，使得車輛特征學習面臨很多困難和挑戰(zhàn)，所以對車輛特征學習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對大規(guī)模車輛圖像的實時識別處理，是車輛特征學習與車型識別研究的關鍵。

設置關鍵點的主方向，使關鍵點具有旋轉所在的尺度圖像，按式(2-1)和(2-2)對關鍵點所在的鄰小 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)關鍵點周圍的局部特性生成特征描述子。將關鍵點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 特征提取結果，圖中的圓半小，而圓內的半徑方向為該關鍵點的主方向。
【學位授予單位】：電子科技大學
【學位級別】：碩士
【學位授予年份】：2017
【分類號】：U495;TP391.41

【相似文獻】

相關期刊論文 前10條

1 運國蓮;陳啟美;丁勝軍;;基于非完備貝葉斯網絡的車型識別方法[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換及多視角模型對車型識別[J];西安交通大學學報;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;智能圖像處理技術在車型識別中的應用研究[J];蘭州交通大學學報;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)大學學報(自然科學版);2010年01期

7 張友兵,陳家祺,史旅華,田瑞庭;基于神經網絡的汽車車型識別[J];湖北汽車工業(yè)學院學報;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)化的模糊神經網絡車型識別[J];湖南工業(yè)大學學報;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計與實現(xiàn)[A];全國第4屆信號和智能信息處理與應用學術會議論文集[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、網絡、信息技術、電子、儀器儀表創(chuàng)新學術會議論文集[C];2013年

3 鄧天民;邵毅明;崔建江;;一種車型識別算法及其應用[A];計算機技術與應用進展——全國第17屆計算機科學與技術應用（CACIS）學術會議論文集（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];圖像圖形技術與應用進展——第三屆圖像圖形技術與應用學術會議論文集[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];計算機技術與應用進展·2007——全國第18屆計算機技術與應用（CACIS）學術會議論文集[C];2007年

6 趙天青;梁旭斌;許學忠;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學會學術會議論文集[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學術會議論文集[C];2006年

相關博士學位論文 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)設計研究[D];太原理工大學;2013年

2 胡耀民;基于視頻的車型識別關鍵技術研究[D];華南理工大學;2014年

相關碩士學位論文 前10條

1 胡歡;車輛特征學習與車型識別[D];電子科技大學;2017年

2 鄧柳;基于深度卷積神經網絡的車型識別[D];西南交通大學;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;2015年

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

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

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

10 張飛云;基于深度學習的車輛定位及車型識別研究[D];江蘇大學;2016年

本文編號：2582889