近年來,隨著機動車的數(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重要途徑。其中,車型識別技術(shù)是智能交通系統(tǒng)中一項關(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,在車牌照無法識別的情況下,已有的車型識別方法僅能夠?qū)崿F(xiàn)大、中、小車型的簡單分類,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,快速準確的對車輛品牌、型號等信息進行精細車型識別和分類是目前車型識別方法的研究重點和方向,具有一定的實際意義。借鑒國內(nèi)外在計算機視覺領(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習融合的車型識別算法模型。算法模型采用眾包技術(shù)獲取大量的車型數(shù)據(jù)集的標簽,并利用深度學習技術(shù)實現(xiàn)對車輛的檢測和精細識別分類。本文的研究工作如下:(1)基于深度學習的車型識別算法的研究。在分析現(xiàn)有車型識別方法的基礎(chǔ)上,著重對基于深度神經(jīng)網(wǎng)絡(luò)模型的車型識別算法模型進行了研究。方法的主要思想是使用目標檢測算法對原始圖片中的目標車輛先進行檢測,以實現(xiàn)背景與目標的區(qū)分,再采用幾種不同的深度卷積神經(jīng)網(wǎng)絡(luò)對提取到... 

【文章來源】：長安大學陜西省 211工程院校 教育部直屬院校

【文章頁數(shù)】：78 頁

【學位級別】：碩士

【部分圖文】：

原始圖像


本文編號：2942651