【摘要】：車標(biāo)識(shí)別作為智能交通系統(tǒng)的一個(gè)重要組成部分,在車輛管理和交通管理領(lǐng)域具有廣泛的應(yīng)用前景,同時(shí)車標(biāo)識(shí)別為車輛身份認(rèn)證提供了重要信息具有一定的研究?jī)r(jià)值�，F(xiàn)有的車標(biāo)識(shí)別算法中,提供的特征大多為手工設(shè)計(jì)的特征,其缺點(diǎn)是:需要豐富的經(jīng)驗(yàn)來設(shè)計(jì)和優(yōu)化特征描述子,面對(duì)復(fù)雜環(huán)境魯棒性差。與手工設(shè)計(jì)的特征相比,基于特征學(xué)習(xí)的車標(biāo)識(shí)別方法在解決復(fù)雜環(huán)境下的車標(biāo)識(shí)別問題方面具有很大的優(yōu)勢(shì)。因此,本文針對(duì)基于特征學(xué)習(xí)的車標(biāo)識(shí)別方法進(jìn)行研究,主要工作如下:(1)分析現(xiàn)有的各類車標(biāo)識(shí)別算法:對(duì)現(xiàn)有的車標(biāo)識(shí)別算法進(jìn)行總結(jié),包括基于傳統(tǒng)特征的車標(biāo)識(shí)別算法和基于深度學(xué)習(xí)的車標(biāo)識(shí)別算法,并對(duì)各算法的特點(diǎn)進(jìn)行分析。(2)提出了一種逐步細(xì)化的車標(biāo)精細(xì)定位方案:結(jié)合車標(biāo)與車牌和車臉的位置關(guān)系,提出一種由粗到精的車標(biāo)細(xì)定位方法,在車牌和車臉的基礎(chǔ)上首先實(shí)現(xiàn)車標(biāo)的粗定位,通過提取車標(biāo)區(qū)域和非車標(biāo)區(qū)域的特征,結(jié)合Adaboost算法訓(xùn)練分類器模型,最終實(shí)現(xiàn)車標(biāo)細(xì)定位。(3)提出了一種基于特征學(xué)習(xí)的車標(biāo)識(shí)別算法:結(jié)合傳統(tǒng)特征中的局部采樣方法和深度學(xué)習(xí)里的網(wǎng)絡(luò)結(jié)構(gòu),提出一種基于學(xué)習(xí)的車標(biāo)特征提取方法,通過學(xué)習(xí)到的映射參數(shù)將提取的像素梯度差映射到一個(gè)低維的二值特征向量,使得提取的車標(biāo)特征更加緊湊和魯棒。
【圖文】：

在實(shí)際的道路交通環(huán)境中，由于卡口圖像懫樣區(qū)域大，車輛行駛速度快，背逡逑景環(huán)境復(fù)雜，直接對(duì)過往車輛進(jìn)行車標(biāo)識(shí)別的可能性不大。因此考慮首先對(duì)過往逡逑車輛進(jìn)行目標(biāo)檢測(cè)和提取，為進(jìn)一步的車標(biāo)定位提供有利條件。如圖１．１所示為逡逑實(shí)際高速卡口拍攝系統(tǒng)獲取的車輛圖像。逡逑２逡逑

a垮逡誨澹咤澹�、、Ｕ：j�、，：、、擦P垮澹�？邋Ｓz穡�，’至x賢跡保備咚倏ǹ諗納閬低郴袢〉某盜就枷皴義希疲椋玨澹保卞澹裕瑁邋澹觶澹瑁椋悖歟邋澹椋恚幔紓邋澹悖幔穡簦酰潁澹溴澹猓澹瑁椋紓瑁鰨幔澹悖幔恚澹潁徨義險(xiǎn)攵愿咚倏ǹ諗納闈蚰詰墓盜臼賈沾τ讜碩刺庖惶氐悖南祝礤義俠迷碩勘曇觳獾姆椒ǹ燜俁ㄎ壞匠盜疚恢�，再进兄C當(dāng)甑拇侄ㄎ�。文献｀P玻蒎義喜捎沒諳袼氐淖允視觳饉惴ǎ�，栽傡拆}苯歡勘曜魑塵�，源T勘曜魑義锨熬�，利用眽m安罘址ń⒈塵澳Ｐ停員惹昂罅椒枷裰淶謀浠辭直塵板義嫌肭熬�，磦蝤获取潮I就枷�。卡空r蚰誄盜靜糠趾凸凡糠直囈緱饗�，易诱r義戲鄭虼艘恍┭д囈咴導(dǎo)觳庥糜誄盜炯觳獾難芯恐�，也取得了不错的效果。辶x銑盜就枷窠厝『蟛⒉荒莧范ǔ當(dāng)甑奈恢�，而钞�(dāng)甑畝ㄎ揮種苯佑跋斕匠當(dāng)曄跺義媳

本文編號(hào)：2706228