车辆特征学习与车型识别

发布时间：2020-02-26 02:28

【摘要】：汽车业的快速发展给我们的生活带来了巨大的便利,同时也带来了很多问题,如交通堵塞、盗抢机动车辆、利用机动车辆犯罪等等。通过现有技术自动识别车辆车型可以对该类问题快速反应,加快解决效率。车辆特征学习是车型识别的重要环节,而有效地提取和描述车辆图像的特征信息、建立有效的车型识别模型和理论框架以及高效地应对大规模车辆图像的实时识别处理,是车辆特征学习与车型识别研究的关键。本文对车辆图像的本质特征进行了深入学习研究,构建了相应的车型识别框架,主要研究内容如下:1、研究分析了车辆图像的传统特征性能,构建了基于传统特征的车型识别框架。对目前广泛使用的底层特征算子SIFT、HOG、LBP进行了研究学习,并在其基础上提取了车辆图像的中层特征BOF、FV、VLAD。通过车型识别实验表明,传统特征算子的表现力并不理想。2、研究分析了车辆图像的深度融合特征,构建了基于深度融合特征的车型识别框架。对近几年最为经典的深度网络框架的构成原理和设计思路进行了深入分析和研究,针对现有深层网络的不足,对GoogLeNet的Inception模块进行了进一步分解,并尝试将Inception模块和ResNet进行融合,构建了基于深度融合特征的车型识别框架。通过车型识别实验表明,深度融合特征是有效的,提升了车型识别的识别率。3、研究分析了车辆图像的深度稠密特征,探索车辆图像更为本质的特征表达。针对现有深层次网络难以训练的问题,基于ResNet的残差连接思路进行了深度稠密特征学习,同时将中心损失函数融入网络构建了车型识别框架。实验结果表明深度稠密特征更为紧凑,网络的参数量变少,且进一步提升了车型识别的识别率。
【图文】：

电子科技大学硕士学位论文提取车辆特征，对车辆型号进行分类识别。但由于不同相机硬件、不同品牌的摄像机拍摄的图像通常具有不同的质量，同时照明条件的干扰和透视失真等等都给车型识别增加了难度。由此可见，车辆特征学习是自动识别汽车车型的重要环节。它是一项涉及图像处理、模式识别、计算机视觉、统计学习与概率推理等多学科交叉融合的前沿技术和热点研究主题，得到国内外学者的广泛关注。基本车型识别流程如图 1-1所示，由于路况复杂、路面上的车辆越来越多、车辆之间的相似度越来越高以及无牌车辆、套牌车辆的出现，使得车辆特征学习面临很多困难和挑战，所以对车辆特征学习和车辆车型识别进行深入研究具有重大意义。而有效地提取和描述车辆图像的特征信息、建立有效的车型识别模型和理论框架以及高效地应对大规模车辆图像的实时识别处理，是车辆特征学习与车型识别研究的关键。

设置关键点的主方向，使关键点具有旋转所在的尺度图像，按式(2-1)和(2-2)对关键点所在的邻小 m x, y 与方向 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 键点所在尺度图像。然后将 360 度分成 8 个区间，来分布，形成一个直方图表示，选取累计幅值最大的方到最大幅值 80%的方向选作辅助方向。据关键点周围的局部特性生成特征描述子。将关键点4的子窗口，，在每个4 4的子窗口中，计算梯度方向直方图来统计这个子窗口的梯度方向，得到最终的 1 2-1 为车辆图像的 SIFT 特征提取结果，图中的圆半小，而圆内的半径方向为该关键点的主方向。
【学位授予单位】：电子科技大学
【学位级别】：硕士
【学位授予年份】：2017
【分类号】：U495;TP391.41

【相似文献】

相关期刊论文 前10条

1 运国莲;陈启美;丁胜军;;基于非完备贝叶斯网络的车型识别方法[J];交通与计算机;2006年01期

2 张宁;施毅;何铁军;;基于虚拟线圈的车型识别研究[J];交通与计算机;2008年01期

3 华莉琴;许维;王拓;马瑞芳;胥博;;采用改进的尺度不变特征转换及多视角模型对车型识别[J];西安交通大学学报;2013年04期

4 刘玉铭,白明;一种基于模糊模式识别方法的车型识别仪[J];公路交通科技;2000年01期

5 王阳萍,何欣;智能图像处理技术在车型识别中的应用研究[J];兰州交通大学学报;2004年04期

6 季晨光;张晓宇;白相宇;;基于视频图像中的车型识别[J];辽宁工业大学学报(自然科学版);2010年01期

7 张友兵,陈家祺,史旅华,田瑞庭;基于神经网络的汽车车型识别[J];湖北汽车工业学院学报;1998年03期

8 陈家祺,张友兵,史旅华,田瑞庭,傅正朝,舒章钧;运动图像处理在车型识别中的应用[J];汽车工程;1998年06期

9 欧卫华;唐东黎;闻斌;;基于遗传算法优化的模糊神经网络车型识别[J];湖南工业大学学报;2010年02期

10 王明哲;吴皓;周丰;;基于地磁的车型识别模糊数据融合方法研究[J];公路交通科技;2008年01期

相关会议论文 前7条

1 韩冬梅;吕芳;;智能交通系统中车型识别的软件设计与实现[A];全国第4届信号和智能信息处理与应用学术会议论文集[C];2010年

2 王超;刘翠响;;视频图像中车辆的车型识别算法研究与实现[A];第二十七届中国（天津）2013IT、网络、信息技术、电子、仪器仪表创新学术会议论文集[C];2013年

3 邓天民;邵毅明;崔建江;;一种车型识别算法及其应用[A];计算机技术与应用进展——全国第17届计算机科学与技术应用（CACIS）学术会议论文集（上册）[C];2006年

4 张全元;戴光明;陈良;;一种新的基于实时视频流的车型识别算法[A];图像图形技术与应用进展——第三届图像图形技术与应用学术会议论文集[C];2008年

5 张大奇;曲仕茹;刘真峥;;基于环投影小波分形特征的车型自动识别方案[A];计算机技术与应用进展·2007——全国第18届计算机技术与应用（CACIS）学术会议论文集[C];2007年

6 赵天青;梁旭斌;许学忠;蔡宗义;张敏;;车型识别中听觉特征提取算法的研究[A];第三届上海——西安声学学会学术会议论文集[C];2013年

7 刘直芳;游健;王运琼;游志胜;;运动汽车投影阴影分割算法[A];第十三届全国图象图形学学术会议论文集[C];2006年

相关博士学位论文 前2条

1 李丽宏;基于多传感器信息融合的超限超载检测系统设计研究[D];太原理工大学;2013年

2 胡耀民;基于视频的车型识别关键技术研究[D];华南理工大学;2014年

相关硕士学位论文 前10条

1 胡欢;车辆特征学习与车型识别[D];电子科技大学;2017年

2 邓柳;基于深度卷积神经网络的车型识别[D];西南交通大学;2015年

3 张明贵;道路车辆的车型识别方法研究[D];贵州民族大学;2015年

4 涂文华;基于数据融合的交通物联网感知节点研究与应用[D];南昌大学;2015年

5 刘超;多姿态车型识别算法设计及应用研究[D];电子科技大学;2014年

6 王欣;基于小波分析的车型自动识别系统的设计与实现[D];电子科技大学;2014年

7 凌永国;基于卡口图像车型识别的研究[D];广西师范大学;2015年

8 张海彬;基于卡口图像的车型识别方法研究[D];合肥工业大学;2015年

9 郭志明;基于视频图像的车型识别方法的研究[D];东北大学;2014年

10 张飞云;基于深度学习的车辆定位及车型识别研究[D];江苏大学;2016年

本文编号：2582889