多角度下车辆品牌识别技术的研究及实现
发布时间：2021-06-10 18:01
随着时代的发展和国民消费水平的不断提高,机动车的数量日益增长;而对于车辆的实时监控和管理仅靠人力已经难以完成,必须借助人工智能等智能交通手段。其中,车辆品牌和子品牌的识别是车辆管理中的一个重要环节,人们可以通过对道路上监控摄像头中的视频图像进行分析,实现车辆品牌识别与分类,进而进行统计与数据分析,对城市车辆进行有效管理。近年来,计算机视觉领域蓬勃发展,在很多视觉处理任务中,计算机的识别水平甚至超过了肉眼的正常水平。但是在实际交通环境下,车辆被监控摄像头拍下的角度是多种多样的,并且拍摄时间、天气、光照角度等外界条件对拍下的车辆图片清晰度影响很大,这对于车辆品牌的识别有较大的难度,对于人工标注来说更是工作量巨大。此外,实际的交通环境千差万别,在一个环境下识别效果较好的模型到了新的环境中可能会有较大的准确率下降。因此,如何在环境改变时仍能保持一个较高的准确率是一个需要解决的问题。本文的目的是在监控视频场景下多角度的车辆图片中识别车辆的品牌和子品牌信息,并且解决新场景下没有大量车辆品牌标注数据的冷启动问题,从而在不同的场景中保持较高的车辆品牌识别准确率。本文所做的主要工作及贡献有:（1）选用不...
【文章来源】：北京邮电大学北京市 211工程院校 教育部直属院校
【文章页数】：71 页
【学位级别】：硕士
【部分图文】：
图１－１智慧交通中车辆信息识别过程??
随着深度学习的发展，很多使用卷积神经网络的方法来进行细粒度分类，包括在??车辆品牌识别领域，通过神经网络提取特征来进行分类。由于卷积神经网络的梯度不??变性和角度不变性，深度学习对汽车品牌特征的提取不再强依赖于车标、车脸等具体??细节特征，也对监控场景中的多角度的特点有很好的处理能力。汽车品牌的分类问题??是汽车这一大类下的细分类的问题，统归细粒度分类问题，与此类似的还有花的品种??识别等。深度学习对于细粒度分类问题的处理通常为，使用ＩｍａｇｅＮｅｔ中预训练的１０００??个分类的模型，去对有标注的细粒度分类训练集进行微调训练。从而提取到细分类的??特征，并应用到测试集中进行识别。因此在汽车品牌识别的领域中，大家一般把目标??聚集在有标注的图片数据集的获取和收集上。??当前车辆品牌识别研究所使用的数据集大多是从网络中选取的高质量图片（比??如汽车门户网站、论坛，大多为汽车销售商所提供的图像）。网络来源图片的特点是??分辨率很高，角度以正面为主，光线良好，图片中其他物体的干扰遮挡较少。也有一??些数据集来自监控视频场景，但是由于多个摄像头大量拍摄的汽车图片获取难度较??高，人工标注难度较大，这方面的大规模有标注的图片数据集比较少。在智慧交通实??
?１８．５??ＣｏｍｐＣａｒｓ数据集的标注中包含车辆在图片中的ｘ轴、ｙ轴坐标，长宽，类别等??信息（如图３－１所示），并提供了约５：５的训练集测试集划分文件以及４３１个类别的??映射表（如图３－２所示）。而在Ｃａｆｆｅ中，需要输入模型中的是每个图片数据的图片??位置、分类信息，以及分类数字和具体分类名称之间的映射表。??ｌｉｌＪ?ＡＢ１ｋ２?ｃｅｌｌ??１２?３?４?５?６?７??４．００?Ｍｉｔｓｕｂｉｓｈｉ?Ｍｉｔｓｕｂｔｓｈｉ?．．．．??ＳＡＡＢ?ＳＡＡＢ?Ｄ７０??．４０２?Ｗｕｌｍ＾ｇ?Ｗｕｌｉｎ＾ｈｏｎ．．．??１４０３?Ｗｕｌｍ＾?Ｗｕｌｒｎ＾ｚｈｉ＂？??４．０４?Ｗｕｌｍ－ｇ?Ｗｕｌｍ－ｇｒｏｒｓ＊．．，??丨忒０５?Ｃｈｅｖｙ?ＡＶ’ＥＯ?ａｔｅ…??；；－４〇６?Ｃｈ＜ｅ＜ｖｙ?Ｔｒ－ａｘ??＼Ａ〇７?Ｃｈ＾ｗｙ?Ｅｐｉｃ?ａ??＼ＡＯＢ?Ｃｈｅｖｙ?Ｃｒｕｚｅ?ｓｅｄａｎ??ｉ?－４０９?Ｃｈｅｖｙ?Ｃｒｕｚｅ?ｈａｔｉｃ．…??１４１０?Ｃｈ＾ｅｖｙ?Ｃａｐｔｉｖｅ??图３－２?ＣｏｍｐＣａｒｓ数据集４３１个车辆品牌分类表??首先对类别信息映射表进行处理，共分为以下几步：拿到训练集文件后在车辆厂??商品牌的ＭＡＴＬＡＢ映射表中寻找厂商的信息，并记录厂商与编码之间的对应关系。??并从厂商编码往下寻找子品牌的编码信息，若找到则记录形成标注对照表，若没找到??则继续遍历。标注对照表的生成过程如图３－３所示，生成的对照表格式为??“ｘ：ｘｘｘｘ＿ｃｌａｓｓＮａｍｅ?ｍｏｄａｌＮａｍｅ”
【参考文献】：
期刊论文
[1]车辆识别技术综述[J]. 张强,李嘉锋,卓力. 北京工业大学学报. 2018(03)
[2]车辆属性识别及跨场景标注方案[J]. 董振江,高燕,吴文熙. 中兴通讯技术. 2017(04)
硕士论文
[1]车辆多特征识别算法研究与实现[D]. 于国辉.电子科技大学 2016
[2]基于卷积神经网络的车脸识别研究[D]. 姚钦文.浙江大学 2016
[3]基于GRM模板匹配算法的车型和车系识别[D]. 唐红强.电子科技大学 2014
[4]基于深度学习的车辆型号识别[D]. 熊祎.华中科技大学 2014
[5]基于多示例学习的跨场景图像自动标注研究[D]. 王晓明.哈尔滨工业大学 2013
本文编号：3222863
【文章来源】：北京邮电大学北京市 211工程院校 教育部直属院校
【文章页数】：71 页
【学位级别】：硕士
【部分图文】：
图１－１智慧交通中车辆信息识别过程??
随着深度学习的发展，很多使用卷积神经网络的方法来进行细粒度分类，包括在??车辆品牌识别领域，通过神经网络提取特征来进行分类。由于卷积神经网络的梯度不??变性和角度不变性，深度学习对汽车品牌特征的提取不再强依赖于车标、车脸等具体??细节特征，也对监控场景中的多角度的特点有很好的处理能力。汽车品牌的分类问题??是汽车这一大类下的细分类的问题，统归细粒度分类问题，与此类似的还有花的品种??识别等。深度学习对于细粒度分类问题的处理通常为，使用ＩｍａｇｅＮｅｔ中预训练的１０００??个分类的模型，去对有标注的细粒度分类训练集进行微调训练。从而提取到细分类的??特征，并应用到测试集中进行识别。因此在汽车品牌识别的领域中，大家一般把目标??聚集在有标注的图片数据集的获取和收集上。??当前车辆品牌识别研究所使用的数据集大多是从网络中选取的高质量图片（比??如汽车门户网站、论坛，大多为汽车销售商所提供的图像）。网络来源图片的特点是??分辨率很高，角度以正面为主，光线良好，图片中其他物体的干扰遮挡较少。也有一??些数据集来自监控视频场景，但是由于多个摄像头大量拍摄的汽车图片获取难度较??高，人工标注难度较大，这方面的大规模有标注的图片数据集比较少。在智慧交通实??
?１８．５??ＣｏｍｐＣａｒｓ数据集的标注中包含车辆在图片中的ｘ轴、ｙ轴坐标，长宽，类别等??信息（如图３－１所示），并提供了约５：５的训练集测试集划分文件以及４３１个类别的??映射表（如图３－２所示）。而在Ｃａｆｆｅ中，需要输入模型中的是每个图片数据的图片??位置、分类信息，以及分类数字和具体分类名称之间的映射表。??ｌｉｌＪ?ＡＢ１ｋ２?ｃｅｌｌ??１２?３?４?５?６?７??４．００?Ｍｉｔｓｕｂｉｓｈｉ?Ｍｉｔｓｕｂｔｓｈｉ?．．．．??ＳＡＡＢ?ＳＡＡＢ?Ｄ７０??．４０２?Ｗｕｌｍ＾ｇ?Ｗｕｌｉｎ＾ｈｏｎ．．．??１４０３?Ｗｕｌｍ＾?Ｗｕｌｒｎ＾ｚｈｉ＂？??４．０４?Ｗｕｌｍ－ｇ?Ｗｕｌｍ－ｇｒｏｒｓ＊．．，??丨忒０５?Ｃｈｅｖｙ?ＡＶ’ＥＯ?ａｔｅ…??；；－４〇６?Ｃｈ＜ｅ＜ｖｙ?Ｔｒ－ａｘ??＼Ａ〇７?Ｃｈ＾ｗｙ?Ｅｐｉｃ?ａ??＼ＡＯＢ?Ｃｈｅｖｙ?Ｃｒｕｚｅ?ｓｅｄａｎ??ｉ?－４０９?Ｃｈｅｖｙ?Ｃｒｕｚｅ?ｈａｔｉｃ．…??１４１０?Ｃｈ＾ｅｖｙ?Ｃａｐｔｉｖｅ??图３－２?ＣｏｍｐＣａｒｓ数据集４３１个车辆品牌分类表??首先对类别信息映射表进行处理，共分为以下几步：拿到训练集文件后在车辆厂??商品牌的ＭＡＴＬＡＢ映射表中寻找厂商的信息，并记录厂商与编码之间的对应关系。??并从厂商编码往下寻找子品牌的编码信息，若找到则记录形成标注对照表，若没找到??则继续遍历。标注对照表的生成过程如图３－３所示，生成的对照表格式为??“ｘ：ｘｘｘｘ＿ｃｌａｓｓＮａｍｅ?ｍｏｄａｌＮａｍｅ”
【参考文献】：
期刊论文
[1]车辆识别技术综述[J]. 张强,李嘉锋,卓力. 北京工业大学学报. 2018(03)
[2]车辆属性识别及跨场景标注方案[J]. 董振江,高燕,吴文熙. 中兴通讯技术. 2017(04)
硕士论文
[1]车辆多特征识别算法研究与实现[D]. 于国辉.电子科技大学 2016
[2]基于卷积神经网络的车脸识别研究[D]. 姚钦文.浙江大学 2016
[3]基于GRM模板匹配算法的车型和车系识别[D]. 唐红强.电子科技大学 2014
[4]基于深度学习的车辆型号识别[D]. 熊祎.华中科技大学 2014
[5]基于多示例学习的跨场景图像自动标注研究[D]. 王晓明.哈尔滨工业大学 2013
本文编号：3222863
本文链接：https://www.wllwen.com/kejilunwen/shengwushengchang/3222863.html
最近更新
教材专著
