一种基于深度卷积神经网络的车辆颜色识别方法
2017-07-25陈宏彩河北省科学院应用数学研究所河北石家庄050081河北省信息安全认证工程技术研究中心河北石家庄050081
河北省科学院学报 2017年2期
陈宏彩(1.河北省科学院应用数学研究所,河北 石家庄 050081;2.河北省信息安全认证工程技术研究中心, 河北 石家庄050081)
一种基于深度卷积神经网络的车辆颜色识别方法
陈宏彩1,2
(1.河北省科学院应用数学研究所,河北 石家庄 050081;2.河北省信息安全认证工程技术研究中心, 河北 石家庄050081)
车辆颜色是车辆中显著而稳定的特征之一,在智能交通系统中具有重要的作用。针对人工设计的特征提取方法难以有效表达复杂环境下车辆颜色特征的问题,本文在AlexNet网络结构基础上,通过调整网络结构、优化网络参数,形成了基于卷积神经网络的车辆颜色识别网络模型。该方法不需要预处理过程,能够自适应地学习车辆颜色特征表示。对常见的车辆颜色进行训练测试的实验结果表明,本文提出的方法应用到车辆颜色识别问题上具有较好的优势。
深度学习;卷积神经网络;颜色识别;智能交通
在智能交通系统中,车牌识别[1]是一个重要而关键的研究课题。然而,随着车辆数量增多,交通环境变得日益复杂,仅靠车牌对车辆识别已经不能满足人们的需要。车辆颜色占据着车辆身体的大部分面积,更容易引起人们的兴起,从而可以弥补因车牌遮挡、车辆套牌、一车多牌等现象造成车牌识别失败的不足。目前,车辆颜色自动识别已经成为智能交通系统中的一个重要研究课题并且被广泛应用,例如在视频监控[2]、犯罪检测和执法部门。
然而,在非可控的环境下车辆颜色识别仍是一个挑战性的任务。……
登录APP查看全文
