陈淑君 周永霞 方勇军

1(中国计量学院信息工程学院 浙江 杭州 310018)2(杭州吾思智能科技有限公司 浙江 杭州 310018)

基于卷积神经网络的汽车型号识别

陈淑君1周永霞1方勇军2

1(中国计量学院信息工程学院 浙江 杭州 310018)2(杭州吾思智能科技有限公司 浙江 杭州 310018)

利用汽车的前视图像，提出一种基于深度学习的汽车型号识别方案。首先用Adaboost算法的级联检测器检测出汽车的车头感兴趣区域。然后针对该感兴趣区域，设计相应的卷积神经网络模型进行汽车型号识别。实验分别对比了当前流行的手工设计特征(SIFT、HOG和LBP特征)用SVM及ELM分类器的识别效果。实验结果显示，基于深度学习的方法识别率显著高于传统机器学习方法，表现出卓越的性能。

深度学习 卷积神经网络 Adaboost LBP SVM 车辆识别

0 引 言

随着经济的快速发展，汽车的数量急剧增多，关于车辆的交通事故、违法犯罪等问题也越发严重，人们对于车辆的智能化管理需求越发迫切。车辆识别对智能交通和车辆的智能化管理有着重要的作用，一直是当前计算机研究的热点。车辆的识别研究，包括车牌号识别、车标识别、汽车具体型号识别等。当前，车牌号的识别技术已较为成熟，且已广泛投入应用，但车牌号只能提供车辆的部分信息，在套牌、假牌、车牌遮挡、不挂牌等情况下，车辆身份就不明了，所以需要更完备的信息对车辆进行有效管理。而汽车具体型号是车辆的一个重要信息，尤其对打击涉车犯罪案有着重要的作用。……