邹涛　吴恋　邓娟　焦登才　莫胜明

摘要：在当今人工智能时代下，车标属于车辆主要标识，但需要能准确的识别，难度就较高，如何利用车标识别技术，来解决当今的智能交通中的诸多问题，是值得思考的。基于深度学习的CNN模型的车标识别方法能提高对车标识别的准确度，将车标当做探测对象，从而提高车标识别的精确性，这样解决了有关车辆辨别问题。 深度学习下的车标识别方法可以通过多样化的特征学习，能直接从训练样本集中提炼出特征，将获取到的车标图传给神经网络的分类器进行分类识别。

关键词：车标识别；深度学习；CNN模型；智能交通；人工智能

中图分类号：TP393 文献标识码：A 文章编号：1009-3044（2018）11-0207-03

Intelligent Vehicle Identification Assistant Based on Deep Learning CNN Model

ZOU Tao1，2， WU Lian1，2， DENG Juan1，2， JIAO Deng-cai1，2， MO Sheng-ming1，2

（1. College of mathematics and computer science， Guizhou normal college， Guiyang 550018，China；2. Institute of large data science and intelligent engineering， Guizhou normal college， Guiyang 550018， China）

Abstract： In todays era of artificial intelligence，as an important vehicle logo logo， can accurately identify the high degree of difficulty， can solve the traffic problems existing in intelligent transportation system using logo recognition technology. Vehicle logo recognition method under CNN deep learning model can improve the accuracy of vehicle recognition， the logo as a research object， to improve the accuracy of recognition， so as to solve a series of problems. Vehicle logo recognition method under deep learning through diversified learning， can directly extract the features from the training samples， the logo figure get into the neural network classifier for classification.

Key words： recognition；deep learning；CNN model；intelligent transportation；artificial intelligence

1 引言

随着社会的发展，智能交通系统[3]已逐渐成为我国未来交通系统的重要发展方向，市场对车辆识别技术要求越来越高，快速获取车牌信息和车辆信息成为当前车辆品牌识别的一种必要研究。早期的车标识别技术多以研究特征提取方法为主，虽然执行的效率可观，但是准确度不够而且消耗大量人力资源。

深度学习算法[1]中，卷积神经网络在图像处理、语音识别、搜索引擎等等领域获得了巨大成就，结合深度学习的算法，能有效地避免人工选取特征的繁琐和片面，选用深度学习算法将车辆品牌识别和车牌识别相结合，使网络自主选取特征进行学习和识别，大大提高了在获取识别时准确率的提高。

2 卷积神经网络

深度学习是一种高效无监督的算法技术，可以类比于人脑，模拟大脑的行为特征，对数据进行分析和解释，卷积神经网络 （CNN）作为深度学习诸多算法中的一种，通常它由N个特征提取层、下采样层和N个全连接的分类器组成。……