余 胜 陈敬东 王新余

（武汉数字工程研究所 武汉 430205）

1 引言

随着我国城市化进程的提速、汽车数量的急剧增长，城市拥堵和停车难等问题也日益严重，采用车辆识别方法对城市交通和停车状况进行动态分析与调控得到了广泛的关注。目前，国内外学者提出了很多对复杂场景下的目标识别方法，然而在目标图像背景复杂、尺寸相差大、遮挡严重等情况下还存在目标识别率较低、虚警率高、实时性差等问题。

目标识别过程可分为目标检测阶段和目标分类阶段。传统的目标检测算法主要是基于支持向量机（SVM）算法［1］。为了克服传统方法过于依赖目标分割的效果，Girshick等提出RCNN模型［2］进行目标检测，拉开了利用深度学习进行目标检测的帷幕。针对已经存在的卷积神经网络算法需要输入固定的图像尺寸这一问题，Kaiming He等提出了SPP-net［3］，在 Google ImageNet竞赛上表现优异。之后，Girshick等进一步提出fast RCNN［4］缩短计算时间，提出 faster RCNN［5］减少重复计算，简化计算。为了解决实时性检测这一问题，YOLO（You Only Look Once）和 SSD（Single Shot MultiBox Detector）目标检测算法相继问世。YOLO大幅提升了计算速度，同时带来了定位精度下降的负面效应［6］，这一缺陷也被作者在YOLO v2［7］里面改善。而SSD则结合Faster-RCNN的archor机制和YOLO的回归思想，大幅提升定位精确度［8］。Jifeng Dai等则基于ResNets提出了R-FCN网络模型，相比Faster R-CNN在计算速度和定位精确度上优化效果明显。

在分类领域，一般分为三个部分：底层特征提取、图像表达、分类器。上世纪末，Lecun［10］等则对手写字体进行分类研究。本世纪初，图像分类还处于单层特征编码阶段，大多利用编码从底层特征到中层特征的转换，完成分类［11～13］。……