欧华杰

（北京市海淀区职工大学，北京 100083）

引言

交通管理现状与需求矛盾的进一步加剧，使每年伪造车牌、肇事逃逸、车辆违章行驶、机动车辆偷盗、遮挡车牌以及套牌车辆的违法案例越来越多[1]。为适应我国现代化智能交通建设的需要，针对交通道路车辆实时运行情况监控，因此提出基于卷积神经网络的车辆识别技术研究[2]。基于卷积神经网络的车辆识别技术能够满足目前治安卡口对车牌识别需求，对来往车辆车牌与类型快速识别，并判断车辆的合法情况，对违法犯罪车辆自动报警，同时提供查询功能，快速查询历史过往车辆信息、自动生成和导出车辆统计信息，方便操作人员对道路安全进行监控[3]。研究过程中，考虑到车辆行驶过程中对周围环境信息实时性检测需求，根据所检测到不同类型障碍物采取处理，快速完成不同环境下车辆识别。

1 基于卷积神经网络的车辆识别技术

1.1 基于卷积神经网络的车辆识别模型

依据卷积神经网络特点，车辆识别模型设计不同网络层，通过设置模型层数与超参数影响整体模型训练过程和最终性能。模型以满足实际应用性为基础，使用五个卷积层模块结构，后面紧跟若干个全连接层[4]。在各卷积层中加入不同模块，加深卷积层内部网络深度效果，整体全连接层提取能够更多全局信息[5]。基于卷积神经网络的车辆识别模型示意图，如图1所示。

模型包含五个卷积层与两个圈连接层，将局部信息卷积层特征映射到全连接层，实现网络中间部分特征图不变条件下，实现整体网络对任意大小输入处理。……