陈立潮，朝昕，潘理虎，曹建芳,2，张睿

（1.太原科技大学 计算机科学与技术学院，山西 太原 030024;2.忻州师范学院 计算机科学与技术系，山西 忻州 034000）

细粒度车型识别是智能交通领域的重要组成部分，旨在通过任意角度和光线环境下，识别出车辆型号、制造商、生产年份等精准有用的车辆信息。通常粗粒度车型识别提供的车辆信息不充足，识别出的大类别数据，无法做到对车辆的有效标识和追踪，细粒度车型识别区别于一般车型识别，能够对粗粒度的大类别车型进行精细的子类别识别，精确标识车辆，在交通视频中有效地进行车辆监控，不仅节省了人力资源，提高交通执法效率，而且能够快速分析套牌车辆和外观改装车辆，在车牌信息无法获取时，细粒度的车型信息尤其重要，提高了有关车辆刑事案件的侦破效率，在智能交通、交通数据分析、安防等领域具有重要意义[1]。

针对细粒度车型识别问题，国内外学者已经做了大量研究，运用不同的方法提高细粒度车型识别准确率。主要有2 种方法：基于车辆部件的方法和基于深度学习的方法。

目前已经有许多基于车型部件的细粒度车型识别方法，Liao 等[2]分析了车辆部件在细粒度车型分类中的辨别能力，提出了一种新的将各部件的区分能力整合到分类框架中的模型。Krause 等[3]在局部特征外观和位置的层面上，将两种最先进的2D 目标建模表示提升到3D，实现对车型精细识别。Fang 等[4]从整个车辆图像和检测区域中提取全局特征和局部部件特征，基于整体线索和局部部件特征的隶属层次变化，采用一对一的支持向量机分类器进行分类。……