基于預訓練卷積神經(jīng)網(wǎng)絡的車標識別研究.pdf

1、隨著社會的進步與經(jīng)濟的發(fā)展，人們經(jīng)濟水平與物質(zhì)生活水平的提高，越來越多的人加入了有車族的行列。但汽車在給我們的生活出行帶來便捷的同時，也給交通管理與執(zhí)法系統(tǒng)帶來了越來越大的壓力。目前，交通執(zhí)法部門主要通過汽車車牌以及電子眼布控對交通實施監(jiān)管。但是因為越來越多套牌車輛的存在，僅僅依靠車牌作為車輛唯一的識別標志已經(jīng)不合時宜。而車輛中車標的信息往往是很明顯而且難以更換的，所以使用車牌、車標聯(lián)合識別系統(tǒng)比單一的車牌識別系統(tǒng)更符合現(xiàn)在的交通情況。

2、
　　傳統(tǒng)的車標識別方法都是針對收費站等卡口位置，因為車標位置相對固定，識別比較容易。而對于自然場景中的車標識別，則需要對車標進行十分精確的定位，并且其維護管理成本或者運算時間成本較大，無法達到實時處理的要求，故而不能在實際中得到應用?，F(xiàn)有的車標識別算法無法滿足在自然場景中車標的快速識別，因此本課題將針對自然場景中的車標快速識別方法進行研究。
　　本課題基于深度學習，將主成分分析與卷積神經(jīng)網(wǎng)絡相結(jié)合，提出了一種卷積神經(jīng)網(wǎng)絡的

3、預訓練策略，大幅減少網(wǎng)絡訓練時間，使得網(wǎng)絡更新與運算處理時間均能夠達到實時處理的要求。本文的主要工作如下:
　　1、利用車標車牌相對位置信息完成車標的快速定位與粗分割，利用多尺度框架解決了因為拍攝距離遠近不同而導致難以定位的問題。
　　2、提出利用主成分分析預訓練卷積神經(jīng)網(wǎng)絡卷積核的方法直接完成卷積核的預訓練，無需利用反向傳導算法對卷積核進行調(diào)整優(yōu)化，降低了整體的算法時間復雜度。利用隨手拍車標數(shù)據(jù)庫進行了分類識別實驗，識別準

4、確率達到99.07％，并且在實驗中證明該算法的訓練速度比卷積神經(jīng)網(wǎng)絡速度提高60倍。
　　3、完成利用預訓練卷積神經(jīng)網(wǎng)絡在不同環(huán)境不同情況下的魯棒性實驗設計與驗證，實驗表明，在旋轉(zhuǎn)、加噪，光強變換以及多種混合畸變情況下，該系統(tǒng)均能夠在比較高的識別準確率下工作，說明系統(tǒng)魯棒性十分良好。
　　本文所提出車標定位與識別的算法不論在運算速度還是在識別準確率上都比原有的卷積神經(jīng)網(wǎng)絡算法有所提升，已經(jīng)達到實時應用的標準，并且在各種不同環(huán)