基于深度學(xué)習(xí)的車輛檢測及其屬性分析的研究.pdf

1、隨著人們生活水平的不斷提高，汽車的數(shù)量逐年上升，導(dǎo)致交通密度的逐漸增大，由汽車引起的交通事故、交通擁堵、環(huán)境污染等問題越來越嚴(yán)峻，單純的依靠政府來解決已遠遠不能滿足社會的需求。因此，一個良好的智能交通系統(tǒng)就顯得尤為重要，車輛檢測及其屬性分析系統(tǒng)作為智能交通系統(tǒng)的重要組成部分，具有重要的社會意義和使用價值。本文所研究的車輛檢測及其屬性分析包括車輛檢測、車型識別以及車顏色識別三個部分。目前一般的檢測與識別方法很難解決光照、陰影、圖像質(zhì)量等因

2、素的影響，如幀差法，背景相減法等。針對以上的問題，本文了提出基于深度學(xué)習(xí)的車輛檢測及其屬性分析的方法，最后結(jié)合支持向量機(Support Vector Machine，SVM)算法對車型、車顏色進行分類識別。本文主要開展的工作如下:
　　(1)基于深度學(xué)習(xí)的車輛檢測。本文提出將深度學(xué)習(xí)的特征提取算法運用到車輛特征的提取當(dāng)中，首先通過快速選擇性搜索模型提取車輛的候選區(qū)域，然后分別提取各個候選區(qū)域的深度特征，并結(jié)合SVM算法的二分類模

3、型對車輛特征進行分類識別，最終輸出正確的車輛檢測結(jié)果，并將車輛的檢測結(jié)果運用到后續(xù)的車型及車顏色的識別當(dāng)中。
　　(2)車型識別系統(tǒng)。根據(jù)車輛明顯的外形特點，本文以梯度方向直方圖(Histogram of Oriented Gradient, HOG)特征為車型識別中的車輛特征提取方法，并結(jié)合SVM分類模型對車型進行識別，車型的種類共包括轎車、客車（公交、巴士等）、SUV、大貨車、小貨車、其他（非機動車、農(nóng)用車等）六類。該方法在前

4、車檢測的基礎(chǔ)上，首先通過計算梯度并在梯度方向上提取車輛特征，然后將這些特征送入到SVM分類器進行訓(xùn)練，得到車型的識別模型，并輸出車型識別的結(jié)果。
　　(3)車顏色識別系統(tǒng)。本文采用顏色空間的rg-hue組合特征作為車顏色特征提取方法，并結(jié)合SVM分類算法對車顏色進行識別，車顏色的種類共包括黑色、黃色、綠色、白色、紅色、藍色六類。該方法是在前車檢測的基礎(chǔ)上，對于正面車輛圖像，首先定位車身具有代表性的顏色區(qū)域，本文根據(jù)基于Adaboo