基于深度學習的車輛多維特征檢測研究.pdf

1、卡口車輛信息檢測識別是智能交通的重要環(huán)節(jié)。目前的汽車卡口車輛信息檢測識別在檢測特征上比較單一，主要實現(xiàn)對車牌的檢測，多數(shù)應用于停車場或道路汽車管理和收費。但在智能交通、公安刑偵和反恐等領域，需要對汽車多維特征進行檢測，包括車牌、車標、車型等。例如，遇到環(huán)境（雨霧天、夜間）或者人為影響（車牌遮擋、車牌位置干擾）時，車牌檢測一旦失效，難以掌握車輛信息。
　　本文提出了一種汽車多維特征識別檢測的方法，通過建立基于深度學習的卷積神經網(wǎng)絡模

2、型，同時對車輛多個特征進行檢測，即使遇到部分特征檢測失敗的情況，仍然可以依據(jù)車輛的其他特征掌握車輛信息。本文提出的方法能夠適應復雜環(huán)境中采集圖像模糊和干擾情況下的車牌和車標檢測，具有較好的魯棒性；在算法層面上，實現(xiàn)了多維特征端到端的檢測過程，降低了算法的復雜性；采用數(shù)據(jù)并行及GPU加速的方法，提高了模型訓練效率。
　　綜上所述，本文提出的基于深度學習的Faster-RCNN基于卷積神經網(wǎng)絡模型的研究方法能夠對車輛的多維特征進行檢測

3、。在面對復雜環(huán)境時，車輛多維特征的識別率為94.6％，達到在正常環(huán)境下的檢測準確率水平。而基于深度學習端到端的特點，避免了傳統(tǒng)圖像處理中需要經過人工干預后的特征提取，空間變換，機器學習的算法才能進行分類識別的復雜過程，達到從原始圖像輸入之間輸入目標結果的效果，降低算法復雜性。而在算法訓練過程中使用GPU加速以及數(shù)據(jù)并行的優(yōu)化處理，訓練耗費的時間減少了5倍，提高訓練效率。同時該車輛多維特征檢測的方法，檢測時允許不同的車輛在檢測圖像的任意位