版權(quán)說(shuō)明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、治安卡口系統(tǒng)是在交通道路上的特定地點(diǎn),對(duì)所有通過(guò)該卡口點(diǎn)的機(jī)動(dòng)車輛進(jìn)行拍攝、記錄與處理的一種道路交通現(xiàn)場(chǎng)監(jiān)測(cè)系統(tǒng)。車輛的前端部分稱為車臉,卡口系統(tǒng)主要拍攝過(guò)往車輛車臉的正面圖像。治安卡口系統(tǒng)在智能交通以及犯罪車輛追蹤等方面有重要的研究意義和應(yīng)用價(jià)值,傳統(tǒng)的治安卡口系統(tǒng)依托于人工識(shí)別和車牌識(shí)別技術(shù)對(duì)車輛進(jìn)行識(shí)別。人工識(shí)別方法效率低,且不能長(zhǎng)時(shí)間持續(xù)有效的對(duì)車輛進(jìn)行檢測(cè)和識(shí)別;車牌識(shí)別方法難以對(duì)故意遮擋車牌、偽造車牌或套牌的違法犯罪車輛進(jìn)行
2、有效的識(shí)別,這種情況下,需要一種更加智能的能夠基于車牌之外的其它車輛特征來(lái)對(duì)車輛進(jìn)行自動(dòng)準(zhǔn)確的識(shí)別,而車臉能夠有效的表達(dá)車輛的外觀屬性,因此可以使用車臉圖像來(lái)對(duì)車輛進(jìn)行識(shí)別。車臉識(shí)別是指依靠車輛的車臉圖像來(lái)對(duì)車輛的屬性進(jìn)行識(shí)別。本文主要聚焦于根據(jù)車臉圖像來(lái)識(shí)別車輛型號(hào)的問(wèn)題。
該問(wèn)題的主要難點(diǎn)在于不同品牌不同型號(hào)車輛的車臉外觀差異巨大,同一型號(hào)車輛的車臉因?yàn)檐囕v配置不同也存在差異,同時(shí)車臉圖像在卡口系統(tǒng)拍攝的圖像中的顏色、位置
3、、大小、角度等都不一致,這些因素都成為車臉識(shí)別研究的難點(diǎn)。針對(duì)這些問(wèn)題,本文提出了一種基于卷積神經(jīng)網(wǎng)絡(luò)的車臉識(shí)別方法,該方法依托于車臉的外觀特征,實(shí)現(xiàn)對(duì)目標(biāo)車輛的車型進(jìn)行快速且準(zhǔn)確的識(shí)別。本文主要的研究?jī)?nèi)容和貢獻(xiàn)如下:
(1)采集和標(biāo)定了一個(gè)卡口車臉圖像數(shù)據(jù)庫(kù),總共包含7萬(wàn)多張卡口車臉圖像,共315款車型。卡口車臉圖像一般屬于非公開數(shù)據(jù),不容易得到,所以該車臉圖像數(shù)據(jù)庫(kù)具有巨大的研究?jī)r(jià)值。
(2)針對(duì)卡口車臉圖像沒(méi)有
4、對(duì)齊的問(wèn)題,定義了車臉33個(gè)特征點(diǎn),這些特征點(diǎn)標(biāo)定了車臉輪廓、擋風(fēng)玻璃、后視鏡和車牌等車臉元素。在特征點(diǎn)基礎(chǔ)上,實(shí)現(xiàn)了基于約束局部模型的車臉對(duì)齊方法,該方法能夠快速準(zhǔn)確的檢測(cè)車臉特征點(diǎn)位置,從而將所有車臉圖像對(duì)齊到相同的尺度。約束局部模型由形狀模型和特征模型兩個(gè)子模型組成,形狀模型用于描述車臉形狀,特征模型用于描述車臉特征,由兩個(gè)子模型共同完成車臉特征點(diǎn)定位。
(3)針對(duì)車臉圖像特征提取方法的問(wèn)題,設(shè)計(jì)并實(shí)現(xiàn)了適用于車臉圖像的
5、卷積神經(jīng)網(wǎng)絡(luò)模型,該模型以完整的車臉圖像作為輸入,得到車臉的整體特征。在該原始模型的基礎(chǔ)上,本文研究了車臉不同組件對(duì)識(shí)別率的影響,提出了基于多組件卷積神經(jīng)網(wǎng)絡(luò)的車臉組合模型,該組合模型針對(duì)車臉的元素位置將車臉劃分為5個(gè)組件,并對(duì)每個(gè)組件分別訓(xùn)練單獨(dú)的卷積神經(jīng)網(wǎng)絡(luò)子模型,最后通過(guò)組合所有子模型的輸出特征來(lái)得到最能夠描述整體車臉的綜合特征,再使用綜合特征進(jìn)行分類和識(shí)別。
在本文整理的車臉數(shù)據(jù)庫(kù)上的實(shí)驗(yàn)表明,基于約束局部模型的車臉對(duì)
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于卷積神經(jīng)網(wǎng)絡(luò)的車型識(shí)別研究.pdf
- 基于卷積神經(jīng)網(wǎng)絡(luò)的視覺識(shí)別研究.pdf
- 基于卷積神經(jīng)網(wǎng)絡(luò)的語(yǔ)音識(shí)別研究.pdf
- 基于深度卷積神經(jīng)網(wǎng)絡(luò)的車型識(shí)別.pdf
- 基于卷積神經(jīng)網(wǎng)絡(luò)的大豆病害識(shí)別研究.pdf
- 基于卷積神經(jīng)網(wǎng)絡(luò)的植物葉片識(shí)別研究.pdf
- 基于深度卷積神經(jīng)網(wǎng)絡(luò)的人臉識(shí)別研究.pdf
- 基于卷積神經(jīng)網(wǎng)絡(luò)的人體行為識(shí)別研究.pdf
- 基于卷積神經(jīng)網(wǎng)絡(luò)的圖像識(shí)別算法研究
- 基于卷積神經(jīng)網(wǎng)絡(luò)的圖像識(shí)別.pdf
- 基于卷積神經(jīng)網(wǎng)絡(luò)的對(duì)象顏色識(shí)別.pdf
- 基于卷積神經(jīng)網(wǎng)絡(luò)的行人檢測(cè)和識(shí)別研究.pdf
- 基于卷積神經(jīng)網(wǎng)絡(luò)的物品識(shí)別研究與實(shí)現(xiàn).pdf
- 基于卷積神經(jīng)網(wǎng)絡(luò)的物體識(shí)別研究與實(shí)現(xiàn).pdf
- 基于卷積神經(jīng)網(wǎng)絡(luò)的Logo檢測(cè)與識(shí)別研究.pdf
- 基于時(shí)空流卷積神經(jīng)網(wǎng)絡(luò)的行為識(shí)別研究.pdf
- 基于卷積神經(jīng)網(wǎng)絡(luò)的盲車牌識(shí)別算法研究.pdf
- 基于多尺度卷積神經(jīng)網(wǎng)絡(luò)的車型識(shí)別.pdf
- 基于卷積神經(jīng)網(wǎng)絡(luò)的箱號(hào)識(shí)別技術(shù).pdf
- 基于卷積神經(jīng)網(wǎng)絡(luò)的語(yǔ)種識(shí)別方法研究.pdf
評(píng)論
0/150
提交評(píng)論