基于卷積神經(jīng)網(wǎng)絡(luò)的車輛部件檢測(cè).pdf

1、隨著時(shí)代的發(fā)展和科技的進(jìn)步，汽車數(shù)量發(fā)生了指數(shù)性增長(zhǎng)，交通堵塞、環(huán)境污染、交通事故頻發(fā)等問(wèn)題也隨之而來(lái)，在此情形下，智能交通系統(tǒng)的概念被人們提出。車輛部件檢測(cè)技術(shù)是智能交通系統(tǒng)中的一個(gè)重要應(yīng)用，其能夠有效的解決車輛盜竊、交通肇事逃逸等車輛犯罪問(wèn)題；在視頻設(shè)備的布置成本低、鋪設(shè)時(shí)無(wú)位置要求等各項(xiàng)優(yōu)勢(shì)下，基于圖像的車輛部件檢測(cè)是目前普遍使用的一種方法。
　　本文提出了一種針對(duì)靜態(tài)圖像的基于卷積神經(jīng)網(wǎng)絡(luò)的車輛部件檢測(cè)算法，該算法使用深度

2、卷積神經(jīng)網(wǎng)絡(luò)（ZF網(wǎng)絡(luò)）提取圖像的局部特征，避免了人為定義特征的繁瑣和低效；采用區(qū)域建議網(wǎng)絡(luò)生成候選區(qū)域，大大減少了原來(lái)的選擇性搜索方法在原始圖像上生成候選區(qū)域所花費(fèi)的大量的時(shí)間；在使用區(qū)域建議網(wǎng)絡(luò)時(shí)，本文利用車輛部件的平均長(zhǎng)寬比和面積的統(tǒng)計(jì)信息，設(shè)定網(wǎng)絡(luò)輸入的初始區(qū)域長(zhǎng)寬比和縮放系數(shù)，滿足了實(shí)際應(yīng)用需求。
　　考慮到車輛作為一個(gè)整體，其各個(gè)部件在圖像上的不可分割及位置相對(duì)固定的特性，在輸出分類結(jié)果時(shí)，分別提出了基于各個(gè)部件的絕對(duì)