基于卷積神經(jīng)網(wǎng)絡(luò)的車臉識別研究.pdf

1、治安卡口系統(tǒng)是在交通道路上的特定地點，對所有通過該卡口點的機動車輛進行拍攝、記錄與處理的一種道路交通現(xiàn)場監(jiān)測系統(tǒng)。車輛的前端部分稱為車臉，卡口系統(tǒng)主要拍攝過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)用價值，傳統(tǒng)的治安卡口系統(tǒng)依托于人工識別和車牌識別技術(shù)對車輛進行識別。人工識別方法效率低，且不能長時間持續(xù)有效的對車輛進行檢測和識別;車牌識別方法難以對故意遮擋車牌、偽造車牌或套牌的違法犯罪車輛進行

2、有效的識別，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對車輛進行自動準確的識別，而車臉能夠有效的表達車輛的外觀屬性，因此可以使用車臉圖像來對車輛進行識別。車臉識別是指依靠車輛的車臉圖像來對車輛的屬性進行識別。本文主要聚焦于根據(jù)車臉圖像來識別車輛型號的問題。
　　該問題的主要難點在于不同品牌不同型號車輛的車臉外觀差異巨大，同一型號車輛的車臉因為車輛配置不同也存在差異，同時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別研究的難點。針對這些問題，本文提出了一種基于卷積神經(jīng)網(wǎng)絡(luò)的車臉識別方法，該方法依托于車臉的外觀特征，實現(xiàn)對目標(biāo)車輛的車型進行快速且準確的識別。本文主要的研究內(nèi)容和貢獻如下：
　　(1)采集和標(biāo)定了一個卡口車臉圖像數(shù)據(jù)庫，總共包含7萬多張卡口車臉圖像，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)庫具有巨大的研究價值。
　　(2)針對卡口車臉圖像沒有

4、對齊的問題，定義了車臉33個特征點，這些特征點標(biāo)定了車臉輪廓、擋風(fēng)玻璃、后視鏡和車牌等車臉元素。在特征點基礎(chǔ)上，實現(xiàn)了基于約束局部模型的車臉對齊方法，該方法能夠快速準確的檢測車臉特征點位置，從而將所有車臉圖像對齊到相同的尺度。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，由兩個子模型共同完成車臉特征點定位。
　　(3)針對車臉圖像特征提取方法的問題，設(shè)計并實現(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識別率的影響，提出了基于多組件卷積神經(jīng)網(wǎng)絡(luò)的車臉組合模型，該組合模型針對車臉的元素位置將車臉劃分為5個組件，并對每個組件分別訓(xùn)練單獨的卷積神經(jīng)網(wǎng)絡(luò)子模型，最后通過組合所有子模型的輸出特征來得到最能夠描述整體車臉的綜合特征，再使用綜合特征進行分類和識別。
　　在本文整理的車臉數(shù)據(jù)庫上的實驗表明，基于約束局部模型的車臉對