基于卷積神經(jīng)網(wǎng)絡和K鄰近算法的車標識別.pdf

1、車標識別是計算機視覺中一個重要的研究領域，在智能交通領域有著廣泛而重要的作用。車標識別技術是指以數(shù)字圖像或視頻信號流為對象，通過圖像處理與自動識別方法，獲得機動車輛品牌信息的一種實用技術。車標識別系統(tǒng)包括車標的定位和車標識別二項關鍵技術。由于車標本身具有的多樣性以及不同環(huán)境條件下的差異性等特點，加上人為拍攝獲得的圖片信息中車標的位置不確定性，因此找到一種優(yōu)秀的車標定位和識別方法一個多學科交叉且富有挑戰(zhàn)性的技術問題。
　　本論文，在

2、車標定位方面，實現(xiàn)了一種由粗定位到細定位的車標精確定位方法。在車標識別方面，結(jié)合近年深度學習中的CNN（卷積神經(jīng)網(wǎng)絡）訓練車標特征并分類，實驗獲得較高的識別率。接著將傳統(tǒng) K最鄰近算法結(jié)合深度卷積網(wǎng)絡提取的特征，對車標定位進行改進，達到了96.4％的識別正確率。最后，提出了基于Selective Search（選擇性搜索）和 SPP-net（空間金字塔池化網(wǎng)絡）的車標快速檢測和識別方法，流程較為簡單和高效。
　　本文主要工作如下：

3、
　　1)實現(xiàn)了一種由粗定位到細定位的車標精確定位方法，然后提出一種基于卷積神經(jīng)網(wǎng)絡的車標識別。建立并訓練車標識別的卷積神經(jīng)網(wǎng)絡，調(diào)整參數(shù)，直到最優(yōu)。經(jīng)過試驗的測試，證明了該方法具有較好的識別率和魯棒性。
　　2)提出了一種基于K鄰近算法的車標識別改進方法，在卷積神經(jīng)網(wǎng)絡提取的特征的前提下，利用傳統(tǒng)的K鄰近算法，對車標識別進行改進，提高了識別準確率。而且在遇到新標簽時，對不重新訓練的網(wǎng)絡的推廣性進行了驗證。
　　3)提