基于預(yù)訓(xùn)練卷積神經(jīng)網(wǎng)絡(luò)的車標(biāo)識別研究.pdf

1、隨著社會的進步與經(jīng)濟的發(fā)展，人們經(jīng)濟水平與物質(zhì)生活水平的提高，越來越多的人加入了有車族的行列。但汽車在給我們的生活出行帶來便捷的同時，也給交通管理與執(zhí)法系統(tǒng)帶來了越來越大的壓力。目前，交通執(zhí)法部門主要通過汽車車牌以及電子眼布控對交通實施監(jiān)管。但是因為越來越多套牌車輛的存在，僅僅依靠車牌作為車輛唯一的識別標(biāo)志已經(jīng)不合時宜。而車輛中車標(biāo)的信息往往是很明顯而且難以更換的，所以使用車牌、車標(biāo)聯(lián)合識別系統(tǒng)比單一的車牌識別系統(tǒng)更符合現(xiàn)在的交通情況。

2、
　　傳統(tǒng)的車標(biāo)識別方法都是針對收費站等卡口位置，因為車標(biāo)位置相對固定，識別比較容易。而對于自然場景中的車標(biāo)識別，則需要對車標(biāo)進行十分精確的定位，并且其維護管理成本或者運算時間成本較大，無法達到實時處理的要求，故而不能在實際中得到應(yīng)用?，F(xiàn)有的車標(biāo)識別算法無法滿足在自然場景中車標(biāo)的快速識別，因此本課題將針對自然場景中的車標(biāo)快速識別方法進行研究。
　　本課題基于深度學(xué)習(xí)，將主成分分析與卷積神經(jīng)網(wǎng)絡(luò)相結(jié)合，提出了一種卷積神經(jīng)網(wǎng)絡(luò)的

3、預(yù)訓(xùn)練策略，大幅減少網(wǎng)絡(luò)訓(xùn)練時間，使得網(wǎng)絡(luò)更新與運算處理時間均能夠達到實時處理的要求。本文的主要工作如下:
　　1、利用車標(biāo)車牌相對位置信息完成車標(biāo)的快速定位與粗分割，利用多尺度框架解決了因為拍攝距離遠近不同而導(dǎo)致難以定位的問題。
　　2、提出利用主成分分析預(yù)訓(xùn)練卷積神經(jīng)網(wǎng)絡(luò)卷積核的方法直接完成卷積核的預(yù)訓(xùn)練，無需利用反向傳導(dǎo)算法對卷積核進行調(diào)整優(yōu)化，降低了整體的算法時間復(fù)雜度。利用隨手拍車標(biāo)數(shù)據(jù)庫進行了分類識別實驗，識別準(zhǔn)

4、確率達到99.07％，并且在實驗中證明該算法的訓(xùn)練速度比卷積神經(jīng)網(wǎng)絡(luò)速度提高60倍。
　　3、完成利用預(yù)訓(xùn)練卷積神經(jīng)網(wǎng)絡(luò)在不同環(huán)境不同情況下的魯棒性實驗設(shè)計與驗證，實驗表明，在旋轉(zhuǎn)、加噪，光強變換以及多種混合畸變情況下，該系統(tǒng)均能夠在比較高的識別準(zhǔn)確率下工作，說明系統(tǒng)魯棒性十分良好。
　　本文所提出車標(biāo)定位與識別的算法不論在運算速度還是在識別準(zhǔn)確率上都比原有的卷積神經(jīng)網(wǎng)絡(luò)算法有所提升，已經(jīng)達到實時應(yīng)用的標(biāo)準(zhǔn)，并且在各種不同環(huán)