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

1、隨著社會(huì)的進(jìn)步與經(jīng)濟(jì)的發(fā)展，人們經(jīng)濟(jì)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(shí)，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(duì)交通實(shí)施監(jiān)管。但是因?yàn)樵絹碓蕉嗵着栖囕v的存在，僅僅依靠車牌作為車輛唯一的識(shí)別標(biāo)志已經(jīng)不合時(shí)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(shí)別系統(tǒng)比單一的車牌識(shí)別系統(tǒng)更符合現(xiàn)在的交通情況。

2、
　　傳統(tǒng)的車標(biāo)識(shí)別方法都是針對(duì)收費(fèi)站等卡口位置，因?yàn)檐嚇?biāo)位置相對(duì)固定，識(shí)別比較容易。而對(duì)于自然場(chǎng)景中的車標(biāo)識(shí)別，則需要對(duì)車標(biāo)進(jìn)行十分精確的定位，并且其維護(hù)管理成本或者運(yùn)算時(shí)間成本較大，無法達(dá)到實(shí)時(shí)處理的要求，故而不能在實(shí)際中得到應(yīng)用?，F(xiàn)有的車標(biāo)識(shí)別算法無法滿足在自然場(chǎng)景中車標(biāo)的快速識(shí)別，因此本課題將針對(duì)自然場(chǎng)景中的車標(biāo)快速識(shí)別方法進(jìn)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(shí)間，使得網(wǎng)絡(luò)更新與運(yùn)算處理時(shí)間均能夠達(dá)到實(shí)時(shí)處理的要求。本文的主要工作如下:
　　1、利用車標(biāo)車牌相對(duì)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?yàn)榕臄z距離遠(yuǎn)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(duì)卷積核進(jìn)行調(diào)整優(yōu)化，降低了整體的算法時(shí)間復(fù)雜度。利用隨手拍車標(biāo)數(shù)據(jù)庫進(jìn)行了分類識(shí)別實(shí)驗(yàn)，識(shí)別準(zhǔn)

4、確率達(dá)到99.07％，并且在實(shí)驗(yàn)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(shí)驗(yàn)設(shè)計(jì)與驗(yàn)證，實(shí)驗(yàn)表明，在旋轉(zhuǎn)、加噪，光強(qiáng)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(shí)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(shí)別的算法不論在運(yùn)算速度還是在識(shí)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(dá)到實(shí)時(shí)應(yīng)用的標(biāo)準(zhǔn)，并且在各種不同環(huán)