基于深度學(xué)習(xí)的車輛定位及車型識(shí)別研究.pdf

1、隨著科學(xué)技術(shù)的快速發(fā)展，中國(guó)正處在現(xiàn)代化發(fā)展進(jìn)程的關(guān)鍵階段，當(dāng)下對(duì)絕大多數(shù)中國(guó)人來(lái)說，汽車也正逐漸超越“交通工具”的范疇，更是人們居家生活中不可或缺的一部分。日益嚴(yán)重的交通擁擠、堵塞現(xiàn)象以及頻發(fā)的交通事故等已經(jīng)成為束縛各地區(qū)社會(huì)進(jìn)步和經(jīng)濟(jì)發(fā)展的頑癥。對(duì)此，智能交通的理念應(yīng)運(yùn)而生。其中，車輛的定位及車型識(shí)別是智能交通的重要組成部分。自2006年以來(lái)，深度學(xué)習(xí)越來(lái)越多地被應(yīng)用于圖像識(shí)別以及語(yǔ)音識(shí)別等方面，在人臉識(shí)別上的效果已經(jīng)接近甚至超過人

2、類。深度學(xué)習(xí)不需要人工設(shè)計(jì)特征，能夠很好的擬合輸入，使其在車輛的定位及分類識(shí)別領(lǐng)域具有廣闊的應(yīng)用前景。本文以國(guó)家自然科學(xué)基金“面向車聯(lián)網(wǎng)的道路交通事故鏈動(dòng)態(tài)演變規(guī)律及其阻斷方法研究”和交通運(yùn)輸部信息化技術(shù)研究項(xiàng)目“道路交通事故鏈阻斷方法及主動(dòng)安全集成控制系統(tǒng)關(guān)鍵技術(shù)研究”為依托，對(duì)車輛定位及車型識(shí)別展開研究。主要工作如下：
　　1、采用任意縮放檢測(cè)窗口長(zhǎng)寬比例及修改網(wǎng)絡(luò)損失函數(shù)的方法，提出了改進(jìn)卷積神經(jīng)網(wǎng)絡(luò)的深度學(xué)習(xí)模型，將車輛定

3、位問題擬合為車輛位置的非線性函數(shù)回歸問題，實(shí)現(xiàn)對(duì)自然場(chǎng)景圖像中任意位置、任意大小的車輛精確定位，實(shí)驗(yàn)結(jié)果表明當(dāng)預(yù)測(cè)位置與標(biāo)注位置重疊率不小于0.9時(shí)，在測(cè)試集合上的定位準(zhǔn)確率為93.3％。
　　2、融合車輛位置與分類信息，提出了基于多任務(wù)深度學(xué)習(xí)的車輛定位方法。改進(jìn)并測(cè)試了當(dāng)前三種著名的網(wǎng)絡(luò)結(jié)構(gòu)，結(jié)合平滑L1范數(shù)和softmax函數(shù)，選出分類正確率最高的MT-GooGleNet，開展實(shí)際路口采集圖片的車輛定位測(cè)試，結(jié)果表明在測(cè)試集

4、合定位準(zhǔn)確率為96.4%。
　　3、針對(duì)現(xiàn)有車型識(shí)別方法中無(wú)法對(duì)制造商、類型、年代等綜合信息的精細(xì)識(shí)別，提出了一種基于級(jí)聯(lián)多任務(wù)深度學(xué)習(xí)車型識(shí)別方法，去除了復(fù)雜背景的影響，并采用圖像數(shù)據(jù)增強(qiáng)以及網(wǎng)絡(luò)預(yù)訓(xùn)練策略，將標(biāo)準(zhǔn)數(shù)據(jù)庫(kù)上196個(gè)類別的車型識(shí)別正確率提高到86.67%，比傳統(tǒng)方法提高了約6%。
　　4、采用ImageNet標(biāo)注方式，自建了一個(gè)可供車輛定位研究的標(biāo)準(zhǔn)數(shù)據(jù)庫(kù)，該數(shù)據(jù)庫(kù)包含四萬(wàn)張有標(biāo)注信息及分類信息的自然場(chǎng)景下的