基于卷积神经网络的非法营运车辆识别

• 作者: 武林林 段鹏飞 王娜
• 来源期刊: 计算机应用
• 学科: 工学
• 关键词: 非法营运车辆 卷积神经网络 轨迹特征图 仿真实验
• 年，卷（期）: 2016,（z2）
• 所属期刊栏目: 虚拟现实与数字媒体
• 页码范围: 193-196
• 页数: 4页
• 分类号: TP183
• 字数: 4416字
• 语种: 中文

摘要

针对非法营运车辆在实际执法中遇到的识别和查处难,并且仅凭法律手段无法得到很好的解决的问题,提出了一种基于卷积神经网络的非法营运车辆识别方法.首先,分析非法营运车辆的特点,制定车辆轨迹生成规则,并通过仿真实验,随机生成包含6000辆车的轨迹数据集,非法营运车辆和正常车辆各占一半;其次,通过实验验证,确定了适用于该研究的卷积神经网络结构;最后,将车辆轨迹数据处理成大小为112×112的二维轨迹特征图,作为卷积神经网络的输入,对非法营运车辆进行识别研究.仿真实验表明,重复训练12次后,该方法对非法营运车辆的识别正确率能达到90.75％,并且平均耗时的增幅较小.该方法将卷积神经网络运用到了新的领域,也为实际非法营运车辆的识别研究提供了新思路.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王娜	武汉理工大学计算机科学与技术学院	3	27	2.0	3.0
2	武林林	武汉理工大学计算机科学与技术学院	1	8	1.0	1.0