基于卷积神经网络的监控场景下车辆颜色识别

• 作者: 卓力 张强 李嘉锋
• 来源期刊: 测控技术
• 学科: 工学
• 关键词: 车辆颜色识别 卷积神经网络 图像处理 智能交通系统
• 年，卷（期）: 2017,（10）
• 所属期刊栏目: 数据采集与处理
• 页码范围: 11-14
• 页数: 4页
• 分类号: TP391
• 字数: 3139字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-8829.2017.10.004

摘要

颜色是车辆识别中广泛应用的主要线索之一,在智能交通系统中扮演着重要的角色.受光照变化、噪声、环境等复杂因素的影响,传统的车辆颜色识别方法难以取得理想的识别效果.利用卷积神经网络(CNN)的优越识别性能,提出了一种基于卷积神经网络的监控场景下车辆颜色识别方法.基于传统的CNN原理设计了车色识别专用深度网络架构,直接通过CNN学习基于颜色分布的分类模型.与其他基于深度学习的车色识别方法相比,提出的用于车色识别的专用深度网络,具有参数少、识别速度快、识别精度高等优点.实验结果表明,在Chen等公布的标准数据集上,与最新的研究成果相比,平均识别精度提高约0.77％,识别速度提高14倍左右.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	卓力	北京工业大学信号与信息处理研究室	94	839	14.0	24.0
2	张强	北京工业大学信号与信息处理研究室	21	139	8.0	11.0
3	李嘉锋	北京工业大学信号与信息处理研究室	8	91	4.0	8.0