基于卷积网络的车辆定位与细粒度分类算法

• 作者: 柳思健
• 来源期刊: 自动化与仪表
• 关键词: 卷积神经网络 细分车型识别 车牌定位 区域回归 多标签分类
• 年，卷（期）: 2018,（7）
• 所属期刊栏目: 专题研究与综述
• 页码范围: 5-9,45
• 页数: 6页
• 分类号: TP391.4
• 语种: 中文
• DOI: 10.19557/j.cnki.1001-9944.2018.07.002

摘要

为了在交通卡口对套牌车辆实现监管,弥补车牌识别系统的不足,提出了基于卷积网络的车辆定位与细粒度分类的快速识别算法.基于卡口中的拍摄图像,利用颜色信息与文字特征检测出车牌,扩大车牌区域生成车辆的推荐候选区域,构建区域回归网络与多标签分类网络实现候选区域的精细化和汽车车型的分类,并行2个卷积网络的提高算法的速度.采用自建的多标签车辆图像数据库(ZnCar)进行模型训练,用实际取得的交通卡口图像进行了测试.对比分析结果表明,该算法兼顾运行效率与准确率,能够为交通道口中车辆的识别提供新的解决方案.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	柳思健	武汉理工大学现代汽车零部件技术湖北省重点实验室汽车零部件技术湖北省协同创新中心	2	2	1.0	1.0