基于局部特征的卷积神经网络车灯识别

• 作者: 王陈甜 张宁 刘禹佳
• 来源期刊: 长春理工大学学报（自然科学版）
• 学科: 工学
• 关键词: 图像处理 车型识别 数据增强 神经网络 改进AlexNet网络 机器视觉
• 年，卷（期）: 2022,（1）
• 页码范围: 16-23
• 页数: 8页
• 分类号: TP391
• 语种: 中文
• DOI: 10.3969/j.issn.1672-9870.2022.01.003

摘要

为了解决车辆管控工作中出现的肇事车辆逃避交通监管的问题,对数据集处理方式和局部特征的车型分类算法进行研究.首先,以AlexNet网络为基础分析了各个网络结构对于输入图片的敏感程度,从网络层数和卷积核尺寸上进行网络优化得出IM-AlexNet网络.然后,使用数据增强方式处理后的自建数据集,训练IM-AlexNet分类模型网络.最后,在HOG-SVM、GoogleNet和VGG16三种模型上进行对比实验并分析.实验结果表明:IM-AlexNet网络在验证集上准确率达到96％左右,损失值低于0.2,训练速度达到3 s/step.在混淆矩阵中IM-AlexNet网络模型总体准确率达到69％,完成了局部特征对车型分类的实验,分类准确率大大提高.