发明名称 |
基于多分块深层卷积神经网络的车型识别方法和系统 |
摘要 |
本发明提供基于多分块深层卷积神经网络的车型识别方法和系统,其中方法包括当目标车辆经过交通卡口设备时定位目标车辆位置,并截取目标车辆的车脸图像;对目标车脸图像进行预处理;将预处理后的目标车脸图像分割为多个车脸图像分块;建立深层卷积神经网络模型,将所述多个车脸图像分块导入所述深层卷积神经网络模型中进行特征提取、特征融合和特征展开处理;将展开后的车脸特征输入分类器中进行回归训练,实现对所述车脸特征分类识别。本发明将目标车脸图像进行多分块处理,并建立深层卷积神经网络模型从多分块的目标车脸图像中进行特征提取、特征融合和特征展开处理,再通过分类器对展开后的特征进行回归训练,实现车脸特征的分类识别。 |
申请公布号 |
CN106529446A |
申请公布日期 |
2017.03.22 |
申请号 |
CN201610956426.3 |
申请日期 |
2016.10.27 |
申请人 |
桂林电子科技大学 |
发明人 |
蔡晓东;陈超村 |
分类号 |
G06K9/00(2006.01)I;G06K9/62(2006.01)I;G06N3/08(2006.01)I |
主分类号 |
G06K9/00(2006.01)I |
代理机构 |
北京轻创知识产权代理有限公司 11212 |
代理人 |
杨立 |
主权项 |
一种基于多分块深层卷积神经网络的车型识别方法,其特征在于,包括如下步骤:步骤S1:当目标车辆经过交通卡口设备时定位目标车辆位置,并截取目标车辆的车脸图像,从而得到目标车脸图像;;步骤S2:对目标车脸图像进行预处理;步骤S3:将预处理后的目标车脸图像分割为多个车脸图像分块;步骤S4:建立深层卷积神经网络模型,将所述多个车脸图像分块导入所述深层卷积神经网络模型中进行特征提取、特征融合和特征展开处理,得到展开后的车脸特征;步骤S5:将展开后的车脸特征输入分类器中进行回归训练,实现对所述车脸特征分类识别。 |
地址 |
541004 广西壮族自治区桂林市金鸡路1号 |