发明名称 |
一种智能交通监控系统中的车辆类型识别方法 |
摘要 |
本发明属于智能交通和视频监控技术领域,涉及一种基于卷积神经网络的车辆类型识别方法。首先设计用于车型识别的卷积神经网络;收集训练样本并进行人工标注;对所收集的样本进行预处理,包括灰度转化,下采样,亮度标准化,对比度标准化以及补零;将预处理后的样本通过所设计的卷积神经网络,获得特征;利用所获得的特征训练车型分类器,使用分类器对车辆类型进行识别,得到最终的车辆类型识别结果。本发明可以有效地提高车辆类型的识别率,应用前景广阔。 |
申请公布号 |
CN104463241A |
申请公布日期 |
2015.03.25 |
申请号 |
CN201410601560.2 |
申请日期 |
2014.10.31 |
申请人 |
北京理工大学 |
发明人 |
董震;裴明涛;贾云得 |
分类号 |
G06K9/66(2006.01)I;G06K9/62(2006.01)I |
主分类号 |
G06K9/66(2006.01)I |
代理机构 |
|
代理人 |
|
主权项 |
一种智能交通监控系统中的车辆类型识别方法,其特征在于:包括训练阶段和测试阶段,实现步骤如下:一、训练阶段(1)设计用于车型识别的卷积神经网络,该网络包括两个阶段,每个阶段包含四层:卷积层、绝对值校正层、局部对比度增强层和池化下采样层,确定输入层的大小以及各层的参数;(2)收集训练样本集,训练样本应至少包含车头信息,各类车辆的图片都应在训练集中有所体现;(3)对训练样本集中的图像进行预处理,包括转换为灰度图、下采样、亮度标准化、对比度标准化和补零;(4)对预处理后的图像通过卷积神经网络,得到车辆特征;(5)利用学得的特征训练softmax分类器;二、测试阶段:利用训练阶段得到的分类器,得到车辆属于不同类别的概率,通过选择最大的概率值来获得该车辆的类别。 |
地址 |
100081 北京市海淀区中关村南大街5号北京理工大学 |