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。

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。