基于局部特征的卷积神经网络车灯识别

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.

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

所属期刊栏目：45

分类号：TP391(计算技术、计算机技术)

资助基金：吉林省科技发展计划项目20170204048GX

在线出版日期：2022-03-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：16-23