车辆颜色和型号识别算法研究与应用

摘要：

针对目前基于机器学习的车辆颜色和型号识别方法的识别准确率低问题,提出基于卷积神经网络的车辆颜色和型号识别方法.该方法使用Darknet网络中YOLOv3(You Only LookOnce Version 3)算法对车辆图片的车脸进行检测与定位,再对车脸区域使用车辆颜色和型号识别算法同时识别车辆颜色和型号,这是对车辆多属性同时识别的方法,不同于车辆单一属性识别的方法.在公开车辆数据集(Peking University Vehicle Datasets,PKU-VD)上进行实验,实验结果表明,车辆颜色和型号同时识别准确率为93.75％,车辆颜色单一属性识别准确率为94.98％,车辆型号单一属性识别准确率98.38％,明显优于基于机器学习的车辆属性识别算法,从而验证该算法是可行且有效的.最后将车辆颜色和型号识别技术应用在智能停车场收费系统中.

关键词：车辆颜色识别、车型识别、车脸、卷积神经网络、智能停车场收费系统

所属期刊栏目：37

分类号：TP391(计算技术、计算机技术)

资助基金：广东省自然科学基金资助项目2018A030313802

在线出版日期：2020-07-23（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：9-14