计算机科学
計算機科學
계산궤과학
COMPUTER SCIENCE
2015年
4期
268-273
,共6页
肇事车辆%车标%深度学习%车标识别
肇事車輛%車標%深度學習%車標識彆
조사차량%차표%심도학습%차표식별
Accident-causing vehicle%Vehicle logo%Deep learning%Vehicle logo recognition
对交通监控录像中车牌污损、遮挡的肇事车辆信息进行确认是现阶段智能交通系统中的一个重要问题,车标作为一个关键特征,可以起到辅助判别的作用.提出了一种基于深度学习的车标识别方法,相对于以人工提取特征为主的传统车标识别方法,该方法具有可自主学习特征、可直接输入图像等优点.实验表明,这种方法正确率较高,在光照变化和噪声污染下的准确性和稳定性较好,能够有效降低车标识别的错误率.
對交通鑑控錄像中車牌汙損、遮擋的肇事車輛信息進行確認是現階段智能交通繫統中的一箇重要問題,車標作為一箇關鍵特徵,可以起到輔助判彆的作用.提齣瞭一種基于深度學習的車標識彆方法,相對于以人工提取特徵為主的傳統車標識彆方法,該方法具有可自主學習特徵、可直接輸入圖像等優點.實驗錶明,這種方法正確率較高,在光照變化和譟聲汙染下的準確性和穩定性較好,能夠有效降低車標識彆的錯誤率.
대교통감공록상중차패오손、차당적조사차량신식진행학인시현계단지능교통계통중적일개중요문제,차표작위일개관건특정,가이기도보조판별적작용.제출료일충기우심도학습적차표식별방법,상대우이인공제취특정위주적전통차표식별방법,해방법구유가자주학습특정、가직접수입도상등우점.실험표명,저충방법정학솔교고,재광조변화화조성오염하적준학성화은정성교호,능구유효강저차표식별적착오솔.
