本程序建立的车型数据库包含轿车、客车和货车的训练样本以及测试样本。
本程序利用卷积神经网络自主提取特征,结合SVM分类器进行车型的分类识别。从网络层数、滤波器大小、滤波器个数、激活函数等方面优化提取特征的网络结构,相比于如HOG和SIFT+PCA常见算法,本程序提出的方法在速度和准确率上都更具优势。
本程序提取车辆的特征值由上顶长、下顶长、高等参数组成,利用卷积神经网络的自组织、自主学习等特性,构造一种适当的神经网络,通过训练卷积神经网络,达到能识别一般的车型如轿车、货车、客车的目的,并达到能区分小、中、大三种型号车辆、构造完整的车型识别系统的目标。
车型识别的整个过程如下:首先利用训练样本训练出CNN特征提取模型,与此同时得到训练样本的特征,根据此特征训练出SVM分类器模型;将测试样本输入CNN特征提取模型提取训练样本特征,此特征再输入到训练好的SVM分类器中,分类识别出最后的车型。
结果如下:
如有侵权,请联系作者删除。