基于局部特征的卷积神经网络车灯识别

作者：王陈甜; 张宁^*; 刘禹佳

来源：长春理工大学学报(自然科学版), 2022, 45(01): 16-23.

• 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

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。

• 单位
  长春理工大学; 长春工程学院