基于卷积神经网络的非法营运车辆识别

作者：王娜; 段鹏飞; 武林林

来源：计算机应用, 2016, S2: 193-196.

• 非法营运车辆
• 卷积神经网络
• 轨迹特征图
• 仿真实验

针对非法营运车辆在实际执法中遇到的识别和查处难,并且仅凭法律手段无法得到很好的解决的问题,提出了一种基于卷积神经网络的非法营运车辆识别方法。首先,分析非法营运车辆的特点,制定车辆轨迹生成规则,并通过仿真实验,随机生成包含6 000辆车的轨迹数据集,非法营运车辆和正常车辆各占一半;其次,通过实验验证,确定了适用于该研究的卷积神经网络结构;最后,将车辆轨迹数据处理成大小为112×112的二维轨迹特征图,作为卷积神经网络的输入,对非法营运车辆进行识别研究。仿真实验表明,重复训练12次后,该方法对非法营运车辆的识别正确率能达到90.75%,并且平均耗时的增幅较小。该方法将卷积神经网络运用到了新的领域,也为实际非法营运车辆的识别研究提供了新思路。

• 单位
  武汉理工大学