基于深度学习的车辆型号识别.docx

基于深度学习的车辆型号识别摘要随着智能交通的发展，车辆型号的识别受到越来越广泛的关注，它能够为个人，企业和政府的车辆使用以及监管提供诸多遍历。因而，如何设计高效算法，对车辆型号进行识别和分类，受到了学术界和工业界的广泛关注。本文主要如何利用深度学习的方法进行车辆型号的识别和分类。首先，介绍了车型识别的应用背景和深度学习的基本理论。之后，为了进行目标识别，我们介绍了常用算法，分析比较了作为图像特征提取常见的算法，总结归纳了他们性能，精度以及相互之间的关联。之后，介绍了在目标识别工作中基本算法,阐明了各种方法的特点和适用场景。之后，我们以深度神经网络为理论依据，分析比较了深度神经网络不同的特征学习方法，并分析了如何使用卷积神经网络训练参数。我们分析比较不同特征学习方法的特点选取k均值聚类算法作为本文使用的特征学习方法，利用卷积神经网络结构搭建深度学习模型。、本文采用大量实测数据作为仿真数据，以确保实验的有效性。同时，基于相同的实测数据我们适用改进SIFT特征匹配算法和深度学习算法进行车型识别。实验结果表明，深度学习算法的准确率高达90%，相对于SIFT匹配算法，深度学习算法的车型识别的准确率大大提高。基于上述仿真结果，我们的到了深度学习算法适用于车辆型号识别领域的结论。关键词：k均值聚类，深度学习，卷积神经网络，尺度不变特征变换,支撑向量机AbstractWiththedevelopmentofintelligenttransportation,therecognitionofvehiclemodelispaidmoreandmoreattention.Itcanprovidemanyergodicforvehicleuseandsupervisionofindividual,enterpriseandgovernment.Therefore,howtodesignefficientalgorithmstoidentifyandclassifyvehiclemodelshasattractedwideattentionfrombothacademiaandindustry.Thispapermainlydiscusseshowtousedepthlearningmethodtoidentifyandclassifyvehiclemodels.Firstofall,theapplicationbackgroundandthebasictheoryofdepthlearningareintroduced.Afterthat,inordertoidentifyobjects,weintroducethecommonalgorithms,analyzeandcomparethecommonalgorithmsforimagefeatureextraction,andsummarizetheirperformance,accuracy,andthecorrelationbetweenthem.Afterthat,thebasicalgorithmsintargetrecognitionareintroduced,andthecharacteristicsandapplicationscenariosofvariousmethodsareclarified.Then,weanalyzeandcomparethedifferentfeaturelearningmethodsofdepthneuralnetworksbasedonthedepthneuralnetwork,andanalyzehowtotrainparametersusingtheconvolutionalneuralnetwork.Weanalyzeandcomparethecharacteristicsofdifferentfeaturelearningmethods,selecttheKmeanclusteringalgorithmasthefeaturelearningmethodusedinthispaper,andbuildadeeplearningmodelbyusingthestructureofconvolutionalneuralnetwork.Inthispaper,alargeamountofmeasureddataisusedassimulationdatatoensurethevalidityoftheexperiment.Atthesametime,basedonthesamemeasureddata,weapplytheimprovedSIFTfeaturematchingalgorithmanddepthlearningalgorithmforv