基于卷积神经网络的监控场景下车辆颜色识别

摘要：

颜色是车辆识别中广泛应用的主要线索之一,在智能交通系统中扮演着重要的角色.受光照变化、噪声、环境等复杂因素的影响,传统的车辆颜色识别方法难以取得理想的识别效果.利用卷积神经网络(CNN)的优越识别性能,提出了一种基于卷积神经网络的监控场景下车辆颜色识别方法.基于传统的CNN原理设计了车色识别专用深度网络架构,直接通过CNN学习基于颜色分布的分类模型.与其他基于深度学习的车色识别方法相比,提出的用于车色识别的专用深度网络,具有参数少、识别速度快、识别精度高等优点.实验结果表明,在Chen等公布的标准数据集上,与最新的研究成果相比,平均识别精度提高约0.77％,识别速度提高14倍左右.

关键词：车辆颜色识别、卷积神经网络、图像处理、智能交通系统

所属期刊栏目：36

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金资助项目61531006,61372149,61370189,61471013;北京市属高等学校高层次人才引进与培养计划项目CIT&TCD20150311,CIT&TCD201404043;北京市自然科学基金资助项目4142009,4163071;北京市教育委员会科技发展计划资助项目KM201410005002,KM201510005004;北京市属高等学校人才强教计划资助项目PHR

在线出版日期：2017-11-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：11-14