计算机视觉技术的车型识别应用研究
针对目前立体停车库主要采用传统的传感器入库检测系统来识别车辆信息,存在施工周期长、器件损坏率较高,维护成本较高的问题,提出了一种应用计算机视觉技术的车型识别解决方案.应用卷积神经网络框架Caffe,基于Caf-feNet模型,通过fine-tuning模型优化以及参数优化,最终得到了一个性能较优异的识别模型.实验结果表明,该模型可克服输入图片背景复杂多变,目标被遮挡的情况,对轿车车型识别这一问题鲁棒性好,具有一定的可行性及应用价值.
模式识别、车型识别、卷积神经网络、深度学习
17
TP391(计算技术、计算机技术)
国家自然科学基金60973095;江苏省自然科学基金BK20131107
2017-06-28（万方平台首次上网日期，不代表论文的发表时间）
共6页
3-7,27
