[发明专利]一种基于深度学习的前车车脸识别方法

摘要

本发明公开了一种基于深度学习的前车车脸识别方法，具体为：对前车车脸图像进行模块化预处理，每张车辆图片得到对应的5个车脸局部图像模块；构建卷积神经网络并训练，并利用通过卷积神神经网络模型提取的全局车脸特征训练softmax分类器；获取待识别的车辆图片的前车车脸图像，并对前车车脸图像进行模块化预处理；输入到训练好的卷积神经网络模型，得到全局车脸特征，并利用训练好的softmax分类器进行分类识别。本发明的有益效果是：本发明采用卷积神经网络的深度学习算法框架对车脸先进行分块提取特征再融合特征的方法实现车脸分类识别，其准确率优于传统分类方法，对套牌车的检测以及嫌疑犯用车追踪和搜索发挥良好收益。

主权项

一种基于深度学习的前车车脸识别方法，其特征在于，所述识别方法具体为：步骤S101：读取交通卡口采集到的车辆图片，并获取前车车脸图像，然后对前车车脸图像进行模块化预处理，每张车辆图片得到对应的5个车脸局部图像模块；步骤S102：构建卷积神经网络，并将车脸局部图像模块输入到卷积神经网络进行训练，得到训练好的卷积神经网络模型，并利用通过卷积神神经网络模型提取的全局车脸特征训练Softmax分类器；其中卷积神经网络包括5个卷积池化层、1个局部特征融合层和2个全连接层；步骤S103：获取待识别车辆图片的前车车脸图像，并对前车车脸图像进行模块化预处理，得到5个车脸局部图像模块；输入到训练好的卷积神经网络模型，得到全局车脸特征，并利用训练好的Softmax分类器进行分类识别，最终得到与待识别车辆图片相对应的车辆型号。