[发明专利]基于卷积神经网络的车辆属性识别方法与装置有效
| 申请号： | 201611117935.3 | 申请日： | 2016-12-07 |
| 公开（公告）号： | CN106778583B | 公开（公告）日： | 2019-12-17 |
| 发明（设计）人： | 王耀威;徐博;田永鸿;黄铁军 | 申请（专利权）人： | 北京理工大学;北京大学 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06K9/62;G06N3/04;G06N3/08 |
| 代理公司： | 11255 北京市商泰律师事务所 | 代理人： | 黄晓军 |
| 地址： | 100081 *** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明提供了一种基于卷积神经网络的车辆属性识别方法。该方法主要包括：利用样本图像训练卷积神经网络，获取待识别车辆的图像，利用训练好的卷积神经网络识别所述车辆的图像，获取车辆的车型、车身颜色及驾驶员异常行为属性。本发明提供的车辆属性识别方法可以在获取到待识别车辆图像后，无需用户自己设计特征，可以直接利用预先训练好的卷积神经网络直接提取深度特征，进行车型识别、车身颜色识别及驾驶员异常行为识别。 | ||
| 搜索关键词： | 基于 卷积 神经网络 车辆 属性 识别 方法 装置 | ||
【主权项】：
1.一种基于卷积神经网络的车辆属性识别方法，其特征在于，构造卷积神经网络，利用样本图像训练卷积神经网络，所述方法具体包括：/n获取待识别车辆的图像；/n利用训练好的卷积神经网络识别所述车辆的图像，获取车辆的车型、车身颜色及驾驶员异常行为属性；/n所述的构造卷积神经网络，利用样本图像训练卷积神经网络包括：/n选定一个通用的分类网络，在所述分类网络的前半部分加入分支，使分支后的网络直到最后一个特征提取层具有上下两个分支，在上方分支最后的全连接层并列两个softmax层，该两个softmax层用于车型和车身颜色的识别；在下方分支最后的全连接层添加一个softmax层，该softmax层用于驾驶员异常行为的识别，得到初始的卷积神经网络；/n获取标记好车辆属性的样本图像，所述车辆属性包括车型、车身颜色和驾驶员异常行为；/n利用所述初始的卷积神经网络识别所述样本图像，根据所述初始的卷积神经网络输出结果与所述样本图像的车辆属性之间的差异，从所述初始的卷积神经网络的最后一层通过反向传播算法开始逐层向前反馈，进行卷积神经网络的网络参数的训练；/n对所述初始的卷积神经网络经过一定数量的样本图像的训练后，得到训练好的卷积神经网络。/n
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于北京理工大学;北京大学，未经北京理工大学;北京大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201611117935.3/，转载请声明来源钻瓜专利网。
