基于全局和局部特征融合的车型识别

针对车型识别中计算时间过长、识别精度低的问题,提出基于整体与局部特征融合的车型识别方法。利用Sobel算子、Gabor滤波器组分别提取车辆的整体特征以及局部特征,结合灰关联分析对维数较高的局部特征进行优化;为减少稀疏表示中字典维度过高带来的计算耗时问题,提出双层串行分类策略,第一层中以整体特征为依据对车型进行粗略划分,第二层中以局部特征为依据实现最终的车型辨识。实验结果表明,该方法能有效提高车型识别的正确率,减少高维特征带来的计算时间消耗。     

由历史说起 大众新老代并存的车型

正常来讲，新车型上市后，上代车型往往会淘汰并停止生，产，不过在国内的合资车市场中，并非所有厂商都是按照这样的进度来走的。对于一些销量不错的车型，厂商虽然也跟随着国外同步换代，不过老车型仍然能够带来丰厚的收益，新车型往往会以一个新名称或作为新产品发布，因此造成了两代甚至多代车型同时生产的状况，对于这样的车型您是否都能分清辈分呢？     

基于深度卷积神经网络的多任务细粒度车型识别

车型识别,尤其是细粒度车型识别是现代智能交通系统的重要组成部分。针对传 统车型识别方法难以进行有效的细粒度车型识别的问题,以AlexNet、GoogleNet 及ResNet 等3 种经典深度卷积神经网络架构作为基础网络,引入了车辆的类型分类作为辅助任务,从而与细 粒度车型识别任务一起构成了一个多任务联合学习的模型。通过在一个包含281 个车型类别的 公开数据集上对模型进行训练及测试,在无需任何车辆的部件位置标注及额外的3D 信息的情 况下,验证了该模型在在细粒度车型识别任务上表现出的优异性能,同时多任务学习策略的引 入可使得模型性能相比任一单任务学习时的性能均有所提高,最终实现了一个简洁高效的细粒 度车型识别模型,基本满足实际应用需求。     

基于超声波测距及BP神经网络的车型识别

车型识别在高速公路收费、停车收费、城市道路监控等诸多领域有着广泛的应用。针对传统车型识别系统存在的识别效率低、结构复杂、安装难度大等问题,提出并实现了一种基于超声波测距及BP神经网络的车型识别系统。该系统以嵌入式微处理器、485总线为核心,运用超声波测臣实现对车辆外形尺寸的检测,并从中提取表征车型的四个参数,通过BP神经网络对所获取的参数进行自动分类识别。实验结果表明,该方法车型识别的正确率在95%以上。     

基于深度哈希网络的车型识别方法

针对车型识别任务的特点,设计了一种基于深度哈希网络的车型识别方法,实现了在类间差异不明显、样本量较少的情况下进行车型检索和分类。对数据增广方法进行研究,针对车型数据集的特点,提出了适用于车型识别的数据增广方法,有效提升了小样本车型识别的准确率。深度哈希网络采用改进的HashNet网络来快速学习车辆的二值特征表达,针对深度哈希网络使用全连接层导致参数过多的问题,提出了HashNet-GAP网络,以全局平均池化层替换了HashNet中的部分全连接层。相对于HashNet网络,大幅度减少了参数数量,提升了前向计算速度和网络性能。实验结果表明,该车型识别方法能够对类间差距很小的不同车型进行有效识别,在小样本数据集上取得80.0%的Top1准确率,并且能够显著降低模型的存储消耗和内存消耗。     

基于逻辑回归的汽车造型品牌意象研究

针对汽车造型的品牌辨识需求,提出基于逻辑回归的品牌意象研究方法。以现代 品牌为例,首先进行设计师和消费者意象评价调研,创建样本车型的品牌意象评价是非和等级 矩阵。然后以造型元素和造型形式为自变量,以评价是非二元值和评价等级为因变量,分别创 建样本车型的二元逻辑回归和有序逻辑回归模型,确定现代品牌的特色造型元素和特征造型形 式。最后通过该品牌其他车型样本的消费者调研验证了结论的正确性。     

基于深度卷积神经网络的车型识别

传统的基于卷积神经网络的车型识别算法存在识别相似车型的准确率不高,以及在网络训练时只能使用图像的灰度图从而丢失了图像的颜色信息等缺陷。对此,提出一种基于深度卷积神经网络(Deep Convolution Neural Network,DCNN)的提取图像特征的方法,运用深度卷积神经网络对背景较复杂的车型进行网络训练,以达到识别车型的目的。文中采用先进的深度学习框架Caffe,基于AlexNet结构提出了深度卷积神经网络的模型,分别对车型的图像进行训练,并与传统CNN算法进行比较。实验结果显示,DCNN网络模型的准确率达到了96.9%,比其他算法的准确率更高。     

分析高速公路收费车型分类的计算机判别

在交通运输业不断发展的推动下,我国高速公路与日俱增,这在一定程度上促进了我国经济的发展。在我国基本上每一条高速公路上都多个收费站,其主要负责对过往车辆收取相应的费用,由于高速公路上行驶的车辆种类繁多,其中有大有小,并且车辆的用途也各不相同,而想要做到收费标准的公正、合理就必须对车型进行具体的分类,并按照相关的标准收取相应的费用。然而,我国一直以来在车型的判别上采用的都是人为的方式,由此也引起各种问题。为此,构建以计算机为基础的车型分类判别系统已经势在必行。基于此点,本文首先对我国高速公路收费车型判别的现状进行分析,进而阐述了车型分类的原则和影响因素,并在此基础上提出高速公路收费车型分类计算机判别系统的构建。     

从广州车展看汽车灯光发展趋势

正本次广州车展有56台新车发布,这吸引了无数车迷的热情。当然,也有不少是冲着现场的MM去的。职业的关系,我们进入展馆之后并没有去看MM,而是把镜头对准了每个品牌重点车型的大灯,希望透过这些车型去了解汽车灯光发展趋势。下面几点为观展所获。1、HID透镜已普及到大众车型。我们统计了一下,现场1 0款新车型有8款配备HID透镜。欧洲对氙气车灯的需求正以每年1 3%的速度增长;在日本,中、高档汽车也基本配备氙气透镜前照灯。国产车型开始从单光卤素转向双光氙气。预计未来2至3年,国产车装备氙气车灯的车型会大大增加,氙气车灯取代卤素车灯是大势所趋。     

做生意要以人为本——专访广州鸿标汽车销售服务公司副总经理周波

在广州以往日韩车型“横行霸道”的车市中，欧美车型一般都处于叫好不叫座的局面。不过，这一格局也在慢慢改变，在通用品牌等美系开始日益强大之余，法系车的代表东风雪铁龙和东风标致也逐渐复苏。     

不红不革命之别克新君威影音改装 刚柔并济 能听能炸

随着人们对车的审美观不断提高,时下新出的车型在配置、性能、外观等都有不同程度的蜕变,不少的中高档车高版本的车型纷纷以热门功能作为卖点:汽车导航、DVD等功能基本成为它们的"杀手锏"。     

基于侧面轮廓的实时车型分类系统

设计了一种基于侧面轮廓的实时车型分类系统。该分类系统分为3个部分:侧面轮廓处理、车型模板建立和实时车型匹配。轮廓处理部分介绍了一种用于实时测量移动车辆轮廓数据的采集仪器以及数据处理的方法。车型模板建立部分使用拟合算法构建不同车型的模板。实时车型匹配部分则采用修正豪斯多夫距离作为距离算法,用于衡量待测车辆与模板间的匹配程度。该模式识别系统能够完成准确快速的车型分类。     

车型识别专家系统的设计

为了在各种智能交通管理系统中对车型进行准确的识别,通过对高速公路上以地感线圈为传感器而采集到的大量车辆样本进行数据分析和特征提取,提出以数据中的某些特征值作为识别依据,用隶属度函数充当知识库的识别方法,建立了车型识别专家系统,通过实验获得了较满意的识别率。     

一种基于地磁感应的车型分类算法*

地磁传感器是近年来出现的新型路面车辆检测器,而车型分类是车辆检测器的一项重要功能。根据地磁传感器的性能特点,提出了一种车型分类算法。该算法首先从原始数据中提取特征,进而对特征数据进行聚类以确定检测器的最佳分类能力,最后以“离线训练,在线分类”的策略,利用神经网络进行实时的车型分类,在不过度增加硬件负担的情况下获得了比较好的效果。该算法有助于提高地磁车辆检测器的性能,从而为交通管控系统提供更丰富的基础数据。     

好声音 用心造 大众高尔夫6音响无损换装升级

正大众高尔夫6自上市以来,便以清晰简约的车型设计、舒适随心的操控体验而深受消费者的追捧。然而,它也有不完美的地方,最为广大车友所诟病的就是车载音响系统。出于控制成本的考虑,高尔夫6的主流配置车型都是没有后门喇叭的,前门喇叭单元素质也很一般,声音干瘪无力,这也成为众多高尔夫6车友的一大遗憾。大众高尔夫6自上市以来,便以清晰简约的车型设计、舒适随捧。然而,它也有不完美的地方,最为广大车友所诟病的就考主有     

基于车辆声音及震动信号相融合的车型识别

车型识别技术是智能运输系统的核心。针对目前车型识别方法的不足,提出了一种基于车辆声音和震动信号相融合的车型识别方法。用BCS算法提取声震信号的特征,并在特征级融合形成特征向量,以此作为训练样本对支持向量机的分类器进行训练。对两种车型的声音和震动数据进行处理的结果表明,基于特征级融合的声震信号能够准确识别不同的车型,识别准确率达到86%以上,是一种有效的车型识别方法。     

有监督Kohonen网络的车型识别方法

车型识别已成为智能交通系统研究中的一个重要内容.根据同类车型尺寸特征如长、宽、高特征值都具有相似性特点,利用已有车型数据库,分别使用逆传播(BP)神经网络、支持向量机(SVM)网络、有监督Kohonen网络这三种神经网络分类方法对车型尺寸特征进行分类,得到三个车型识别准确率并进行比较验证.实验结果表明:有监督Kohonen网络的分类方法具有较高的车型识别精度,实验效果明显,车型识别准确率高.     

自然环境下道口客车车身字符识别算法研究

针对外观尺寸相近,处于分类区间边缘的客车车型识别率不高的问题,提出通过识别车身限载数字字符进行车型分类的方法。由二值图结合字符的格式塔特征实现文字区域精定位,将分割出的数字字符使用神经网络进行识别,最终将识别的结果对应转换成相应客车类别以实现车型分类。将该算法在道口采集的三类、四类客车样本上进行实验,综合识别率为88.5%,相比基于外观几何特征的车型识别,识别率提高了将近10个百分点,且基于改进二值化算法（Psauvola）的字符识别相比使用其他二值化算法,识别率提升了一倍多。     

基于生物视觉显著性的车辆车型识别

车型的识别问题是典型的目标识别问题,根据生物视觉与模式识别理论,对车辆车型的检测与识别进行了研究,提出了基于最小错误概率的特征显著性车型识别算法。该算法对车型的多个特征进行显著性比较,对较显著的特征赋予较大的权值,然后对多特征的识别结果进行融合处理。实验结果表明该算法对车型的识别具有较高的识别率。     

基于车型聚类的交通流参数视频检测

单目摄像机成像丢失深度信息,且PTZ (Pan/Tilt/Zoom)摄像视频场景多变,导致交通流参数提取误差较大. 提出了一种基于车型聚类的交通流参数检测方法. 在改进的摄像机自标定成像模型中,提取PTZ 参数变化下的透视投影不变量"伪形状特征', 对其进行基于贡献率算法的车型聚类分析,以车型均高代替实际高度,获取车辆的长宽, 进而计算道路空间占有率,并提升车速检测精度. 测试表明实时性较高,车型聚类自适应于不同场景,平均准确度为96.9%,车长计算精度优于90%.