基于卷積神經網絡的車型顏色綜合識別

馮 錦，李玉惠

(昆明理工大學 信息工程與自動化學院，云南 昆明 650500)

交通監管部門常采用車牌[1]進行車輛信息跟蹤[2]。但是，辨識車輛的唯一標識不能僅僅應用車牌信息，因為部分車主進行違法活動時為了逃避責任會對車牌進行故意破損、遮擋或套牌。因而，車輛顏色、車輛類型、其他特征(如年檢標、車內掛飾等)被視為實現車輛識別的基本特征。車輛類型、車輛顏色因易于區分，且不易改動，便作為車輛識別中重要的特征。

美國California大學的Sayanan Sivaraman等人利用主動學習方法，并將梯度特征、Haar特征結合，再將SVM和Adaboost分類器兩者結合進行車型識別[3-6];Lebanese的Bassam Daya等采用一種基于幾何參數，并利用神經網絡的分類器實現多類車型識別[7-8];根據GA24-8公安車輛顏色代碼、GB-T3181-1995漆膜顏色標準結合公安和交通對車輛對象顏色應用的需求，將車輛顏色統一分為：黑色、藍色、綠色、棕色、白色、黃色、粉色、紫色、紅色、灰色和其它共11類。現階段主要有對車輛全身顏色特征[9]、提取車輛感興趣區域顏色特征兩種對車輛顏色識別的方法。其中涉及的機器學習理論主要有KNN、人工神經網絡[10]和SVM[11]。

吳藝塔等人提出的先目標分割去除反光鏡、車輪等干擾后得到車輛顏色顯著區域，之后對聯通區域再分析，使用SVM兩層分類器將顏色分為紅、黃、藍、綠、白、黑、銀7種的方法，對綠黑銀3種顏色的識別率不高[12]。方靜等人應用BP神經網絡把顏色分了7類[13]。其中經過了為獲得車顏色每個像素的微觀特性值，利用HSI的3個通道，定義7種顏色彼此關系、閾值范疇的過程。……