车脸识别方法的研究与系统设计

• 作 者: 时明辉
• 出 处: 北京交通大学
• 发表日期: 2020年01期
• 关键词: 车脸识别 车脸检测 主动外观模型 卷积神经网络 车脸识别系统

随着科技和人们社会生活的快速发展,车辆作为一种运输工具,在每个人的日常生活中逐渐扮演出一种重要的角色。但是车辆所引发的交通事故连续不断,以及借助车辆的犯罪行为也越来越多,智能城市交通系统给出了一套比较便捷和高效的城市交通管理解决方案,借助于车辆外观的识别,跟进车辆信息和车主信息可以有效地进行涉车犯罪案件和交通肇事的管理和查处。因此,使用车脸识别的方法达到车型识别的目的,为智能交通提供了一种新的思路和方法。本文主要是对如何实现车脸识别进行探索和研究,首先是对车脸图像中车脸区域进行定位检测并截取得到车脸区域图像,为了之后的车脸特征提取能够聚焦到车脸区域,可以消除车脸图像中其他内容或背景的干扰。为了实现车脸定位检测和识别车脸种类,提出了基于RPN和CNN相组合的方式进行研究。其中车脸的种类总共有三类:车前脸、车侧脸和车后脸。类比人脸特征点检测,本文针对这三种车脸图像分别进行了自定义关键点标注,并使用主动外观模型进行训练和匹配,达到车脸对齐的处理。其次,本文为了实现车脸识别,分别研究了基于支持向量机和基于卷积神经网络的两类车脸识别方法,达到分类出车型的目的。利用已经检测到的并对齐后的车脸图像数据集,使用支持向量机算法进行了详细的实验,分别测试了不同的纹理特征对实验结果的影响。实验验证了使用HOG纹理特征的支持向量机能得到更高的识别率。同时本文也提出了基于卷积神经网络的车脸识别方法,详细介绍了卷积神经网络的结构。将对齐预处理后的车脸图像送入到网络中进行迭代训练,并且将以上两种车脸识别方法的实验结果进行对比分析。可以得出基于卷积神经网络的车脸识别方法有较高的准确率,并且车前脸及车后脸相比较于车侧脸有更丰富的特征表达,更能准确区分出车型。最后,根据本文的基于卷积神经网络的车脸识别方法,对车脸识别系统的建立进行了简单的模块框架设计。