基于胶囊神经网络的车型精细识别研究

程换新，郭占广，程 力，刘文翰，张志浩

(1.青岛科技大学 自动化与电子工程学院，山东 青岛 266061；2.中国科学院新疆理化技术研究所，新疆 乌鲁木齐 830001)

0 引 言

近年来,由于国内汽车保有量持续增加,如何及时高效地管理道路交通成为交管部门的首要难题。与此同时,基于视频图像的车辆特征识别技术迅速发展,广泛应用于无人驾驶汽车、智能辅助驾驶系统等领域,逐渐成为图像识别与模式识别领域新的研究热点[1]。正确进行车型精细识别是智慧交通走向成熟的重要技术环节。车型种类众多,不同型号的车辆外观差异较小,拍摄的车辆图像大多处在复杂多变的环境中,障碍物遮挡、恶劣天气等因素都会对检测识别车型造成影响。因此车型精细识别技术需要具有较强的准确率和鲁棒性来满足不同影响因素下的识别任务。为提升鲁棒性和识别准确度,国内外专家学者做了大量的研究，Baek等人[2]通过使用HSV颜色空间的H和S分量的颜色直方图来生成用于SVM分类和识别的二维直方图。Kim等人[3]在HIS色彩空间中通过为每个颜色通道设置不同数量的统计间隔，改进了Baek的研究成果，该方法不仅提高了精度，而且减少了模型处理时间。Farhad Mohammad与Kazemi[4]提出利用FFT进行车辆特征的提取，Rahti[5]改进了Kazemi的研究工作，最后通过使用Contourlet变换进行车辆特征提取;Zafar[6]通过多种特征融合进行特征匹配，最终实现车辆特征识别。此外，也有学者通过SIFT、HOG、LBP等[7-8]特征提取方法来实现车辆特征识别。

近年来车辆识别对细节的要求逐渐提高，如何准确描述车辆细节特征已经成为当前车辆精细识别的研究热点[9]。……