基于深度神经网络的车辆图片特征自动识别技术研究

针对公安工作中嫌疑车辆种类型号众多、排查分类困难等问题,尝试提出一种基于AlexNet深度神经网络的车辆自动识别技术,能够快速实时对车辆进行分类识别,极大减少了利用人工进行嫌疑车辆排查的时间。该方法可以自适应地避免复杂环境背景对识别效果的干扰,提高嫌疑车辆的识别准确度。经验证,用1000张自然环境下车辆照片进行编程实验和仿真模拟,识别率达到了97.26%。该方法具有优良的鲁棒性和普适性。  

一种端到端的基于ResNet的车辆检测追踪技术研究

视频中的车辆检测追踪是公安技术部门研究的重点。提出了一种端到端的基于ResNet模型的车辆检测追踪技术，ResNet模型中的残差单元能够对该网络提取到的车辆特征在多层网络之间高效传递，减少了因深度增加导致神经网络退化的问题，提高了对车辆检测的效率。实验结果表明，在对白天和夜晚两种环境下的视频进行车辆检测，其检测率分别为95%、93%，整体检测率为94%，该方法表现出良好的鲁棒性。