賈 瑞

（蘇州健雄職業(yè)技術(shù)學(xué)院電子信息學(xué)院， 江蘇 太倉 215400）

引言

隨著經(jīng)濟的高速發(fā)展，汽車產(chǎn)業(yè)也蓬勃發(fā)展起來。雖然汽車讓我們的工作效率更加快捷，生活更加便利，但同時也有不利的一面隨之而來，頻發(fā)的交通事故、逐步變得惡劣的生態(tài)環(huán)境以及能源等方面的問題也不斷地給我們敲著警鐘。對道路交通進行的傳統(tǒng)的管理方式已經(jīng)無法跟上時代的步伐，構(gòu)建新型管理系統(tǒng)來處理復(fù)雜問題已成為必然趨勢。在這種背景下，近年來發(fā)展迅速的人工智能及模式識別技術(shù)與互聯(lián)網(wǎng)技術(shù)逐步結(jié)合起來，并開始應(yīng)用于交通管理行業(yè)，車型識別系統(tǒng)便應(yīng)運而生[1]。

分類識別的速度和準確率是車型識別最重要的兩個指標(biāo)，而影響這兩個指標(biāo)最重要的因素就是對車輛特征的提取，提取的特征要能夠具備應(yīng)對角度偏轉(zhuǎn)、光照強度變化及圖像大小尺度變化的強魯棒性。雖然目前在圖像識別領(lǐng)域常用的特征提取方法很多，但是特征提取主要還是依靠手工提取，而且在對提取的特征進行預(yù)處理的過程，較為麻煩且費時。

1 車型識別國內(nèi)外研究現(xiàn)狀

目前對車型的分類識別主要是利用圖像處理來進行，首先從交通道路上架設(shè)的攝像頭和圖像采集卡收集到視頻流中的圖像，然后通過車輛圖像的分割、車輛特征的提取和車型識別的分類來完成整個識別過程[2]。

因為車輛前臉特征包含車牌、車標(biāo)、車燈等具有可判別性的大量信息，所以國內(nèi)外學(xué)者常利用車輛前臉特征來實現(xiàn)車型分類。Sarfraz提出了利用車身前方的形狀和直方圖的局部特征，然后利用貝葉斯先驗?zāi)Ｐ瓦M行分類，但是識別正確率有待提高。Krishnan Ramnath等提取了車輛的3D空間曲線特征，從車輛的外形整體進行車型分類，該方法能夠?qū)θ我饨嵌扰臄z的車輛圖片進行分類，但是計算量較大。后來張紅兵等人通過提取車輛前臉的HOG特征，用投影細定位和形態(tài)學(xué)粗定位的方法提取車輛的前臉區(qū)域，用線性判別算法提取車輛前臉的梯度方向直方圖特征，其方法降低了維度，提高了運算速度。吳彤等人通過提取車輛側(cè)向特征，利用背景差分法將車型分為大、中、小三類，通過這三類車的正視圖和側(cè)視圖的直方圖交集以及與現(xiàn)有模板比較進行分類，但是如果圖像發(fā)生大尺度變換、旋轉(zhuǎn)以及車輛圖片不是完整圖片，此方法就會失效，不能滿足對車型精細分類的要求[3]。車型識別主要有以下難題仍待解決：

1）車輛圖片背景復(fù)雜多變。自然場景下采集到的圖片可能含有行人、動物、山川等。另外，車輛之間也可能相互遮擋。

2）車輛外觀也會有多種變化。比如采取不同的拍攝點和拍攝角度，即使同一輛車型外觀也會有較為明顯的不同。

3）不同光照條件對識別效果影響很大。比如光線好的晴天和光線差的陰天。另外即使在光線強的白天不同時段也會對所拍圖片質(zhì)量造成較大影響[3]。

1.1 深度學(xué)習(xí)國內(nèi)外研究現(xiàn)狀

為了能讓計算機自動選擇合適特征，人工神經(jīng)網(wǎng)絡(luò)應(yīng)運而生。1962年Hubel和Wiesel在對貓視覺皮層細胞的研究基礎(chǔ)上，提出了感受野的概念以及1984年日本學(xué)者FuKushima在感受野概念基礎(chǔ)上提出了神經(jīng)認知機，這可以看成是神經(jīng)網(wǎng)絡(luò)的首次實現(xiàn)[3]。

直到2010年，Ciresan et al使用非線性深度后向傳播網(wǎng)絡(luò)，在MNIST手寫字上進行識別，實驗結(jié)果超越了所有不適用無監(jiān)督學(xué)習(xí)的前人方法，人們才逐漸將深度學(xué)習(xí)用于目標(biāo)檢測和識別方向。最近5年，大規(guī)模訓(xùn)練數(shù)據(jù)（ImageNet）的出現(xiàn)和高性能計算硬件（GPU）的發(fā)展，為這個領(lǐng)域重新提供了燃料和助推器[4]，使深度學(xué)習(xí)在圖像識別、人臉識別等多個領(lǐng)域的識別結(jié)果都接近或超過了人類的水平。2017年五月份人工智能AlphaGO與中國少年棋手柯潔的對戰(zhàn)，最終以2∶0戰(zhàn)勝了柯潔，這代表以深度學(xué)習(xí)為基礎(chǔ)的人工智能又邁上了一個新的高度。卷積神經(jīng)網(wǎng)絡(luò)因其模擬生物視覺機制，對平移、縮放等變換有較好魯棒性，可以很好地解決車輛在自然場景下位置不同、角度不同等所帶來的分類難題[3]。本文的目的就是使用深度學(xué)習(xí)的方法進行圖像的特征提取，并在這些特征上進行車輛型號的識別工作。

1.2 車型識別系統(tǒng)簡介

自然場景圖像下的車輛定位以及車型識別是車型識別系統(tǒng)的重要組成部分。目前識別精度較高的檢測方法有超聲波檢測、激光紅外線檢測等，但是安裝過程費時，設(shè)備容易損壞而且維護成本高。而基于圖像的車型識別技術(shù)是通過分析處理從攝像頭和圖像采集卡獲取的車輛視頻圖像，完成車輛的分類識別，滿足實時性需求，維護簡單，不會給交通帶來額外負擔(dān)。同時，交通圖片來自于交通道路的實施拍攝情況，這樣可以根據(jù)實時信息對交通事故進行預(yù)測及時做出對策，還可以將收集到的數(shù)據(jù)傳回給數(shù)據(jù)中心，用于存儲，大數(shù)據(jù)等方面。該技術(shù)的優(yōu)勢顯而易見，但難點在于實時處理和準確率的高要求[5]。所以本文的研究重點就是設(shè)計出一套在速度和準確度兩個方面都有較好識別效果的算法。

車型識別系統(tǒng)可以分為品牌標(biāo)志、車輛大小或車輛類別來進行分類。而本文的分類標(biāo)準是按照汽車品牌標(biāo)志進行的。

2 車型識別系統(tǒng)方案

車型識別整體框架如圖1所示。

車型識別整個過程如下：首先利用訓(xùn)練樣本對微調(diào)后的AlexNet模型進行訓(xùn)練，得到新的網(wǎng)絡(luò)層級，然后利用測試圖片進行車型識別。

本文從斯坦福大學(xué)公開數(shù)據(jù)庫下載16 185張共196種類型的汽車圖片，數(shù)據(jù)集被分為8 144張訓(xùn)練圖片和8 041張測試圖片，訓(xùn)練和測試幾乎是一比一分配。該數(shù)據(jù)集是從各個角度拍攝的汽車圖片，圖片大小不統(tǒng)一，背景復(fù)雜，目標(biāo)車輛在整個圖片中所占比例相差較大。為了滿足實驗要求，我們將少數(shù)黑白圖片進行替換，對每張訓(xùn)練圖片都規(guī)整為227 mm×227 mm大小的圖片，并對每一張訓(xùn)練圖片進行車型標(biāo)注，如表1所示。

圖1 車型識別整體框架

表1 數(shù)據(jù)庫標(biāo)注案例

如表1所示，對于每輛訓(xùn)練圖片的標(biāo)注信息包括車輛類別（class）和車輛位置信息，車輛位置信息對應(yīng)著圖片中車輛的左上右下兩點，（36，116，868，587） 為 00002.jpg中車輛圖片的位置向量，其它類別信息同理，這里不再一一闡述。

3 車型識別詳細實現(xiàn)

3.1 實驗環(huán)境

實驗所用計算機配置為：處理器為Intel i5-4590；顯卡為GTX 980；實驗內(nèi)存為8.00GB；RAM系統(tǒng)類型為64位操作系統(tǒng)；實驗系統(tǒng)為Windows7旗艦版；實驗軟件為Matlab R2016b。

3.2 最終成果展示

本文最終的設(shè)計成果為一套人機交互界面，主要包含四部分：模型和閾值設(shè)置；識別對象讀??；手動選取區(qū)域；自動選取區(qū)域，如下頁圖2所示。

3.3 實驗步驟

AlexNet是2012年ImageNet大賽的冠軍，它一共有8層，包括5個卷積層，2層全連接和一層分類層，如果使用其對一張圖片進行前向傳播，那么最后輸出的這張圖片屬于1 000個物體中的哪一個的概率。

首先在Matlab中對AlexNet進行定義，利用trainingOptions函數(shù)建立網(wǎng)絡(luò)訓(xùn)練算法，網(wǎng)絡(luò)訓(xùn)練算法采用具有動力的隨機梯度下降法（Stochastic gradient descent with momentum）進行訓(xùn)練，初始學(xué)習(xí)率為0.001，動力為0.9，每次訓(xùn)練迭代的最小批次為100，訓(xùn)練最大次數(shù)初始學(xué)習(xí)率為0.001，動力為0.9，每次訓(xùn)練迭代的最小批次為100，訓(xùn)練最大次數(shù)為500次。學(xué)習(xí)網(wǎng)絡(luò)結(jié)構(gòu)如圖3所示。

接著我們對其進行微調(diào)，其實前面的卷積層都不用改，要改的就是后面一個全連接層，由于車型一共是196種，所以全連接的輸出也要改成196，后面再加上輸出層（Softmax）和分類層，訓(xùn)練方法不變。微調(diào)后新的網(wǎng)絡(luò)結(jié)構(gòu)如圖4所示。

圖2 人機交互界面總體設(shè)計

圖3 AlexNet結(jié)構(gòu)圖

圖4 微調(diào)后的網(wǎng)絡(luò)結(jié)構(gòu)AlexLayer_New

接著要開始加載訓(xùn)練數(shù)據(jù)并進行訓(xùn)練。首先要做一個圖像數(shù)據(jù)容器，在matlab中寫入規(guī)整后的圖片和標(biāo)簽，輸出應(yīng)該為1到196。接著就可以用trainNetwork功能對微調(diào)后的AlexNet結(jié)構(gòu)進行訓(xùn)練，訓(xùn)練速度相當(dāng)?shù)穆?，?jīng)過反復(fù)迭代比較后發(fā)現(xiàn)，當(dāng)初始學(xué)習(xí)率為0.000 5，動力為0.9，每次訓(xùn)練迭代的最小批次為100，訓(xùn)練最大次數(shù)為10次時，準確率取得了令人滿意的成果（如圖5所示）。

圖5 AlexNet訓(xùn)練效果圖

3.4 實驗結(jié)果

將完成的代碼進行封裝，運行test.m文件，對單張車輛圖片進行測試。圖6是一些汽車圖片的測試結(jié)果。

圖6 汽車圖片檢測結(jié)果

4 結(jié)語

目標(biāo)識別是計算機視覺的一個重要領(lǐng)域，由此延伸出的車輛檢測和車型識別在實際應(yīng)用中意義重大。本文以深度卷積神經(jīng)網(wǎng)絡(luò)為理論基礎(chǔ)，研究了車輛定位和車型識別方法，構(gòu)建了相應(yīng)的識別框架，訓(xùn)練了一套分類算法進行車輛具體品牌和型號的識別。本文對當(dāng)前目標(biāo)識別和分類的算法及局限性進行了簡要說明，進而介紹了卷積神經(jīng)網(wǎng)絡(luò)的工作原理及優(yōu)點：不需要人工提取特征，解決了模型實時更新等問題，同時本文提出了基于AlexNet模型的車型識別方法，在所下載圖片中采用ImageNet標(biāo)注形式，準確率為97%以上，提出了基于Cifar10Net訓(xùn)練的RCNN用于車輛區(qū)域檢測，并配合微調(diào)后的AlexNet進行車型識別；設(shè)計出了一套人機交互界面，可以實現(xiàn)手動選取區(qū)域，直接利用分類模型進行識別操作；也可以利用訓(xùn)練好的RCNN先進行車輛區(qū)域檢測，再利用分類模型進行識別操作。