基于改进YOLOv5s的车脸检测算法

针对车检站中车辆检测的实际需求,提出一种改进YOLOv5s的轻量级车脸检测算法。使用ShuffleNetV2网络作为Backbone,在保证模型检测精度的同时实现模型的轻量化与实时性;将通道-空间注意力(SA-Net)与跨通道注意力(Triplet)相结合,提出一种跨通道-空间注意力模块(SA-Triplet attention, STA),提高模型的检测精度;提出一种基于STA注意力模块的跨层特征融合模块(SA-Triplet attention feature fusion, STA-FF),进一步提高模型的检测精度。在自建车脸检测数据集Car-Data上进行实验,所提模型的平均检测精度达到了94.3%,检测速度达到了105.60 FPS,模型参数量为12.36 M。

基于改进YOLOv5m的轻量化车脸检测方法

为解决车检站车辆检测中需要对车辆前照灯快速准确定位,同时防止车辆代检的问题,建立了一个车脸检测数据集Car-Data。针对车检站场景中车辆检测问题,提出了一种基于YOLOv5m的轻量化车脸检测方法。首先,将原网络的卷积块替换为改进型跨阶段深度可分离卷积块,以减少网络整体的参数量和计算量。其次,提出增强感受野的空间金字塔扩张卷积模块代替YOLOv5m的主干提取网络中的空间金字塔池化模块,从而提升网络的目标检测精度。最后,在颈部特征增强网络中修改上采样方法,并提出上下层特征融合模块,以减少特征信息的损失。在Car-Data数据集上进行的实验结果表明,改进后的算法相较于原YOLOv5m模型大小减少了48%,每秒检测帧数提高了约10帧,且平均检测精度仍提升了2.02%。因此该改进算法可以满足车检站车辆检测场景中车脸检测的需求。

基于车脸识别技术的超限货运车辆遮牌问题治理研究

公路车辆超限超载直接危及公路桥隧安全,引发道路交通安全事故,对人民群众生命财产安全带来极大威胁。本文阐述了以数字化的手段严厉打击货车遮挡车牌逃避治超非现场执法检测行为,介绍了利用车脸识别、卫星定位、大数据比对分析等技术,提取超限车辆特征,对比公安卡口抓拍车辆,主动分析与遮牌违法车辆高度相似车辆,再对疑似车辆进行反向追踪,从而实现对超限遮牌车辆身份的最终确认并合成电子证据,精准执法。

基于孪生非负矩阵分解的车脸重识别算法

受光照强度变化影响,同一车辆在不同时段采集的车脸图像可能会存在差异,如车身颜色、车灯状态等,为了使识别方法对多种光照条件具有普适性,提出了一种孪生非负矩阵分解模型。首先,将每一对训练样本车脸图像的初始特征分配在两个非负矩阵分解模型中;然后,融合分解后的误差损失,类内损失,类间损失,设计了一种孪生非负矩阵分解模型,其中,两个非负矩阵分解模型共享同一特征基;最后,基于梯度下降法对模型进行求解,获得共享特征基,并基于余弦距离实现了车脸图像的匹配。实验结果表明,对于存在一定光照差异条件下采集的两幅车脸图像,提出的算法仍能获得较为准确的重识别结果,错误接受率与错误拒绝率均可降低至6%以下。

车脸定位及识别方法研究

针对车牌无法识别的车辆,研究了一种车脸定位及识别方法。该方法分为两个阶段:首先,使用Adaboost算法进行车脸定位,并利用经验矩形方法进行定位改进;其次,在定位出来的车脸区域提取SIFT(scale-invariantfeature transform)和SURF(speeded up robust feature)局部不变性特征,利用这两种不变性特征的叠加及位置约束改进匹配算法,与标准车型数据库中的车脸特征进行匹配,根据匹配结果进行车脸识别,从而得到车辆类型。实验结果表明,该方法的正确识别率达到83.6%。交通卡口抓拍到的车辆照片基本是正前照,无法获取车身侧面信息分析其车型。针对车牌无法识别的车辆,通过车脸定位、特征提取,并与标准车型库中车脸进行对比,进而识别车脸,该识别车脸的方法为识别车型提供了一种新途径。

基于加权正交约束非负矩阵分解的车脸识别算法

面对多类别且标注数量有限的样本,为进一步提高车脸图像的识别准确性,提出一种基于改进非负矩阵分解(NMF)的车脸识别算法。首先,采用方向梯度直方图(HOG)算子提取车脸图像局部区域形状特征,并将其作为车脸图像的初始特征;而后,提出具有多权重、正交性、稀疏性约束的NMF模型,并基于该模型获得了描述车脸图像中关键区域的特征基,实现了特征的降维;最后,利用离散余弦距离计算特征间的相似性,进而对车脸图像是否匹配作出判断。实验结果表明,对于建立的车脸图像数据集,提出的识别算法能够取得较好的识别效果,准确率可达到97.56%,且满足实时性要求。

基于边缘检测与模式识别的车脸识别算法

为了解决当前车辆目标成像效果差且光照干扰强,导致智能系统识别车辆能力不足的问题,提出了基于边缘检测与模式识别的车脸识别算法。首先,基于Lab颜色空间转换与Canny边缘检测,设计车辆前脸区域检测机制,得到车脸区域图像。然后,基于粗糙集描述和Adaboost分类器,对车脸特征完成训练,建立强识别器,准确识别车脸。最后,基于开源图像库Aforge.NET和C#语言实现算法,开发出瀑布结构标准软件系统。实验测试结果显示：与当前车脸识别技术相比,算法拥有更高的准确性与稳定性。

标准化HU不变矩算法的车脸图像特征提取

为了解决车型识别过程中车脸图像特征提取的问题,提出了一种标准化不变矩算法。在对车脸图像进行分割处理、提取出感兴趣区域、采用轮廓跟踪法得到形状轮廓的基础上,对原有的HU不变矩矩算法进行了标准化处理,并与典型的HU不变矩算法结果进行了对比。实验结果表明,该不变矩标准化算法在对图像进行特征提取方面可以得到更高精度的特征值。

一种车脸识别算法的研究与应用

基于车牌识别技术的停车场收费系统存在无牌车无法自动扣费以及套牌车逃费等问题。针对这一问题,需要基于车牌之外的其它特征来对车辆进行自动准确地识别。车脸能够有效表达车辆的特征信息,因此文中提出了一种基于卷积神经网络的车脸识别算法,该算法可以根据车脸图像自动准确地识别车辆,有效解决车辆身份识别中过度依赖于车牌的问题。实验结果表明,该算法的车脸识别准确率可以达到94.23%,明显优于传统的车脸识别算法,证明了该算法的可行性。最后,将车脸识别技术融合进智能停车场收费系统,可以有效地解决无牌车无法自动扣费和套牌车逃费的问题。

车脸识别的停车场收费系统设计与实现

本文提出使用车脸识别技术对车辆身份进行识别,从而解决目前停车场收费对无牌车无法扣费和套牌车逃费的问题。该系统利用车脸识别与移动支付技术,更好地实现停车场的无人值守,并且进行大量测试,满足中小型停车场的使用。

基于SVM和VAR/LBP的车脸识别

局部二值模式(LBP)作为一种纹理特征在图像识别方面广泛应用并取得了良好的效果,针对原始的LBP特征统计直方图特征维数相对较高并且不具有旋转不变性的问题,采用对图像的旋转与光照具有较好鲁棒性的VAR/LBP特征,并将该方法应用到车脸图像的识别;对车脸图像提取的VAR特征图像进行分块,并分别统计子块图像的LBP直方图特征,并结合SVM模型训练出了分类效果较好的分类器。通过实验证明,VAR/LBP与SVM相结合的算法对车脸图像识别可达到98.6%的正确率,具有良好的鲁棒性。

一种改进的2DPCA车脸识别方法

传统的2DPCA算法在识别的过程中需要计算出训练样本的平均值,在训练样本过多图像分辨率过高的情况下,无疑会使得计算时间过长,为了解决这个问题,在此提出了一种将样本数据重新排列之后提取中间的某些数求简化均值的方法,以此简化均值数重建散布矩阵。实验之后表明,在训练样本较多时且训练图像分辨率较高时,识别速度有大幅提高,且取得了较高的识别率。

基于Haar-like和AdaBoost的车脸检测

文中为降低计算的复杂度,提高车型识别的效率,从整幅车辆图像中检测出车辆的车脸部分,用车脸图像对车型进行识别。采用能够快速计算的Haar-like特征,根据Haar-like特征的分布情况对其进行归一化处理,利用归一化处理后的特征构建多个弱分类器,再利用AdaBoost算法把选出的弱分类器级联为强分类器,最后用强分类器对车辆图像的车脸部分进行检测定位。实验结果表明,在100幅不同车辆图像测试样本中,车脸部分的平均检测率为79%,平均识别时间为184.98 ms。

基于车脸特征的车型识别技术及其在公安领域的应用

车型识别技术在公安侦查、交通管理等领域有着广泛的应用,而传统的车型识别仅能分辨出车辆的大致类型,如小型、中型和大型。随着计算机技术的进步,基于车脸特征的车型识别技术逐渐走向实用,不但可以识别车辆品牌,甚至可以识别品牌旗下的系列和年款,从而大大扩展了该技术在相关领域的应用。对车型识别技术进行了全面的介绍,并着重对基于车脸特征的车型识别技术进行了深入分析,指出其目前尚存的问题。

基于方向梯度直方图特征的车脸识别方法研究

随着道路监控系统的数字化和智能化发展,车辆类型识别成为智能交通系统的研究重点之一。本文基于道路监控系统中的视频图像,对车前脸进行粗定位,并在粗定位车脸的基础上对车脸进行精确定位。对精确定位的车前脸进行水平梯度水平投影和水平梯度垂直投影,提取车标的方向梯度直方图——HOG特征,由此提出了基于HOG特征描述的车脸特征点提取方法,并采用支持向量机(SVM)对车标特征向量进行了分类识别。实验结果表明,只有选择适当的HOG特征参数,才能提高车型识别率。

基于加权稀疏非负矩阵分解的车脸识别算法

为提高多种光照条件下交通卡口视频中车脸识别的准确性,提出了一种基于改进非负矩阵分解的车脸识别算法.对采集图像进行预处理,获得车脸图像与车牌信息.基于特定光照条件,自适应提取车脸图像的初始特征.针对车脸图像中像素位置的重要性差异,建立了加权稀疏约束非负矩阵分解的特征降维方法.通过判断特征相似性与车牌信息一致性,确定车辆是否合法.实验结果表明所提算法具有较好的识别性能,真实接受率与错误拒绝率分别可达到0.987 5与0.04,并满足实时性要求.

建立车脸识别系统查打“遁牌黑车”犯罪研究

运用视频结构化技术开发车脸识别管理系统,对视频内容进行结构化数据采集、存储,能够实现视频大数据智能化检索、应用,精准打击“遁牌黑车”犯罪。该系统是以车脸五重固化特征为纽带,利用“以图搜图”的功能,从历史车脸数据中桥接相同特征车辆,锁定遁牌黑车的幕后真身,确定犯罪嫌疑人,实现对刑事犯罪案件的穿透式侦查,为反恐、刑侦、治安、交管等部门降维打击犯罪提供新路径,构建公安机关精致化研判、集约化用警、数据化侦查的新型警务实战文化,确保国家政治安定、社会安稳、人民安心。

基于PCA算法的车脸识别系统研究

通过高速公路高清卡口抓拍系统对途径车辆图片进行主成分特征提取。经过一系列的车脸识别后,达到对逃费或有问题车辆的行驶轨迹进行跟踪取证和行为分析。本系统基于PCA(Principal component analysis)算法,利用算法在降维和特征提取方面的有效性,识别车脸。通过Matlab仿真计算,呈现车脸识别后的结果,并延伸应用于高速公路收费稽查管理中。

车脸识别在警务实战中的系统实现与应用

通过对兰州市公安信息化系统建设现状及智能视图的需求分析,提出采用车脸识别和Wi-Fi并轨分析技术,构建车辆视图大数据分析的技术思路。通过对系统架构、关键技术、技术方案及特点、功能实现和应用成果的详细分析和展示,验证了车脸识别及视图大数据分析技术在公安警务实战中的应用价值。

基于卷积神经网络的车脸识别防逃费稽查平台研究

文章基于卷积神经网络技术,分析高速公路车脸识别防逃费稽查平台的设计与应用。从车辆品牌型号识别、以图搜车技术、临界车型判定等方面分析了平台的实现原理;从节假日临界车型研判模块、ETC大车小标研判模块、数据汇聚、数据存储、图片存储等方面阐述了平台的组成与功能,并结合高速公路管理案例,验证平台功能达到了高速公路稽查管理的要求。