改進(jìn)YOLOv3算法的車輛信息檢測(cè)

馮加明，儲(chǔ)茂祥，楊永輝，鞏榮芬

(遼寧科技大學(xué) 電子與信息工程學(xué)院，遼寧 鞍山 114051)

近年來(lái)，隨著現(xiàn)代科技的飛速發(fā)展，汽車保有量逐年增多，汽車套牌的犯罪率也逐漸增高。為了減輕對(duì)交通管理部門的壓力，人們開(kāi)始對(duì)車輛進(jìn)行識(shí)別來(lái)確認(rèn)車輛的型號(hào)，然后通過(guò)車輛的型號(hào)與車牌的匹配關(guān)系來(lái)確認(rèn)車輛是否套牌，從而減少了人力管控資源。基于此背景，車輛識(shí)別技術(shù)應(yīng)運(yùn)而生。在車輛識(shí)別的方法中最簡(jiǎn)單方法便是通過(guò)圖像的方式，即通過(guò)交通攝像頭拍攝交通圖像，然后通過(guò)模式識(shí)別的方法識(shí)別交通圖像中的車輛。而要識(shí)別交通圖像中的車輛，首要任務(wù)是檢測(cè)出圖像中的車輛信息，主要包括車牌、車標(biāo)、車臉。

目前，車輛信息檢測(cè)的方法眾多，可總結(jié)為兩類，即傳統(tǒng)學(xué)習(xí)方法和深度學(xué)習(xí)方法。傳統(tǒng)學(xué)習(xí)方法主要通過(guò)研究車牌、車標(biāo)、車臉的特點(diǎn)，提取相應(yīng)的特征，然后通過(guò)滑動(dòng)窗口的方式對(duì)車輛信息進(jìn)行檢測(cè)。Zakaria等[1]使用梯度直方圖特征和支持向量機(jī)相結(jié)合的方法進(jìn)行車輛檢測(cè)；張小琴等[2]利用車輛的對(duì)稱特征檢測(cè)車臉，然后通過(guò)提取車臉的梯度直方圖特征結(jié)合支持向量機(jī)的方法識(shí)別車輛。上述傳統(tǒng)學(xué)習(xí)方法能夠檢測(cè)出圖像中的目標(biāo)，但是提取車輛信息的特征比較簡(jiǎn)單，算法穩(wěn)定性容易受到環(huán)境變化的影響。隨著近幾年深度學(xué)習(xí)的興起，RCNN[3]、Fast R-CNN[4]、Faster R-CNN[5]、SSD[6]以及YOLO系列[7-9]等基于深度學(xué)習(xí)方法的目標(biāo)檢測(cè)算法相繼出現(xiàn)。Huang等[10]采用Faster-RCNN算法與VGG-16、ResNet-50網(wǎng)絡(luò)結(jié)構(gòu)相結(jié)合的方法識(shí)別道路監(jiān)控中的車標(biāo)；……