基于图像结构化描述的车辆识别平台应用研究

摘要

目前，随着科技的进步和信息化建设的深入，公安机关建设了大量的高清摄像头，在公安工作中发挥了重要的作用，但海量的视频和图片资源已经达到了大数据的规模。仅用传统人工查看的方法，面对如此大量的资源，查看效率已经无法满足实际工作的需求。如何更加快速、高效地对视频资源进行解析、处理，并加以深度应用，已经成为一个亟待解决的问题。而这一切的关键就是视频图像结构化技术，通过图像结构化描述，可以将非结构化的视频和图片资源转变为可直接检索的结构化数据，再经过进一步的挖掘和处理，可以更加高效地为侦查破案和其他公安业务提供支撑和帮助。
　　传统的车辆识别技术，主要基于车辆的牌照，通过图像采集，图像处理，车牌定位，字符切分，字符识别等步骤后，识别出车辆悬挂的车牌号码，再和后台数据库比对，检索出车辆的登记信息。而在公安实际工作中，大量的犯罪嫌疑人作案时采用无牌、套牌、假牌或者遮挡牌照的车辆，传统的车牌识别方案已经不能满足侦查破案工作的需求。
　　本文旨在研究和建设基于图像结构化描述的车辆识别平台，通过图像结构化描述、车辆特征识别和深度学习技术实现基于特征的车辆识别，为车辆识别提供一种全新的模式，和传统的车牌识别模式互为补充，实现对机动车辆、非机动车辆以及包含个性化特征的车辆进行基于牌照、特征的各种智能查询、分类检索和交叉比对，为开展视频图像检索、轨迹发现、快速筛选、特征比对等提供多维度的分析平台，从而解决视频监控系统深度应用不足的问题，充分发挥视频图像资源的效能，为侦查破案、交通管理等公安业务提供更好的帮助。

目录

声明

摘要

第一章 绪论

1．1 课题背景及意义

1．2 国内外研究现状

1．3 本文研究内容

第二章 图像识别技术

2．1 基于局部特征的图像识别技术

2．1．1 图像局部特征

2．1．2 SIFT局部特征提取分析

2．1．3 基于SIFT特征匹配的车型识别

2．2 基于深度学习的车型识别

2．2．1 神经网络与深度神经网络

2．2．2 特征学习方法及模型

2．2．3 卷积神经网络

2．2．4 基于深度学习的车型识别模型

2．3 本章小结

第三章 基于SIFT特征和深度学习的车辆图像结构化描述

3．1 车辆图像结构化描述概述

3．2 标准车辆结构化描述

3．2．1 车牌检测

3．2．2 车牌识别

3．2．3 车型识别

3．2．4 车身颜色识别

3．3 非标准车辆结构化描述

3．4 车辆个性化特征描述

3．5 本章小结

第四章 基于图像结构化描述的车辆识别平台

4．1 平台概况

4．2 标准车辆结构化描述及应用

4．2．1 标准车辆识别

4．2．2 标准车辆结构化描述的业务应用

4．3 非标准车辆智能检索及应用

4．3．1 非标准车辆识别

4．3．2 非标准车辆结构化描述的业务应用

4．4 车辆个性化特征智能检索及应用

4．4．1 车辆个性化特征识别

4．4．2 个性化特征识别的业务应用

4．5 本章小结

第五章 总结与展望

参考文献

攻读学位期间公开发表的论文

致谢