基于深度卷積神經(jīng)網(wǎng)絡(luò)的車(chē)型識(shí)別研究

王建勇

（四川大學(xué)計(jì)算機(jī)學(xué)院，成都 610065）

0 引言

近年來(lái)，我國(guó)高速公路建設(shè)飛速發(fā)展，截至2005年底我國(guó)的高速公路網(wǎng)的骨架已經(jīng)基本形成，越來(lái)越多的人開(kāi)始關(guān)注“高速公路安全，快速服務(wù)”等問(wèn)題。目前大部分高速公路的收費(fèi)模式采用“人工收費(fèi)，計(jì)算機(jī)輔助”的收費(fèi)模式，這種以人工占主導(dǎo)地位的收費(fèi)模式，很容易出現(xiàn)司乘人員逃費(fèi)的現(xiàn)象和交通擁堵現(xiàn)象。為提高高速公路的運(yùn)行效率，研發(fā)自動(dòng)收費(fèi)系統(tǒng)勢(shì)在必行。車(chē)輛的車(chē)型是收費(fèi)的重要依據(jù)，自動(dòng)車(chē)型識(shí)別是自動(dòng)收費(fèi)系統(tǒng)的關(guān)鍵組成部分。

自動(dòng)車(chē)型識(shí)別方法一般可以分為兩類(lèi)：基于硬件的方法和基于軟件的方法?；谟布姆椒?，如埋設(shè)光柵，成本高，維護(hù)困難。因此基于軟件的方法，逐漸興起。高速公路已經(jīng)形成龐大的攝像頭網(wǎng)絡(luò)，如何利用這些視頻大數(shù)據(jù)實(shí)現(xiàn)車(chē)輛車(chē)型自動(dòng)識(shí)別，是一個(gè)值得研究的課題。

本文提出了一種基于深度卷積神經(jīng)網(wǎng)絡(luò)的車(chē)型識(shí)別方法并取得了較高的車(chē)型識(shí)別準(zhǔn)確率。我們首先清洗了從高速公路獲取的車(chē)輛視頻大數(shù)據(jù)，構(gòu)建了車(chē)型識(shí)別數(shù)據(jù)集；進(jìn)而設(shè)計(jì)了兩種深度卷積神經(jīng)網(wǎng)絡(luò)用于車(chē)型識(shí)別數(shù)據(jù)分析；最后基于PyTorch神經(jīng)網(wǎng)絡(luò)開(kāi)源框架實(shí)現(xiàn)了所提出的方法，并取得94.6%的識(shí)別準(zhǔn)確率。

1 方法

1.1 車(chē)型識(shí)別數(shù)據(jù)集

車(chē)型識(shí)別數(shù)據(jù)集的構(gòu)建是研發(fā)車(chē)型識(shí)別算法的基礎(chǔ)。我們從多個(gè)高速公路收費(fèi)站的監(jiān)控錄像中獲得了海量的車(chē)輛視頻數(shù)據(jù)，這些視頻數(shù)據(jù)中記錄了每輛車(chē)從進(jìn)入收費(fèi)站到完成收費(fèi)的所有畫(huà)面，而且包含了對(duì)應(yīng)車(chē)輛的車(chē)型信息。

我們首先根據(jù)車(chē)輛將監(jiān)控?cái)?shù)據(jù)分割為多個(gè)片段，并將其轉(zhuǎn)化為圖像序列。為了消除光照變化和攝像頭背景的影響，我們將圖像轉(zhuǎn)化為灰度圖像然后將相鄰兩幀做差值，最后形成車(chē)型識(shí)別數(shù)據(jù)集。該數(shù)據(jù)包含7類(lèi)車(chē)型數(shù)據(jù)，其中，貨1、貨2、貨3、貨 4、客 1、客 2和客3 分別包含 475、136、79、529、1032、108 和 133 張圖像。

1.2 深度卷積神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)

卷積神經(jīng)網(wǎng)絡(luò)是一種特殊的神經(jīng)網(wǎng)絡(luò)模型，它模擬了大腦視網(wǎng)膜神經(jīng)網(wǎng)絡(luò)的信息處理機(jī)制，對(duì)圖像數(shù)據(jù)具有很強(qiáng)的處理能力。從2012年開(kāi)始，基于卷積神經(jīng)網(wǎng)絡(luò)的圖像識(shí)別方法在大規(guī)模圖像識(shí)別挑戰(zhàn)賽Ima?geNet上蟬聯(lián)冠軍，其中VGG神經(jīng)網(wǎng)絡(luò)和ResNet神經(jīng)網(wǎng)絡(luò)是如今使用最為廣泛的兩類(lèi)網(wǎng)絡(luò)。

圖1 VGG-11網(wǎng)絡(luò)和ResNet-18網(wǎng)絡(luò)的準(zhǔn)確率曲線（上圖）和loss曲線（下圖）其中藍(lán)色線條表示VGG-11，而橙色線條表示ResNet-18

圖1 VGG-11網(wǎng)絡(luò)和ResNet-18網(wǎng)絡(luò)的準(zhǔn)確率曲線（上圖）和loss曲線（下圖）。其中藍(lán)色線條表示VGG-11，而橙色線條表示ResNet-18車(chē)型識(shí)別是一種圖書(shū)的圖像分類(lèi)任務(wù)。本文擬借鑒VGG網(wǎng)絡(luò)[1]和ResNet網(wǎng)絡(luò)[2]，實(shí)現(xiàn)車(chē)型識(shí)別算法。其中，VGG網(wǎng)絡(luò)含有11層，記作VGG-11，而ResNet含有 18層，記作ResNet-18。網(wǎng)絡(luò)的基本構(gòu)成包括：卷積層、ReLu激活層和Batchnorm層。卷積層的計(jì)算模型為：

其中，E[x]和Var[x]為整個(gè)數(shù)據(jù)集上的期望和方差。據(jù)此，我們可以很簡(jiǎn)單地得到VGG-11和ResNet-18的計(jì)算模型。

VGG-11網(wǎng)絡(luò)和ResNet-18網(wǎng)絡(luò)需要在車(chē)型識(shí)別數(shù)據(jù)集上訓(xùn)練來(lái)得到網(wǎng)絡(luò)參數(shù)。這里，我們使用crossentropy作為網(wǎng)絡(luò)的性能函數(shù)，然后使用梯度下降算法更新網(wǎng)絡(luò)參數(shù)，以使得網(wǎng)絡(luò)輸出逼近網(wǎng)絡(luò)的目標(biāo)輸出。換言之，網(wǎng)絡(luò)能正確地輸出所輸入車(chē)輛圖片對(duì)應(yīng)的車(chē)型。

1.3 算法實(shí)現(xiàn)與實(shí)驗(yàn)分析

實(shí)驗(yàn)設(shè)置：本文使用PyTorch開(kāi)源框架來(lái)實(shí)現(xiàn)VGG-11網(wǎng)絡(luò)和ResNet-18網(wǎng)絡(luò)，編程語(yǔ)言為Python。所有的算法均運(yùn)行在相同的服務(wù)器上，其配置為：Intel i7 CPU、4塊NVIDIA P100 GPU、64G RAM。網(wǎng)絡(luò)訓(xùn)練過(guò)程中batch_size設(shè)置為64、優(yōu)化器選擇Adam，學(xué)習(xí)因子為0.001。

實(shí)驗(yàn)數(shù)據(jù)：我們將構(gòu)建的車(chē)型數(shù)據(jù)集按照4:1隨機(jī)劃分為訓(xùn)練數(shù)據(jù)集和測(cè)試數(shù)據(jù)集。網(wǎng)絡(luò)在訓(xùn)練數(shù)據(jù)將上進(jìn)行學(xué)習(xí)，然后在測(cè)試數(shù)據(jù)集上測(cè)試性能。在車(chē)輛圖像輸出網(wǎng)絡(luò)之前均縮放到224×224。

實(shí)驗(yàn)分析：圖1展示了VGG-11網(wǎng)絡(luò)和ResNet-18網(wǎng)絡(luò)在訓(xùn)練集上的學(xué)習(xí)性能?？梢园l(fā)現(xiàn)ResNet-18可以更好更快地取得較高的準(zhǔn)確率和較低的loss值。表1和表2展示了兩種網(wǎng)絡(luò)在測(cè)試集上的混淆矩陣。據(jù)此可得，ResNet-18的測(cè)試準(zhǔn)確率為94.6%，而VGG-11的測(cè)試準(zhǔn)確率為93.0%。ResNet-18網(wǎng)絡(luò)取得更好的性能。

表1 ResNet-18在測(cè)試集上的混淆矩陣

表2 VGG-11在測(cè)試集上的混淆矩陣

2 結(jié)語(yǔ)

本文構(gòu)建了車(chē)型識(shí)別數(shù)據(jù)集，并提出了基于神經(jīng)網(wǎng)絡(luò)的車(chē)型識(shí)別方法，驗(yàn)證了VGG-11網(wǎng)絡(luò)和ResNet-18網(wǎng)絡(luò)的性能。實(shí)驗(yàn)結(jié)果表明，ResNet-18網(wǎng)絡(luò)可以取得94.6%的識(shí)別準(zhǔn)確率，具有一定的實(shí)用價(jià)值。