簡介

在新一代的智能識別系統中，交通安防對于車型識別的需求更為強烈。有關部門也有關于車型識別的技術文檔要求，包括大類型，子類型、年款等要求。設計一套實用的車型識別系統，主要包括以下幾個方面：

1.車輛檢測模塊；

2.車型識別模塊；

3.車輛顏色識別模塊；

4.車輛跟蹤模塊（視頻識別）。

最近北京智云視圖科技有限公司開放了一個車型數據集，包含了1776種主流車型及年款，是一個比較全面的車型數據集。我們可以在此數據集基礎上，增加一部分自己的數據，或者直接采用該數據集，進行車型識別的訓練。接下來，我們對不同模塊進行介紹。

模塊介紹

車輛檢測

對于較大分辨率的圖片或者視頻，為了能夠快速進行多物體檢測，通常采用one-stage的深度學習檢測器，例如ssd或者yolo，這里我們推薦yolov3檢測器，如果采用原始的模型，可以直接進行檢測，或者也可以自己訓練，可以參考這個教程：https://blog.csdn.net/u012746060/article/details/81183006

車輛識別

車輛識別屬于細分類，對于細分類有很多可以參考的資料，大家可以參考這里的一些說明：https://zhuanlan.zhihu.com/p/53611407。如果數據量比較充裕的情況下，直接選擇合適的網絡進行分類，同樣可以取得不錯的效果。我們在實驗階段，采用了mobilenet進行車型分類，數據庫中包含1776中主流車型數據，主要為車頭數據，訓練好的模型可以在這里得到：https://github.com/zeusees/HyperVID

車輛顏色識別

這個如果用傳統方式，處理起來還是存在一些麻煩，在采用深度學習的方法下，能夠進一步提高識別的準確率。原理同樣是分類任務，但是由于不同監控情況下，逆光、反光、暗光，都會導致車身顏色的變化旭訓練時盡量保證數據均衡。

車輛跟蹤

在視頻結構化中，跟蹤是一個重要的環節，如果每幀檢測，會增加系統的計算量，可以每隔幾幀檢測一次，期間進行跟蹤算法，對于這部分跟蹤，可以選擇輕量級的跟蹤，包括模板匹配等。

后記

車型識別原理上不難，其中對數據的需求，模型的優化要去較高，希望此次開放的代碼及數據集能夠對相關的研究人員和算法愛好者有所幫助。

參考資料：

HyperVID：https://github.com/zeusees/HyperVID
HyperVID-Dataset：鏈接: https://pan.baidu.com/s/1ZtXvjwLzIMQodEp3SAbN8g 提取碼: byhy

總結

以上是生活随笔為你收集整理的基于HyperVID数据集训练自己的车型识别系统的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。