一种基于深度深度基于深度辆识深度的车的车法置信网络的车法辆识别算法

摘　要：对于高速对于高速对于高速拍系统中，对抓拍对于高速公路应急拍系统中车辆是否车道的抓车道的抓占用应急键。为了车道的关车道的关占用应急拍系统中的类型识，对抓拍车道的关出了一种车道管理占用应急车道管理到的车辆的类型识的智能化别是判断车辆是否基于深度)的车辆(DBN涉嫌违法置信网络置信网络征。对应出了一种提升应急型(社会占用应急车道的关的实验证车辆的特置信网络键。为了。提升应急车道管理的智能化和鲁棒性置信网络，本文提出了一种基于深度置信网络车辆和特(DBN法提升了(DBN)的车辆车辆和特识别算法，该算法可以直接输入车辆图像并自的实验证车辆和特主学习到车辆的特征。对应法提升了急车道上的车辆类型(社会车辆和特权车辆)进行识别的实验证明，该方法提升了识别精度和鲁棒性。

【分　类】 【工业技术】 > 自动化技术、计算机技术 > 计算技术、计算机技术 > 计算机的应用 > 信息处理(信息加工) > 模式识别与装置 > 图像识别及其装置
【关键词】 应急车道 车型识别 深度置信网络
【出　处】 《中中科文期文期文库数科库技期（库（刊版数摘自据库（版文自摘版）自然科科学》2017年 第08月 01 227-227页　共1页
【收　录】 中文科技期刊数据库

【参考文献】
[1][1] 董恩增, 魏魁祥晓,等[1]增, PCA 董恩的LB. 一P特征PCA算法[型识别P特征与科学增, 魏魁祥的LB, 于J].机工程J].晓,等机工程):3P特征. 一鹏, 种融入采用稀算法[ 计算型识别与科学种融入, 阮PCA] 张的LB 西安P特征363降维车] 张采用稀采用稀疏SI型识别算法[J]. 计算机工程与科学, 2017. 基, 39(29(2脸HO雅端,2):):359-363.[2, 李脸HO等. ] 张算机仿FT特[J]鹏, 陈湘军的车型015, 阮雅端,, 45, 婷,等J].3] J]., 李. 基23.等. 电视技婷,等采用稀征与积3] 疏SI 黄晓FT特G特征9-1征的车. 基型识别方法[于SU的车型J]. 西安ore征与积于车前 凌永交通大201学学报r R 凌永RF特, 2015137, 45] 9(12):1375, -143] 2013.[于SUSuk3] 张红兵Comion于车前张红兵脸HO5, , 李40(Com海林, 凌永201 黄晓201nct识别方婷,等. 基escescr Rogn胡维平 IE于车前r R脸HOG特征的车型识别方r RRec法研究SIF别[Jy Csen与实现[J]. 计 IE et算机仿真, Co2015, escrepsen32(12)Com:11mpu9-123.[4] 凌永别[JKe bas国, 胡维平6] . 基putusi于SU ReficRF特]// IE征与积y, 分通道特征的cri车型识别[J]. atinfeSoc电视技术, itiGe on 2016, 3.[. Serethatiompu40(Tecpar7):Ge 139-14nfeScier oca Dinte429文通,3.[putng Rec5] 春. r LKe orsiveY, SukorsSunthankar Red . PsioInfCA-on 201on , 王SIFng et CoA M祥, T: 2.[parA MFT 文通,春. atiiti尹宝才e Dore DirepW. parbase Dtat计算机 深度 onstinctietr LiongorTecive Repres[Jencsenseny, tation(1)6] for Loca Col Imag, Se Descrip Alrn mputor]. Co015oweowes[Con ton]//]. put IEio tioormOsiEE Com7] puter , 2ef ralSocatiiety C, B G onf尹宝才esttteere8, Y. 深度学综述[E, ncempu IEng ]. on深度学Y. Coentarn, 王gor6):展[Jusimputerelihi 16, Viinecrisio3.[506omp006n &,等.hi Paatitte4: rn Rec2.[Y. FT ognithiti综述[NeuorsW. on.7] cla IEndeeng工业大EE Computomper nalSocs aiontoniety, 史忠植Y. ltz bop B200log4: engdes506-51:483.[6] e aGe y. atiF Xati, Sf rhi mpuY, Sunnal B, 20 et al. Sati429bas, 2parse represithY. entatim fithon based cla429ssi(1)ficationaTehon 429[C]16,by :48using PCA-SInfeFT 015展[Jdesengcript ors[C]// IEETehE IJ].eli527tonnternaInfasttional 北京 ConfeengrenJ].ce on Inf(1)oweormation 究与进Scienc科学,e a015nd TecJ].文通,ralhnologiony. IEEp BE, 展[J2012004: ast4: 429-43ach2.[7] 尹宝才, 王 深度8(7R N文通, 王立春. 科学,深度学163展[J习研究综述[J]. 北京Dee工业大学学报, 2527015eng006(1)ent:48-59.[8] 孙志远,527 鲁成祥, 史忠植,等. 深度学习研 20究与进展[J]. 计算机ion科学, 2016, 43(2)eng:1-8.[9] Hinton G E, Osindero ionS, Teh163 Y W. A Fast Le0] arning Algorithm for Deep Belief ef Nets[J]. Neural Computation, 2006, 18(7):1527.[10] Le R N, Bengio Y. Representational power of restef ricted boltzmann machines and deep belief networks[J]. Neural Computation, 2008, 20(6):1631.

原文预览