排序方式: 共有2条查询结果,搜索用时 0 毫秒
1
1.
针对目前基于机器学习的车辆颜色和型号识别方法的识别准确率低问题, 提出基于卷积神经网络的车辆颜色和型号识别方法。该方法使用Darknet网络中YOLOv3(You Only LookOnce Version 3)算法对车辆图片的车脸进行检测与定位, 再对车脸区域使用车辆颜色和型号识别算法同时识别车辆颜色和型号, 这是对车辆多属性同时识别的方法, 不同于车辆单一属性识别的方法。在公开车辆数据集(Peking University Vehicle Datasets, PKU-VD)上进行实验, 实验结果表明, 车辆颜色和型号同时识别准确率为93.75%, 车辆颜色单一属性识别准确率为94.98%, 车辆型号单一属性识别准确率98.38%, 明显优于基于机器学习的车辆属性识别算法, 从而验证该算法是可行且有效的。最后将车辆颜色和型号识别技术应用在智能停车场收费系统中。 相似文献
2.
朱百万 《电子技术与软件工程》2020,(5):199-201
本文提出使用车脸识别技术对车辆身份进行识别,从而解决目前停车场收费对无牌车无法扣费和套牌车逃费的问题。该系统利用车脸识别与移动支付技术,更好地实现停车场的无人值守,并且进行大量测试,满足中小型停车场的使用。 相似文献
1