论文部分内容阅读
随着中国汽车工业的高速发展,汽车品牌和型号数量的持续增长为汽车造型的高效设计和交通领域的智能化管理带来挑战。一方面,传统的汽车造型分析以及设计方法在新车型开发中往往耗费较高的人力成本、时间成本,因此,实现汽车造型的自动化、高效地分析与设计对于新车型快速进入市场具有重要意义;另一方面,汽车数量的剧增对交通安全带来挑战,实现对车辆的实时监控和对车辆的识别、追踪,有助于对交通的智能化管理。本文为了研究汽车前脸造型的自动化分析和汽车品牌的有效识别,采用了一种基于汽车前脸造型的汽车品牌分类方法,并且基于该方法实现了汽车前脸造型家族化属性的初步探究和基于视频的汽车品牌有效识别。为了实现汽车前脸造型的自动化、智能化分析,本文提出了一种数据驱动的计算造型分析理念,即利用机器学习等技术实现对汽车前脸造型大数据的深度挖掘与自动化分析。为此,本文采用了AutoMorpher课题组创建的汽车前脸造型数据库(Car Frontal Styling Database-CFSDB),并利用PCANet与SVM相结合的机器学习技术对造型图像数据进行品牌分类与识别,挖掘品牌造型的家族化属性。对于分类与识别结果,本文设计了一系列可视化方法展现挖掘到的品牌造型家族化属性信息。实验结果证明了该方法能够分析品牌造型的一致性与相似性,并且能够分析品牌家族化特征。为了实现基于视频的汽车品牌有效识别,本文提出了利用汽车前脸造型区域实现汽车品牌的分类与识别。首先,本文利用PCANet/SVM方法对CFSDB数据库进行品牌分类训练,得到品牌分类与识别的训练模型;然后,本文用Fast R-CNN技术实现对视频内汽车前脸车灯的有效检测,从而根据车灯与汽车前脸造型区域的位置关系提取到前脸造型区域;最后,根据品牌分类与识别的训练模型,利用PCANet/SVM方法实现对检测到的汽车造型的品牌识别。数值实验阶段,95%以上的交叉验证结果和90%以上的实际应用结果验证了该方法的有效性。基于采用的PCANet/SVM方法和CFSDB数据库,本文开发了汽车品牌造型分析软件——AutoMorpher/iBrandGene和汽车品牌识别软件——AutoMorpher/iBrandReco。