简介

在新一代的智能识别系统中，交通安防对于车型识别的需求更为强烈。有关部门也有关于车型识别的技术文档要求，包括大类型，子类型、年款等要求。设计一套实用的车型识别系统，主要包括以下几个方面：

1.车辆检测模块；

2.车型识别模块；

3.车辆颜色识别模块；

4.车辆跟踪模块（视频识别）。

最近北京智云视图科技有限公司开放了一个车型数据集，包含了1776种主流车型及年款，是一个比较全面的车型数据集。我们可以在此数据集基础上，增加一部分自己的数据，或者直接采用该数据集，进行车型识别的训练。接下来，我们对不同模块进行介绍。

模块介绍

车辆检测

对于较大分辨率的图片或者视频，为了能够快速进行多物体检测，通常采用one-stage的深度学习检测器，例如ssd或者yolo，这里我们推荐yolov3检测器，如果采用原始的模型，可以直接进行检测，或者也可以自己训练，可以参考这个教程：https://blog.csdn.net/u012746060/article/details/81183006

车辆识别

车辆识别属于细分类，对于细分类有很多可以参考的资料，大家可以参考这里的一些说明：https://zhuanlan.zhihu.com/p/53611407。如果数据量比较充裕的情况下，直接选择合适的网络进行分类，同样可以取得不错的效果。我们在实验阶段，采用了mobilenet进行车型分类，数据库中包含1776中主流车型数据，主要为车头数据，训练好的模型可以在这里得到：https://github.com/zeusees/HyperVID

车辆颜色识别

这个如果用传统方式，处理起来还是存在一些麻烦，在采用深度学习的方法下，能够进一步提高识别的准确率。原理同样是分类任务，但是由于不同监控情况下，逆光、反光、暗光，都会导致车身颜色的变化旭训练时尽量保证数据均衡。

车辆跟踪

在视频结构化中，跟踪是一个重要的环节，如果每帧检测，会增加系统的计算量，可以每隔几帧检测一次，期间进行跟踪算法，对于这部分跟踪，可以选择轻量级的跟踪，包括模板匹配等。

后记

车型识别原理上不难，其中对数据的需求，模型的优化要去较高，希望此次开放的代码及数据集能够对相关的研究人员和算法爱好者有所帮助。

参考资料：

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

总结

以上是生活随笔为你收集整理的基于HyperVID数据集训练自己的车型识别系统的全部内容，希望文章能够帮你解决所遇到的问题。

如果觉得生活随笔网站内容还不错，欢迎将生活随笔推荐给好友。