车型精细识别旨对外观差异较小的车辆进行细粒度型号分类,其广泛应用于统计交通流量、公路自动收费以及无人驾驶等领域。然而,已有车型精细识别方法仍存在以下问题:一方面,多数方法停留在卡口监控下单一正面角度的研究且这类方法未能综合考虑图像特征分布不均匀特点,从而导致了识别精度不够理想;另一方面,对于多角度的研究不够广泛,主要原因是多角度下的车辆背景复杂多样、视觉特征不稳定,从而给识别任务带来了困难。基于此,本文的主要研究工作如下:(1)根据交通卡口监控下正面角度车辆图像上下特征分布不均匀特点,提出了一种基于车辆正面图像的车型精细识别算法。首先以卷积神经网络为基础设计了两个不同深度的分支网络以及一个融合网络。其中,浅层上部分支网络用于提取非车辆表面部特征,深层下部分支网络用于提取车辆表面部特征,融合网络用于对两区域提取到的特征进行多分支、多尺度融合,以进一步抽象并提取具有显著区分度的特征。通过在卡口拍摄的正面角度车辆数据集上的实验结果表明,本文方法取得的识别效果更好,具有实际应用价值。(2)在分析目前多角度车型精细识别存在背景复杂、视觉特征不稳定等难点基础上,提出了一种基于多角度特征融合的车型精细识别算法。首先使用了基于改进式Res Net-50的SSD车辆检测框架对多角度目标车辆进行检测与定位,之后复用训练好的Re s Net-50网络对不同角度的车辆特征进行提取,并结合使用了基于AUC加权值融合策略对提取到的特征进行融合,最后使用了可调类间距的Softmax损失度量学习方法进行识别。通过在多角度车辆数据集上的实验结果表明,本文方法取得了良好的识别效果。