1、隨著我國(guó)城鎮(zhèn)化建設(shè)的深入開(kāi)展，城市的道路交通也面臨著巨大的壓力和挑戰(zhàn)，“道路擁堵嚴(yán)重”、“交通事故頻發(fā)”等問(wèn)題層出不窮，對(duì)社會(huì)經(jīng)濟(jì)發(fā)展造成了一定的制約，也給城市治安管理帶來(lái)了許多的麻煩。為了緩解交管部門(mén)的壓力，給市民提供更方便的出行條件，智能交通系統(tǒng)應(yīng)運(yùn)而生。本文研究的車輛多特征識(shí)別是智能交通系統(tǒng)的重要組成部分，識(shí)別內(nèi)容主要包括車輛號(hào)牌、型號(hào)以及顏色。本文圍繞車輛多特征識(shí)別方法研究與實(shí)現(xiàn)，展開(kāi)了以下工作：
　?。?）研究了一種基于

2、聚合通道特征的車輛檢測(cè)方法，該特征包含3個(gè) LUV通道、1個(gè)歸一化梯度幅值通道以及6個(gè)方向梯度直方圖通道，不僅包含了目標(biāo)整體輪廓特征，還包含了目標(biāo)局部梯度特征。算法針對(duì)本文收集的高速公路監(jiān)控?cái)?shù)據(jù)、行車記錄儀數(shù)據(jù)等單視角圖像具有良好的檢測(cè)效果。針對(duì)低對(duì)比度車輛圖像，研究了一種車輛圖像增強(qiáng)算法，能夠有效地緩解環(huán)境和光照帶來(lái)的影響，間接地提高了后續(xù)車輛號(hào)牌、型號(hào)以及顏色識(shí)別的準(zhǔn)確率。
　?。?）研究了一種基于顏色和字符特征的車輛號(hào)牌定位

3、方法，充分結(jié)合了顏色檢測(cè)的快速性和字符檢測(cè)的準(zhǔn)確性，在自建的復(fù)雜場(chǎng)景數(shù)據(jù)庫(kù)中測(cè)試，召回率為93.12％，準(zhǔn)確率為94.49%。偽號(hào)牌剔除采用了LBP特征結(jié)合SVM分類器的辦法進(jìn)行。針對(duì)易混字符識(shí)別，采用了多級(jí)SVM策略減小誤識(shí)率，單字符識(shí)別率達(dá)到了96.15%。經(jīng)過(guò)實(shí)驗(yàn)得出，本文號(hào)牌識(shí)別算法框架適用于多種復(fù)雜場(chǎng)景，具有良好的魯棒性。
　　（3）針對(duì)傳統(tǒng)機(jī)器學(xué)習(xí)算法無(wú)法對(duì)車輛型號(hào)進(jìn)行細(xì)致分類的問(wèn)題，探討了一種基于深度學(xué)習(xí)的車輛型號(hào)識(shí)