1、車(chē)標(biāo)識(shí)別是計(jì)算機(jī)視覺(jué)中一個(gè)重要的研究領(lǐng)域，在智能交通領(lǐng)域有著廣泛而重要的作用。車(chē)標(biāo)識(shí)別技術(shù)是指以數(shù)字圖像或視頻信號(hào)流為對(duì)象，通過(guò)圖像處理與自動(dòng)識(shí)別方法，獲得機(jī)動(dòng)車(chē)輛品牌信息的一種實(shí)用技術(shù)。車(chē)標(biāo)識(shí)別系統(tǒng)包括車(chē)標(biāo)的定位和車(chē)標(biāo)識(shí)別二項(xiàng)關(guān)鍵技術(shù)。由于車(chē)標(biāo)本身具有的多樣性以及不同環(huán)境條件下的差異性等特點(diǎn)，加上人為拍攝獲得的圖片信息中車(chē)標(biāo)的位置不確定性，因此找到一種優(yōu)秀的車(chē)標(biāo)定位和識(shí)別方法一個(gè)多學(xué)科交叉且富有挑戰(zhàn)性的技術(shù)問(wèn)題。
　　本論文，在

2、車(chē)標(biāo)定位方面，實(shí)現(xiàn)了一種由粗定位到細(xì)定位的車(chē)標(biāo)精確定位方法。在車(chē)標(biāo)識(shí)別方面，結(jié)合近年深度學(xué)習(xí)中的CNN（卷積神經(jīng)網(wǎng)絡(luò)）訓(xùn)練車(chē)標(biāo)特征并分類(lèi)，實(shí)驗(yàn)獲得較高的識(shí)別率。接著將傳統(tǒng) K最鄰近算法結(jié)合深度卷積網(wǎng)絡(luò)提取的特征，對(duì)車(chē)標(biāo)定位進(jìn)行改進(jìn)，達(dá)到了96.4％的識(shí)別正確率。最后，提出了基于Selective Search（選擇性搜索）和 SPP-net（空間金字塔池化網(wǎng)絡(luò)）的車(chē)標(biāo)快速檢測(cè)和識(shí)別方法，流程較為簡(jiǎn)單和高效。
　　本文主要工作如下：

3、
　　1)實(shí)現(xiàn)了一種由粗定位到細(xì)定位的車(chē)標(biāo)精確定位方法，然后提出一種基于卷積神經(jīng)網(wǎng)絡(luò)的車(chē)標(biāo)識(shí)別。建立并訓(xùn)練車(chē)標(biāo)識(shí)別的卷積神經(jīng)網(wǎng)絡(luò)，調(diào)整參數(shù)，直到最優(yōu)。經(jīng)過(guò)試驗(yàn)的測(cè)試，證明了該方法具有較好的識(shí)別率和魯棒性。
　　2)提出了一種基于K鄰近算法的車(chē)標(biāo)識(shí)別改進(jìn)方法，在卷積神經(jīng)網(wǎng)絡(luò)提取的特征的前提下，利用傳統(tǒng)的K鄰近算法，對(duì)車(chē)標(biāo)識(shí)別進(jìn)行改進(jìn)，提高了識(shí)別準(zhǔn)確率。而且在遇到新標(biāo)簽時(shí)，對(duì)不重新訓(xùn)練的網(wǎng)絡(luò)的推廣性進(jìn)行了驗(yàn)證。
　　3)提