一种基于忆阻神经网络的车辆标志识别方法技术

本发明专利技术公开了一种基于忆阻神经网络的车辆标志识别方法，属于车联网安全、图像识别技术领域。本发明专利技术首先对车辆标志图像进行预处理，再将预处理后的图像像素映射为忆阻器两端的输入电压信号，然后对忆阻交叉阵列进行状态调整，从而实现降噪功能，最终获得对应的忆阻值矩阵，之后将对应的忆阻值矩阵映射成图像像素值，之后通过轻量级卷积神经网络对映射图像进行特征提取，最后通过提取的特征进行识别得到最终结果。本发明专利技术通过构建忆阻交叉阵列对车辆标志进行降噪处理提高识别准确率，再结合轻量级卷积神经网络进一步实现对车辆标志的高效识别。

【技术实现步骤摘要】
一种基于忆阻神经网络的车辆标志识别方法
本专利技术涉及车联网安全、图像识别
，具体涉及一种基于忆阻神经网络的车辆标志识别方法。
技术介绍
早期的车辆标志识别方法主要以研究特征提取为主，如基于传统的模板匹配方法、基于不变矩的算法和基于尺度不变特征变换方法等，这类传统的方法不仅耗时，对模板较为敏感，当图像出现畸变和旋转时，识别率较差，而且计算量较大、准确率一般。目前，深度学习通过网络的自学习方法虽然解放了手动特征选择的繁琐步骤，但快速发展的人工神经网络促使对计算机处理能力的要求越来越高。当前大多数的计算机主要采用“冯·诺依曼”架构，在计算单元和存储单元之间经常有数据来回移动，但数据在处理器和内存之间的传输速度制约着计算机的能力，产生“冯·诺依曼”瓶颈问题，计算机性能因此受到极大的限制，神经网络的发展也受到越来越大地制约，严重影响神经网络计算效率和性能。
技术实现思路
针对现有技术中的上述不足，本专利技术提供了一种基于忆阻神经网络的车辆标志识别方法。为了达到上述专利技术目的，本专利技术采用的技术方案为：一种基本文档来自技高网...

【技术保护点】
1.一种基于忆阻神经网络的车辆标志识别方法，其特征在于，包括以下步骤：/nS1、获取车辆标志图像并进行预处理；/nS2、将预处理后的车辆标志图像映射为忆阻器两端的输入电压信号；/nS3、利用步骤S2得到的输入电压信号对忆阻交叉阵列进行状态调整，得到调整后的忆阻值矩阵；/nS4、将调整后的忆阻值矩阵映射为车辆标志图像像素值；/nS5、采用轻量级卷积神经网络对步骤S4得到的车辆标志图像进行特征提取，再对提取的车辆标志特征进行识别得到车辆标志识别结果。/n

【技术特征摘要】
1.一种基于忆阻神经网络的车辆标志识别方法，其特征在于，包括以下步骤：
S1、获取车辆标志图像并进行预处理；
S2、将预处理后的车辆标志图像映射为忆阻器两端的输入电压信号；
S3、利用步骤S2得到的输入电压信号对忆阻交叉阵列进行状态调整，得到调整后的忆阻值矩阵；
S4、将调整后的忆阻值矩阵映射为车辆标志图像像素值；
S5、采用轻量级卷积神经网络对步骤S4得到的车辆标志图像进行特征提取，再对提取的车辆标志特征进行识别得到车辆标志识别结果。


2.根据权利要求1所述的基于忆阻神经网络的车辆标志识别方法，其特征在于，所述步骤S1具体包括以下分步骤：
S11、获取车辆标志图像；
S12、将获取的车辆标志图像进行归一化处理；
S13、将归一化后的车辆标志图像进行灰度化处理。


3.根据权利要求2所述的基于忆阻神经网络的车辆标志识别方法，其特征在于，所述步骤S2具体包括以下分步骤：
S21、将忆阻器的阻值等级与步骤S13得到的灰度图像的灰度等级建立映射关系；
S22、将步骤S13得到的灰度图像的像素值归一化至0～1之间，得到二维图像像素矩阵；
S23、将二维图像像素矩阵转换为一维图像像素向量；
S24、将一维图像像素向量作为忆阻器两端输入电压信号幅值，得到忆阻器两端的输入电压信号。


4.根据权利要求3所述的基于忆阻神经网络的车辆标志识别方法，其特征在于，所述步骤S3具体包括以下分步骤：
S31、将m×m大小的滤波卷积核分离成m×m个1×1大小的卷积核，并对忆阻交叉阵列中每个交叉点处的忆阻器的阻值进行随机初始化；
S32、对步骤S13得到的n×n大小的灰度图像依次进行m次水平移位和m次垂直移位操作得到m×m张图像，然后将m×m张图像分别和m×m个1×1大小的卷积核进行卷积操作得到m×m个新的图像；
S33、将m×m个新的图像映射为电压信号依次传入到忆阻交叉阵列中以调整忆阻器的阻值状态，得到调整后的忆阻值矩阵。


5.根据权利要求4所述的基于忆阻神经网络的车辆标志识别方法，其特征在于，所述步骤S33具体包括以下分步骤：
S331、将步骤S32得到的新的图像映射为电压信号，根据欧姆定律，计算流过忆阻交叉阵列中每一个忆阻器的电流值；
S332、对忆阻交叉阵列状态施加稍许...

【专利技术属性】
技术研发人员：罗运鑫，佘堃，
申请(专利权)人：宜宾电子科技大学研究院，电子科技大学，
类型：发明
国别省市：四川;51