中科慧识
新闻详情

如何进行智能交通识别、帮助公安办案,“慧识科技”希望能完成车型识别,最多识别3000个车款

浏览数:90

随着人民生活水平的提高,车辆的拥有量不断的上升,针对车辆的视频分析系统迫切的需要进行升级,来挖掘出更多的结构化信息。已经在停车场广泛应用的“车牌识别”是其中一种视频分析方法,除此之外,车型识别也是一种有用的结构化方式。

我近期接触的“慧识科技”便是一家智能交通识别公司,其算法引擎采用了传统算法加深度学习技术,可以识别车牌号码,车架号VIN码识别此外,慧识科技还能进行车身颜色以及车辆款式的识别(超过3000多种车辆款式)。

慧识科技主要提供以下四种SDK:

车牌识别 SDK

识别结果包括车牌信息(车牌号码,车牌位置,车牌类型等)。

识别速度 200W 图片小于 100ms,识别率白天大于 98%,黑夜大于 95%。

车型识别 SDK

识别结果包括车辆类型全名(目前可以识别1700余种),车辆品牌,子型号,年款,

车辆类型(轿车,客车,货车,面包车等),识别率白天>90%,夜晚>80%

车辆跟踪 SDK

车辆跟踪SDK采用机器学习和深度学习算法,

可以实时检测和跟踪画面里的车辆,可以同时跟踪50余辆车辆,应用在电子警察,

卡口系统中,可以对车辆违章进行抓拍,车流量实时统计等。

以及其他特征识别 SDK

识别信息包括车身颜色(9种常见颜色,一主一辅),检测驾驶员人脸,

可以输出车窗位置,年检标位置,遮阳板位置,检测是否有挂坠儿,摆件(目前主要针对纸巾盒)。

那么,上述车辆智能识别可以用在哪些场景呢?除了停车场,智能交通是另一个重要应用场景。就目前的智能交通技术而言,其主要集中在卡口和电子警察等传统技术上,除了抓拍车辆、识别车牌号码、车身颜色、车辆闯红灯、压实线、逆行等违法行为,很难从图像中挖崛出更深层次的信息

,以前的技术大都采用传统的算法,车辆检测跟踪主要采用基于adaboost和svm的训练方法检测车辆,然后采用基于连通区域关联或者meanshift做车辆跟踪;车牌识别主要采用基于颜色和纹理等传统特征做车牌定位,采用基于垂直投影和连通区域方式做字符分割,基于人工神经网络的方式做字符识别。目前针对标准位置下安装的摄像头,传统算法基本上都能达到98%以上的准确率。

但是,传统算法技术已经很难满足现在的应用,例如随着硬件GPU的发展和深度学习技术的普及,公安和交警抓可以对拍下来的图片做更深层次的挖掘,例如可以识别车辆的品牌、子型号、年款、检测年检标的数目,识别年检标的形状,检测遮阳板是否放下,检测车窗上摆放的纸巾盒等物品,是否挂了挂坠,同时可以识别驾驶员的违法行为,例如是否系安全带,是否抽烟和打手机。

慧识科技的算法就是采用了传统算法加深度学习,将上述非结构化的数据进行结构化处理,然后存储,为将来公安办案、抓捕嫌疑车辆提供证据。

慧识科技CEO介绍到,其智能交通识别算法引擎采用了深度学习中的分类算法,和faster rcnn等方法进行车辆检测和各类特征的检测,实际场景下测试准确率均超过90%,可以实际商用。



会员登录
登录
我的资料
留言
回到顶部