目前，在智能交通領(lǐng)域，車輛識(shí)別系統(tǒng)技術(shù)是智能交通系統(tǒng)中重要的環(huán)節(jié)之一，它可以通過車牌提取、圖像預(yù)處理、特征提取等技術(shù)來識(shí)別車輛品牌。如今，車牌識(shí)別廣泛應(yīng)用于高速收費(fèi)站、停車場(chǎng)等領(lǐng)域。我們來看看車牌識(shí)別系統(tǒng)可以實(shí)現(xiàn)哪些功能。
從目前的應(yīng)用情況來看，只要增加新的數(shù)據(jù)，有足夠的時(shí)間和計(jì)算資源，隨著深度學(xué)習(xí)網(wǎng)絡(luò)水平的提高，識(shí)別率也會(huì)相應(yīng)提高，優(yōu)于傳統(tǒng)方法。此外，人工智能在車輛顏色、車輛廠商標(biāo)識(shí)識(shí)別、無照車輛檢測(cè)、非機(jī)動(dòng)車檢測(cè)與分類、前后判斷、車輛檢索、人臉識(shí)別等相關(guān)技術(shù)方面也比較成熟。
首先，車牌顏色識(shí)別
在車輛顏色識(shí)別方面，基本上克服了光照條件變化和攝像頭硬件錯(cuò)誤導(dǎo)致的顏色不穩(wěn)定和過度曝光等一系列問題，從而解決了圖像顏色變化導(dǎo)致的識(shí)別錯(cuò)誤問題?？谲囶伾R(shí)別率從80%提高到85%，電動(dòng)警車主色識(shí)別率從75%提高到80%以上。
二、汽車制造商標(biāo)識(shí)識(shí)別
在汽車制造商標(biāo)志識(shí)別中，利用傳統(tǒng)特征如HOG、LBP、SIFT和SURF，通過SVM機(jī)器學(xué)習(xí)技術(shù)訓(xùn)練多級(jí)分類器來識(shí)別容易誤判的制造商標(biāo)志。采用大數(shù)據(jù)加深度學(xué)習(xí)技術(shù)后，過度曝光或人為去除車標(biāo)造成的局部特征會(huì)消失，識(shí)別率可從89%提高到93%以上。
第三，車輛檢索
在車輛檢索方面，車輛的圖像可能在不同場(chǎng)景下曝光過度或曝光不足，或者車輛的尺寸變化較大，導(dǎo)致傳統(tǒng)方法提取的特征發(fā)生變化，因此檢索率不穩(wěn)定。深度學(xué)習(xí)可以獲得更穩(wěn)定的特征，更準(zhǔn)確地搜索相似目標(biāo)，Top5的搜索率在95%以上。在人臉識(shí)別項(xiàng)目中，人臉由于光線、姿勢(shì)、表情等因素而發(fā)生變化。目前很多應(yīng)用都是固定場(chǎng)景，固定姿勢(shì)。采用深度學(xué)習(xí)算法后，不僅固定場(chǎng)景的人臉識(shí)別率從89%提高到99%，而且姿勢(shì)和光線也有一定程度的放松。
第四，車牌識(shí)別
在車輛識(shí)別方面，基于深度學(xué)習(xí)的車輛識(shí)別技術(shù)將特征范圍從簡(jiǎn)單的車牌或標(biāo)志擴(kuò)展到整個(gè)車身。車輛的燈、格柵和窗戶是車輛的重要特征。這些特征的引入不僅大大提高了車輛識(shí)別的準(zhǔn)確性，而且對(duì)干擾、遮擋等問題的適應(yīng)性更強(qiáng)，識(shí)別的類別更加詳細(xì)。它不僅可以識(shí)別車輛的品牌，還可以識(shí)別車輛的子品牌、型號(hào)、型號(hào)等詳細(xì)類別。除了車牌、品牌、型號(hào)、顏色等描述信息外。視頻圖像數(shù)據(jù)中指定車輛的檢索也可以通過車輛圖片或年檢標(biāo)志、飾品等局部特征進(jìn)行。
與傳統(tǒng)的車牌識(shí)別技術(shù)相比，基于深度學(xué)習(xí)的新車牌識(shí)別系統(tǒng)技術(shù)框架相對(duì)簡(jiǎn)單，硬件性能強(qiáng)，訓(xùn)練樣本充足，可以在短時(shí)間內(nèi)取得更好的識(shí)別效果，網(wǎng)絡(luò)的進(jìn)一步優(yōu)化也保證了識(shí)別的實(shí)時(shí)性。
