车牌识别可以用于什么场景?|亚博app下载安装

本文摘要:已经在停车场广泛使用的“车牌识别”是其中之一的视频分析方法,除此之外车型识别也是简单的结构化方式。图保存技术CEO告诉他36氪,图保存技术取得主要在车牌识别SDK识别结果中还包含车牌信息(车牌号码、车牌方位、车牌类型等)的4种SDK。

颜色

随着人民生活水平的提高,车辆拥有量大幅度下降,必须对车辆影像分析系统紧急展开升级,挖掘更好的结构化信息。已经在停车场广泛使用的“车牌识别”是其中之一的视频分析方法,除此之外车型识别也是简单的结构化方式。我最近知道的“图存技术”是智能交通识别公司,其算法引擎使用传统算法的特深自学技术,可以识别车牌号码。另外,图存技术可以展开车体颜色和车辆风格的识别(最多3000种以上的车辆风格)。

图保存技术CEO告诉他36氪,图保存技术取得主要在车牌识别SDK识别结果中还包含车牌信息(车牌号码、车牌方位、车牌类型等)的4种SDK。识别速度200W的图像超过100ms,识别率白天低于98%,晚上低于95%。车型识别SDK的识别结果还包括车辆类型的全名(现在可以识别1700余种)、车辆品牌、子型号、年度、车辆类型(轿车、公共汽车、卡车、面包车等)、分辨率白天> 90%、晚上> 80%车辆跟踪SDK 其他特征识别SDK识别信息中也包含车体颜色(9种颜色罕见的颜色,一主一辅),可以检测驾驶者的脸,输入窗户方位、年度检查目标方位、遮阳板方位,检测有无悬挂、钟摆(现在主要是纸巾盒)。

那么,上述车辆的智能识别可以用于什么场景呢? 除了停车场,智能交通是另一个最重要的应用场景。在现在的智能交通技术中,主要聚焦于卡口和电子警察等传统技术,除了车辆拍摄、车牌号码识别、车身颜色、车辆红灯、压实线、顺行等违法行为之外,还很难从图像中挖掘更深层次的信息图保存技术CEO告诉他,以前的技术大多使用传统算法,车辆检测跟踪主要使用基于adaboost和svm的训练方法检测车辆,然后根据连接区域的关联或meanshift进行车辆跟踪车牌识别主要根据颜色和纹理等传统特征进行车牌定位,使用基于横向投影和连接区域的方式进行字符分割,使用基于人工神经网络的方式进行字符识别,现在附加在标准方位上但是,传统的算法技术随着硬件GPU的发展和深度自学技术的普及,公安和警察的捕捉可以更深入地挖掘拍摄的图像。例如,识别车辆的品牌、子型号、年度、年度检查目标的数量,识别年度检查目标的形状,检查遮阳板有无抬起,检查放在窗户上的纸巾箱等。

图保存技术的算法是采用传统算法进行特别深入的自学,对上述非结构化数据进行结构化处理,然后记忆,为将来的公安事件、指控车辆的逮捕获得证据。图存技术CEO说明,其智能交通识别算法引擎使用深度自学中的分类算法和fasterrcnn等方法展开车辆检测和各种特征的检测,在实际场景中测试精度达到90%,可以实际商用。关于运营数据,去年的图存技术共计签了30多家客户,获得了300万家以上的收益,其中约80%是利润。

主要以管理各省市高速公路卡口的总公司为对象,例如,图解技术没有与某省高速公路集团下的全资子公司签订合同,后者在订单完成后适用于各高速公路。今年图存科技的收益目标在600万以上。

本文关键词:亚博app下载安装,传统,车辆,信息,图存,技术

本文来源:亚博app下载安装-www.buzztopinas.com

相关文章