大數(shù)據深度學習下(xià)的車輛全特征識别__明(míng)景車輛大數(shù)據結構化分析主機

• 2016/12/14

大數(shù)據深度學習下(xià)的車輛全特征識别__明(míng)景車輛大數(shù)據結構化分析主機

車輛全特征結構化識别技術(shù)是計算機人(rén)工(gōng)智能(néng)、圖像處理、計算機視(shì)覺、模式識别等相關技術(shù)的綜合應用。目前涉車涉駕案件的快(kuài)速增長(cháng)，以及智能(néng)交通(tōng)、智慧城市應用的不斷加深，業界迫切希望提取更多元的車輛信息，除車牌号碼外(wài)，還需要(yào)車輛的廠牌、車身顔色、車輛品牌、車輛類型、車輛特征物(wù)等，支持基于車輛外(wài)觀特征的快(kuài)速檢索，如(rú)：年(nián)檢标、挂飾、紙(zhǐ)巾盒、遮陽闆等。這(zhè)些特征在刑事案件偵查、交通(tōng)事故處理、交通(tōng)肇事逃逸、違章(zhāng)車輛自(zì)動記錄等領域具有廣泛而迫切的應用需求。

技術(shù)實現途徑

車輛全特征識别技術(shù)分為(wèi)多個環節，通(tōng)過對攝像機采集的圖像進行(xíng)去噪、增強、車标定位、特征提取、識别等分析完成。為(wèi)了(le)得到較高的識别率，要(yào)求每一(yī)個處理步驟要(yào)有很(hěn)高的準确率，而實際背景複雜(zá)，四季、晝夜、晴雨等不同情況的光(guāng)照以及車輛運動速度的快(kuài)慢(màn)等直接影響車輛圖像的成像環節，造成車輛圖像顔色失真、車身及車标區(qū)域灰度不均勻、邊緣模糊、粘連等問(wèn)題，增加了(le)處理難度；反光(guāng)、逆光(guāng)、夜晚光(guāng)照不足、樹(shù)蔭、車身顔色顯著區(qū)域分布位置不同等情況又增加車身顔色識别難度；再加上(shàng)車輛類别繁多以及車身本身的污損、遮擋、模糊，也為(wèi)進一(yī)步提高識别率帶來諸多困難。

北京明(míng)景科技在行(xíng)業裏深耕多年(nián)，掌握了(le)大量的實際數(shù)據與豐富的算法經驗，針對諸多問(wèn)題，公司綜合采用了(le)國(guó)際先進的人(rén)工(gōng)智能(néng)、計算機視(shì)覺、圖像處理、模式識别、大數(shù)據訓練、深度學習等等技術(shù)來，通(tōng)過從(cóng)視(shì)頻(pín)流、圖片流中檢測車輛、車頭區(qū)域的定位、變形和(hé)傾斜校正、去除運動和(hé)成像造成的模糊、車輛特征的定位和(hé)識别、海(hǎi)量特征的選取和(hé)決策等多個環節來實現。

1.百萬級大數(shù)據訓練，特征提取更豐富

在系統的設計和(hé)實現過程中，公司開(kāi)發應用了(le)當今國(guó)際上(shàng)最先進的計算機視(shì)覺技術(shù)，并通(tōng)過超百萬的大數(shù)據學習樣本進行(xíng)訓練，大量實地(dì)數(shù)據的系統調整和(hé)測試，還采集了(le)描述車頭、車燈、散熱(rè)格栅等各個部分的外(wài)形輪廓、相對位置、顔色、紋理等多種特征，組成了(le)海(hǎi)量的輔助分類信息，與廠牌型号識别的結果一(yī)起最終通(tōng)過可(kě)在線學習的特征決策模塊，得到綜合可(kě)信度評價，從(cóng)而得到最終的識别結果。

2.深度學習算法，提高數(shù)據精準性

浩瀚如(rú)海(hǎi)的大數(shù)據，結構複雜(zá)，種類繁多，單純依靠人(rén)力定義的過程無法處理這(zhè)海(hǎi)量數(shù)據。于是我們采用基于模仿人(rén)類神經網絡的人(rén)工(gōng)智能(néng)算法，讓機器從(cóng)海(hǎi)量數(shù)據當中自(zì)我學。深度學習的實質，就是通(tōng)過構建具有很(hěn)多隐層的機器學習模型和(hé)海(hǎi)量的訓練數(shù)據，來學習更有用的特征，從(cóng)而最終提升分類或預測的準确性。我們通(tōng)過利用大數(shù)據來深度學習各類信息、特征，更能(néng)夠刻畫(huà)數(shù)據的豐富內(nèi)在信息。從(cóng)而得出更多元更精準的廠牌型号及其他(tā)信息。

3.并行(xíng)計算，使算法不斷優化

系統還通(tōng)過利用北京明(míng)景科技強大的并行(xíng)計算能(néng)力，極大的加快(kuài)了(le)計算速度和(hé)數(shù)據處理速度，使算法不斷優化，目前廠牌識别種類已達2000多種。常規情況下(xià)，識别率在98.5%以上(shàng)，識别車身顔色包括黑(hēi)白灰紅(hóng)等十餘種。在樣本大數(shù)據不斷增加的同時(shí)，通(tōng)過模型訓練及深度學習，指标将不斷提升。

車輛全特征信息結構化識别為(wèi)涉案車輛的有效監測提供了(le)有力的手段，為(wèi)保障人(rén)民人(rén)身安全和(hé)打擊違法犯罪行(xíng)為(wèi)提供了(le)有效的工(gōng)具。在大數(shù)據深度學習背景下(xià)，車輛全特征信息結構化識别技術(shù)性能(néng)未來将不斷提升，并将推動智慧城市、智能(néng)交通(tōng)向更加精準、高效發展，使我們的生活更加智能(néng)、高效、便捷。