大數(shù)据深度学习下(xià)的车辆全特征识别__明(míng)景车辆大數(shù)据结构化分析主机

• 2016/12/14

大數(shù)据深度学习下(xià)的车辆全特征识别__明(míng)景车辆大數(shù)据结构化分析主机

车辆全特征结构化识别技術(shù)是计算机人(rén)工(gōng)智能(néng)、图像处理、计算机視(shì)觉、模式识别等相关技術(shù)的综合应用。目前涉车涉驾案件的快(kuài)速增長(cháng)，以及智能(néng)交通(tōng)、智慧城市应用的不断加深，业界迫切希望提取更多元的车辆信息，除车牌号码外(wài)，还需要(yào)车辆的厂牌、车身颜色、车辆品牌、车辆类型、车辆特征物(wù)等，支持基于车辆外(wài)观特征的快(kuài)速检索，如(rú)：年(nián)检标、挂饰、紙(zhǐ)巾盒、遮阳板等。這(zhè)些特征在刑事案件侦查、交通(tōng)事故处理、交通(tōng)肇事逃逸、违章(zhāng)车辆自(zì)动记录等领域具有广泛而迫切的应用需求。

技術(shù)实现途径

车辆全特征识别技術(shù)分為(wèi)多个环节，通(tōng)过对摄像机采集的图像进行(xíng)去噪、增强、车标定位、特征提取、识别等分析完成。為(wèi)了(le)得到较高的识别率，要(yào)求每一(yī)个处理步骤要(yào)有很(hěn)高的准确率，而实际背景复雜(zá)，四季、昼夜、晴雨等不同情况的光(guāng)照以及车辆运动速度的快(kuài)慢(màn)等直接影响车辆图像的成像环节，造成车辆图像颜色失真、车身及车标區(qū)域灰度不均匀、边缘模糊、粘连等問(wèn)题，增加了(le)处理难度；反光(guāng)、逆光(guāng)、夜晚光(guāng)照不足、樹(shù)荫、车身颜色显著區(qū)域分布位置不同等情况又增加车身颜色识别难度；再加上(shàng)车辆类别繁多以及车身本身的污损、遮挡、模糊，也為(wèi)进一(yī)步提高识别率带来诸多困难。

北京明(míng)景科技在行(xíng)业里深耕多年(nián)，掌握了(le)大量的实际數(shù)据与丰富的算法经验，针对诸多問(wèn)题，公司综合采用了(le)國(guó)际先进的人(rén)工(gōng)智能(néng)、计算机視(shì)觉、图像处理、模式识别、大數(shù)据训练、深度学习等等技術(shù)来，通(tōng)过從(cóng)視(shì)頻(pín)流、图片流中检测车辆、车头區(qū)域的定位、变形和(hé)倾斜校正、去除运动和(hé)成像造成的模糊、车辆特征的定位和(hé)识别、海(hǎi)量特征的选取和(hé)决策等多个环节来实现。

1.百万级大數(shù)据训练，特征提取更丰富

在系统的设计和(hé)实现过程中，公司開(kāi)发应用了(le)当今國(guó)际上(shàng)最先进的计算机視(shì)觉技術(shù)，并通(tōng)过超百万的大數(shù)据学习样本进行(xíng)训练，大量实地(dì)數(shù)据的系统调整和(hé)测试，还采集了(le)描述车头、车灯、散熱(rè)格栅等各个部分的外(wài)形轮廓、相对位置、颜色、纹理等多种特征，组成了(le)海(hǎi)量的辅助分类信息，与厂牌型号识别的结果一(yī)起最终通(tōng)过可(kě)在线学习的特征决策模块，得到综合可(kě)信度评价，從(cóng)而得到最终的识别结果。

2.深度学习算法，提高數(shù)据精准性

浩瀚如(rú)海(hǎi)的大數(shù)据，结构复雜(zá)，种类繁多，单纯依靠人(rén)力定义的过程无法处理這(zhè)海(hǎi)量數(shù)据。于是我们采用基于模仿人(rén)类神经网络的人(rén)工(gōng)智能(néng)算法，让机器從(cóng)海(hǎi)量數(shù)据当中自(zì)我学。深度学习的实质，就是通(tōng)过构建具有很(hěn)多隐层的机器学习模型和(hé)海(hǎi)量的训练數(shù)据，来学习更有用的特征，從(cóng)而最终提升分类或预测的准确性。我们通(tōng)过利用大數(shù)据来深度学习各类信息、特征，更能(néng)够刻畫(huà)數(shù)据的丰富內(nèi)在信息。從(cóng)而得出更多元更精准的厂牌型号及其他(tā)信息。

3.并行(xíng)计算，使算法不断优化

系统还通(tōng)过利用北京明(míng)景科技强大的并行(xíng)计算能(néng)力，极大的加快(kuài)了(le)计算速度和(hé)數(shù)据处理速度，使算法不断优化，目前厂牌识别种类已达2000多种。常规情况下(xià)，识别率在98.5%以上(shàng)，识别车身颜色包括黑(hēi)白灰紅(hóng)等十余种。在样本大數(shù)据不断增加的同時(shí)，通(tōng)过模型训练及深度学习，指标将不断提升。

车辆全特征信息结构化识别為(wèi)涉案车辆的有效监测提供了(le)有力的手段，為(wèi)保障人(rén)民人(rén)身安全和(hé)打击违法犯罪行(xíng)為(wèi)提供了(le)有效的工(gōng)具。在大數(shù)据深度学习背景下(xià)，车辆全特征信息结构化识别技術(shù)性能(néng)未来将不断提升，并将推动智慧城市、智能(néng)交通(tōng)向更加精准、高效发展，使我们的生活更加智能(néng)、高效、便捷。