大数跨境

矩案例 | 复杂环境背景下,车辆识别如何实现?

矩案例 | 复杂环境背景下,车辆识别如何实现? 矩视智能
2022-01-07
0
导读:点击阅读

图像中特定目标的识别、统计,一直是机器视觉领域的热点和焦点。

在车辆类型识别领域,车辆的智能检测和计数越来越重要。然而,由于车辆的大小、尺寸、类型等的不同,基于视觉的车辆检测依然是一项比较有挑战性的工作。

针对这一问题,小矩为大家带来一种基于视觉的车辆类型检测与计数系统,轻松解决行业难题。

施工区域车辆管控

成为企业发展“拦路虎”


山东立XX公司在施工区域的车辆管控中,一直采用的“人工间隔统计”的方法。

每隔一段时间,统计一次不同类型车辆数量,然后再逐一进行核对,尤其在夜间,识别不仅效率低下,且场地灯光微暗,人工的方式难免出现漏统计、混统计的现象。

考虑到人力成本、低效产出等问题后,急需寻求专业的软件解决方案。

夜间施工区域车辆状况

白天施工区域车辆状况

车辆类型识别检测

亟需实现自动化


车辆类型识别在智能监控系统、工业施工区域管控等应用中起着非常关键的作用,对智慧工业和智能生活的发展具有重要意义。

车辆类型指车辆的外观型式,可以划分为小轿车、货车、客车、挂车等多种单独类型,通过提取车辆的特征,计算车辆的不变量特征来判断车辆所属类型,这也是是车辆参数识别中最直观易辨的。


早期是根据不同车辆的特征(颜色,形状、品牌等)来实现车辆分类,该方式受到的实际影响比较大,而且容易造成误识别

目前主流方法是通过深度学习自动提取车辆的有效特征,将车辆分成事先定义的车型。

利用深度学习自适应提取目标的本质特征,可以实现稳健、适用范围广的精细车型分类。

在车辆数据集上均得到很好的检测效果,对于相近车型,常采用车辆重识别中的渐进式搜索法或细粒度图像识别法来辨别细微差别进而实现车辆分类。

矩视云平台 

为企业发展开拓新空间

🟢检测要求


对施工区域的施工车辆进行分类统计,准确率高达99%以上。


🟢面临挑战


现实生活中,车辆通常处于复杂环境背景中,对车辆进行精准识别面临诸多问题:


1、自然环境中存在背景多变、地物遮挡、阴影等干扰;


2、图像品质易受光照变化、阴天、雾霾等天气因素干扰;


3、车辆型号多、外形复杂,拍摄角度和高度不同导致车辆出现一定的形变和尺度变化。

🟢解决方案


矩视云平台定位标注


车辆识别技术要求能够将运动中的车辆从复杂背景中提取并识别出来,通过获取原图像、图像预处理、车辆定位、目标定位等技术识别车辆类型信息。



矩视云平台在解决复杂环境中车辆识别问题前,首先需要对大量标签样本进行图像预处理、提取目标特征后,建立车辆目标特征集,再采取相应的学习算法进行分类训练,最终确认测试图像中车辆属性。


矩视云平台在线提供OCR识别、像素分割、目标定位、尺寸测量等功能,现在长按下方二维码,即可获得立即免费试用机会!


长按识别二维码
免费申请试用
👇👇👇
申请后我们会有工作人员第一时间与您联系
请耐心等待!



往期推荐



更多功能正在开发中,最新信息会第一时间在官方公众号进行公布,大家持续关注哦!

文章使用素材来源:均获得客户授权

【声明】内容源于网络
0
0
矩视智能
1234
内容 312
粉丝 0
矩视智能 1234
总阅读0
粉丝0
内容312