大數據深度學(xué)習下的車(chē)輛全特征識别__明景車(chē)輛大數據結構化分(fēn)析主機

• 2016/12/14

大數據深度學(xué)習下的車(chē)輛全特征識别__明景車(chē)輛大數據結構化分(fēn)析主機

車(chē)輛全特征結構化識别技(jì )術是計算機人工(gōng)智能(néng)、圖像處理(lǐ)、計算機視覺、模式識别等相關技(jì )術的綜合應用(yòng)。目前涉車(chē)涉駕案件的快速增長(cháng)，以及智能(néng)交通、智慧城市應用(yòng)的不斷加深，業界迫切希望提取更多(duō)元的車(chē)輛信息，除車(chē)牌号碼外，還需要車(chē)輛的廠牌、車(chē)身顔色、車(chē)輛品牌、車(chē)輛類型、車(chē)輛特征物(wù)等，支持基于車(chē)輛外觀特征的快速檢索，如：年檢标、挂飾、紙巾盒、遮陽闆等。這些特征在刑事案件偵查、交通事故處理(lǐ)、交通肇事逃逸、違章車(chē)輛自動記錄等領域具(jù)有(yǒu)廣泛而迫切的應用(yòng)需求。

技(jì )術實現途徑

車(chē)輛全特征識别技(jì )術分(fēn)為(wèi)多(duō)個環節，通過對攝像機采集的圖像進行去噪、增強、車(chē)标定位、特征提取、識别等分(fēn)析完成。為(wèi)了得到較高的識别率，要求每一個處理(lǐ)步驟要有(yǒu)很(hěn)高的準确率，而實際背景複雜，四季、晝夜、晴雨等不同情況的光照以及車(chē)輛運動速度的快慢等直接影響車(chē)輛圖像的成像環節，造成車(chē)輛圖像顔色失真、車(chē)身及車(chē)标區(qū)域灰度不均勻、邊緣模糊、粘連等問題，增加了處理(lǐ)難度；反光、逆光、夜晚光照不足、樹蔭、車(chē)身顔色顯著區(qū)域分(fēn)布位置不同等情況又(yòu)增加車(chē)身顔色識别難度；再加上車(chē)輛類别繁多(duō)以及車(chē)身本身的污損、遮擋、模糊，也為(wèi)進一步提高識别率帶來諸多(duō)困難。

北京明景科(kē)技(jì )在行業裏深耕多(duō)年，掌握了大量的實際數據與豐富的算法經驗，針對諸多(duō)問題，公(gōng)司綜合采用(yòng)了國(guó)際先進的人工(gōng)智能(néng)、計算機視覺、圖像處理(lǐ)、模式識别、大數據訓練、深度學(xué)習等等技(jì )術來，通過從視頻流、圖片流中(zhōng)檢測車(chē)輛、車(chē)頭區(qū)域的定位、變形和傾斜校正、去除運動和成像造成的模糊、車(chē)輛特征的定位和識别、海量特征的選取和決策等多(duō)個環節來實現。

1.百萬級大數據訓練，特征提取更豐富

在系統的設計和實現過程中(zhōng)，公(gōng)司開發應用(yòng)了當今國(guó)際上最先進的計算機視覺技(jì )術，并通過超百萬的大數據學(xué)習樣本進行訓練，大量實地數據的系統調整和測試，還采集了描述車(chē)頭、車(chē)燈、散熱格栅等各個部分(fēn)的外形輪廓、相對位置、顔色、紋理(lǐ)等多(duō)種特征，組成了海量的輔助分(fēn)類信息，與廠牌型号識别的結果一起最終通過可(kě)在線(xiàn)學(xué)習的特征決策模塊，得到綜合可(kě)信度評價，從而得到最終的識别結果。

2.深度學(xué)習算法，提高數據精(jīng)準性

浩瀚如海的大數據，結構複雜，種類繁多(duō)，單純依靠人力定義的過程無法處理(lǐ)這海量數據。于是我們采用(yòng)基于模仿人類神經網絡的人工(gōng)智能(néng)算法，讓機器從海量數據當中(zhōng)自我學(xué)。深度學(xué)習的實質(zhì)，就是通過構建具(jù)有(yǒu)很(hěn)多(duō)隐層的機器學(xué)習模型和海量的訓練數據，來學(xué)習更有(yǒu)用(yòng)的特征，從而最終提升分(fēn)類或預測的準确性。我們通過利用(yòng)大數據來深度學(xué)習各類信息、特征，更能(néng)夠刻畫數據的豐富内在信息。從而得出更多(duō)元更精(jīng)準的廠牌型号及其他(tā)信息。

3.并行計算，使算法不斷優化

系統還通過利用(yòng)北京明景科(kē)技(jì )強大的并行計算能(néng)力，極大的加快了計算速度和數據處理(lǐ)速度，使算法不斷優化，目前廠牌識别種類已達2000多(duō)種。常規情況下，識别率在98.5%以上，識别車(chē)身顔色包括黑白灰紅等十餘種。在樣本大數據不斷增加的同時，通過模型訓練及深度學(xué)習，指标将不斷提升。

車(chē)輛全特征信息結構化識别為(wèi)涉案車(chē)輛的有(yǒu)效監測提供了有(yǒu)力的手段，為(wèi)保障人民(mín)人身安(ān)全和打擊違法犯罪行為(wèi)提供了有(yǒu)效的工(gōng)具(jù)。在大數據深度學(xué)習背景下，車(chē)輛全特征信息結構化識别技(jì )術性能(néng)未來将不斷提升，并将推動智慧城市、智能(néng)交通向更加精(jīng)準、高效發展，使我們的生活更加智能(néng)、高效、便捷。