大数据深度学习下车辆厂牌型号识别

2015年3月,北京文安公司发布了基于大数据下深度学习的机动车厂牌型号识别技术。

车辆身份识别系统是智能交通的重要分支,它需要人工智能、图像处理、计算机视觉、模式识别等相关技术的综合应用。目前国内的车牌识别技术已经日益成熟,随着智能交通技术应用的不断加深,业界迫切希望提取更多元的车辆信息,除车牌号码外,还需要车辆的厂牌、型号以及颜色等信息特征。这些特征在停车场无人管理、交通事故处理、交通肇事逃逸、违章车辆自动记录等领域具有广泛而迫切的应用需求。

技术实现途径

机动车厂牌型号识别技术分为多个环节,一般是通过对摄像机采集的数字图像进行去噪、增强、车标定位、特征提取、识别等分析完成。为了得到较高的识别率,要求每一个处理步骤要有很高的准确率,而实际背景复杂,四季、昼夜、晴雨等不同情况的光照以及车辆运动速度的快慢等直接影响车辆图像的成像环节,造成车辆图像颜色失真、车身及车标区域灰度不均匀、边缘模糊、粘连等问题,增加了处理难度;反光、逆光、夜晚光照不足、树荫、车身颜色显著区域分布位置不同等情况又增加车身颜色识别难度;再加上车辆类别繁多以及车身本身的污损、遮挡、模糊,也为进一步提高识别率带来诸多困难。

北京文安自05年起,在行业里深耕多年,掌握了大量的实际数据与丰富的算法经验,针对诸多问题,公司综合采用了国际先进的人工智能、计算机视觉、图像处理、模式识别、大数据训练、深度学习等等技术来,通过从视频流中检测车辆、车头区域的定位、变形和倾斜校正、去除运动和成像造成的模糊、车辆特征的定位和识别、海量特征的选取和决策等多个环节来实现。

1.百万级大数据训练,特征提取更丰富

在系统的设计和实现过程中,公司开发应用了当今国际上最先进的计算机视觉技术,并通过超百万的大数据学习样本进行训练,大量实地数据的系统调整和测试,还采集了描述车头、车灯、散热格栅等各个部分的外形轮廓、相对位置、颜色、纹理等多种特征,组成了海量的辅助分类信息,与厂牌型号识别的结果一起最终通过可在线学习的特征决策模块,得到综合可信度评价,从而得到最终的识别结果。

2.深度学习算法,提高数据精准性

浩瀚如海的大数据,结构复杂,种类繁多,单纯依靠人力定义的过程无法处理这海量数据。于是我们采用基于模仿人类神经网络的人工智能算法,让机器从海量数据当中自我学。深度学习的实质,就是通过构建具有很多隐层的机器学习模型和海量的训练数据,来学习更有用的特征,从而最终提升分类或预测的准确性。我们通过利用大数据来深度学习各类信息、特征,更能够刻画数据的丰富内在信息。从而得出更多元更精准的厂牌型号及其他信息。

3.并行计算,使算法不断优化

系统还通过利用北京文安强大的并行计算能力,极大的加快了计算速度和数据处理速度,使算法不断优化,目前厂牌识别种类已达632种。常规情况下,识别率在92%以上,识别车身颜色包括黑白灰红等十余种。在样本大数据不断增加的同时,通过模型训练及深度学习,指标将不断提升。

机动车厂牌型号的识别为违法车辆以及套牌车辆的有效监测提供了有力的手段,为保障人民人身安全和打击违法犯罪行为提供了有效的工具。机动车厂牌型作为车辆识别的重要属性,在大数据深度学习背景下,未来将不断完善,并将推动为智能交通向更加精准、高效发展,使我们的生活更加智能、高效、便捷。

原文发布于微信公众号 - 大数据(hzdashuju)

原文发表时间:2015-03-09

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏AI科技评论

业界 | 腾讯论文入选Interspeech 2017:在单通道语音分离中应用的深度神经网路的训练优化

AI 科技评论按:2017年8月20日,语音通信领域的国际顶级学术会议Interspeech 2017在瑞典斯德哥尔摩召开,腾讯音视频实验室王燕南博士的一篇论文...

49670
来自专栏人工智能头条

病人是否有生命危险?机器学习告诉你——专访南加州大学终身教授刘燕

13940
来自专栏人工智能头条

微软人工智能首席科学家邓力:深度监督学习的局限和破解思路

14630
来自专栏人工智能快报

新型神经网络可从单张照片识别人脸

借助于深度神经网络,俄罗斯国立高等经济大学的人研究人员已经提出了一种新方法,能够从视频中识别出人的身份。该方法不需要大量的照片,并且与现有方法相比具有明显更高的...

19820
来自专栏大数据文摘

12位专家,展望未来5年深度学习发展趋势

22180
来自专栏AI科技评论

观点 | 滴滴 AI Labs 负责人叶杰平教授:深度强化学习在滴滴的探索与实践

AI 科技评论按:7 月 29 日,YOCSEF TDS《深度强化学习的理论、算法与应用》专题探索报告会于中科院自动化所成功举办,本文为报告会第一场演讲,讲者为...

14330
来自专栏新智元

软件正在吃掉我们的世界,深度学习也正吃掉机器学习

【新智元导读】人工智能、机器学习、深度学习方面的文章铺天盖地,向人们传播人工智能是改变世界最具竞争力的技术,相关企业应该抓住机会作深入研究,但是人们对于这三个词...

37180
来自专栏企鹅号快讯

哪种芯片架构将成为人工智能时代的开路先锋

【IT168 评论】如果用刀来比喻芯片,通用处理器好比一把瑞士军刀,人工智能时代好比要拿刀来切肉,瑞士军刀可以拿来用,但它并非是为切肉设计的,所以效果并非最好。...

21760
来自专栏灯塔大数据

观点|12位专家展望未来5年深度学习发展趋势

? 2015年已然过去,2016刚刚开始,回头将目光集中于去年的成就上,以及对将来科学趋势的预测。去年最令人瞩目的一个领域就是深度学习,它是机器学习中越来越流...

366140
来自专栏PPV课数据科学社区

了解人工智能之基础概念-基本概念问答

? 摘要: 本文对人工智能领域的一些基础知识进行了普及。对刚刚接触机器学习的人们会有不小的帮助。 在关注了机器学习一段时间以后,最近我开始投入到这个领域的研究...

37790

扫码关注云+社区

领取腾讯云代金券