最新优秀开源:车牌识别、车型分析、车流统计、违停检测统统行
停车场闸机的车牌识别、道路两侧的违停检测、繁华路口的车流统计、茫茫车海中的车辆锁定…这些场景背后的技术原理大家是否在心中简单构思过?抑或想要抽时间自己攒一套出来可却又不知从何下手?——PP-Vehicle来告诉你答案。
继行人分析工具PP-Human之后,飞桨目标检测端到端开发套件PaddleDetection正式开源车辆分析工具PP-Vehicle!
PP-Vehicle功能全景图
PP-Vehicle是一款针对车辆分析相关场景的开源工具,产品主要围绕以下几个方面进行设计开发:
实用性:针对车辆分析场景共性的底层模型进行优选迭代;针对几个高频场景进行了详细的后处理策略设计,可以满足业务的快速上线需求。同时提供丰富的二次开发教程,方便用户根据自己的业务场景进行私有化开发。
泛化性:在公开数据集以及自采数据集上进行充分训练,并且提供预训练模型,覆盖车辆分析中监控视角、驾驶员视角、俯拍视角等常见相机视角。
低代码:实现1行代码快速部署,支持图片、视频、单路/多路rtsp视频流输入,修改配置文件即可快速实现策略修改以及pipeline的组合。
接下来让我们具体看一下PP-Vehicle的工作。
搭配源码食用更佳!
https://github.com/PaddlePaddle/PaddleDetection
记得⭐Star⭐收藏,
防止走丢又实时关注更新!
整体方案
PP-Vehicle技术架构
PP-Vehicle整体分为输入、核心算法、输出三部分:
输入:支持离线图片、视频以及rtsp视频流等形式,可根据输入类型快速配置,如下图所示,为输入配置为rtsp拉流的示例。
PP-Vehicle rtsp拉流预测示例
核心算法:主要由预训练模型以及逻辑策略组成。预训练模型主要有4个:车辆检测模型、车辆跟踪模型、车牌识别模型、车辆属性分析模型。各个模型性能见下表:
预训练模型
违停pipeline配置文件示例
输出:包括车牌信息、车辆轨迹、车辆属性、违停信息等;同时支持这些信息的可视化渲染输出,如下图为直接配置可视化信息rtsp推流显示。
rtsp推流展示示例
可视化效果
详见:
https://github.com/PaddlePaddle/PaddleDetection/blob/release/2.5/deploy/pipeline/docs/tutorials/PPVehicle_QUICK_STARTED.md
方案简析
PP-Vehicle针对一些高频车辆分析场景提供了详细的解决方案,在这里就主要思路进行简析,详细的解析大家可以关注课后的海报,听一听开发同学的详解。
车牌识别方案:
通过目标检测来获取图片中的车辆检测框,模型方案为PP-YOLOE-l。当输入为视频时,会基于车辆检测框,使用OC-SORT跟踪模型来完成车辆的多目标跟踪;
通过车辆检测框的坐标截取对应位置图像;
使用车牌检测模型在每张车辆截图中识别车牌所在位置,同理截取车牌区域,模型方案为PP-OCRv3车牌检测模型;
使用字符识别模型识别车牌中的字符,模型方案为PP-OCRv3车牌识别模型;
此外还使用了一些优化策略提升速度以及准确率。
使用跳帧策略,每10帧做一次车牌检测,避免每帧做车牌检测的算力消耗;
车牌结果稳定策略,避免单帧结果的波动,利用同一个id的历史所有车牌识别结果进行投票,得到该id最大可能的正确结果;
车辆检测模型联合BDD-100k和UA-DETRAC数据集训练, 车牌检测方案采用CCPD数据集在车牌场景finetune提升检测精度。
详见:
https://github.com/PaddlePaddle/PaddleDetection/blob/release/2.5/deploy/pipeline/docs/tutorials/ppvehicle_plate.md
车辆属性识别方案:
车辆属性识别模型使用了PaddleClas的超轻量图像分类方案(PULC,Practical Ultra Lightweight image Classification)。
并在该模型的基础上,进一步使用了以下优化方案:
使用SSLD预训练模型,在不改变推理速度的前提下,精度提升约0.5个百分点;
融合EDA数据增强策略,精度提升0.52个百分点;
使用SKL-UGI知识蒸馏, 精度提升0.23个百分点。
详见:
https://github.com/PaddlePaddle/PaddleDetection/blob/release/2.5/deploy/pipeline/docs/tutorials/ppvehicle_attribute.md
违停检测方案:
通过目标检测来获取车辆检测框,模型方案为PP-YOLOE;
基于跟踪算法获取每辆车的轨迹,模型方案为OC-SORT。如果车辆中心在违停区域内且在指定时间内未发生移动,则视为违章停车;
使用车牌识别模型得到违章停车车牌并可视化。
详见:
https://github.com/PaddlePaddle/PaddleDetection/blob/release/2.5/deploy/pipeline/docs/tutorials/ppvehicle_illegal_parking.md
二次开发
此外,PP-Vehicle支持二次开发,大家可以在自己的数据集上进行模型训练、策略改写等,定制化自己的专属PP-Vehicle。如下图为车牌识别任务二次开发示例:
二次开发示例
详见:
https://github.com/PaddlePaddle/PaddleDetection/blob/release/2.5/docs/advanced_tutorials/customization/ppvehicle_plate.md
部署优化特别的,PP-Vehicle针对边缘端部署场景进行了优化,如针对Jetson系列模型选择轻量级版本,同时开启跟踪跳帧功能进行优化,同时提供了丰富的部署选项以达到性能-速度的平衡。
https://github.com/PaddlePaddle/PaddleDetection/blob/release/2.5/deploy/pipeline/docs/tutorials/PPVehicle_QUICK_STARTED_en.md#Inference-Deployment
最新优秀开源:车牌识别、车型分析、车流统计、违停检测统统行相关推荐
- AI车辆检测/车牌识别智能分析网关车辆违停告警功能的开发
AI人脸检测/口罩检测智能分析网关是一款基于AI边缘计算的智能分析硬件设备,内置多种AI深度学习算法,支持对视频监控场景中的人.车.物.行为等进行抓拍.检测与识别,对异常情况进行实时告警等,可广泛应用 ...
- EasyPR中文开源车牌识别系统 开发详解
在上篇文档中作者已经简单的介绍了EasyPR,现在在本文档中详细的介绍EasyPR的开发过程. 正如淘宝诞生于一个购买来的LAMP系统,EasyPR也有它诞生的原型,起源于CSDN的taotao ...
- 开源车牌识别项目,OpenALPR
今天在github上看到了一个开源的车牌识别项目,OpenALPR.github链接 我以前自己在MATLAB上编写了一个简单的车牌识别的程序,使用的是传统模板匹配法.只是有了初步的效果,还有很多需要 ...
- HyperLPR 开源车牌识别系统搭建踩坑全记录
(介绍略) 一个开源的车牌识别系统. github地址:https://github.com/szad670401/HyperLPR 一.下载 git clone https://github.com ...
- 模式识别之车牌识别---一个开源车牌识别项目easypr
http://doc.okbase.net/subconscious/archive/105312.html https://github.com/liuruoze http://www.cnblog ...
- AI人脸检测智能分析网关新增车辆检测/车牌识别,支持车辆违停告警
AI人脸检测/口罩检测智能分析网关是一款基于AI边缘计算的智能分析硬件设备,内置多种AI深度学习算法,支持对视频监控场景中的人.车.物.行为等进行抓拍.检测与识别,对异常情况进行实时告警等,可广泛应用 ...
- EasyPR--一个开源的中文车牌识别系统
EasyPR是一个中文的开源车牌识别系统,其目标是成为一个简单.灵活.准确的车牌识别引擎. 相比于其他的车牌识别系统,EasyPR有如下特点: 它基于openCV这个开源库,这意味着所有它的代码都可以 ...
- RTSP/GB28181/SDK/Ehome协议人脸识别/车牌识别视频智能分析系统EasyCVR获取播放地址和流地址方法介绍
视频联网共享服务EasyCVR人脸识别/车牌识别智能分析系统是一个集视频联网共享.存储.流媒体转发.视频转码.视频上云.智能分析等多种功能为一体的流媒体视频服务融合型平台.目前EasyCVR还可以集成 ...
- 【操作教程】RTSP/GB28181/SDK/Ehome协议人脸识别/车牌识别视频智能分析系统EasyCVR如何获取播放地址和流地址?
视频联网共享服务EasyCVR人脸识别/车牌识别智能分析系统是一个集视频联网共享.存储.流媒体转发.视频转码.视频上云.智能分析等多种功能为一体的流媒体视频服务融合型平台.目前EasyCVR还可以集成 ...
最新文章
- QEMU+KVM学习笔记
- 生成html_HTML页面生成器:使用JavaScript和Node创建CLI
- 如何查看别人(自己)电脑最近的浏览记录
- fedora8 使用小记之:终端字体设置
- mysql into_MYSQL中replace into的用法
- Struts2中action接受参数方法
- PL/SQL Developer-官网下载地址
- HBase到MR再到HBase
- GitHub 热榜:文字识别神器,超轻量级中文 OCR!一个超级厉害的开源库
- 桌面支持--outlook会议邀请(选择可选参加的领导)
- 如何从IP源地址角度,预防DDoS攻击?
- 程序员 文本编辑器 c语言,程序员必备的五款文本编辑器
- 操作系统之三种进程通信方式
- #linux# gcc编译优化-O0 -O1 -O2 -O3 -OS说明
- 网站被黑之如何找到黑客
- https://tieba.baidu.com/p/4008858829
- 梯度下降法算法比较和进一步优化
- 如何关闭 Linux 中的嘟嘟声
- Python3爬取前程无忧数据分析工作并存储到MySQL
- Apache ShenYu源码阅读系列-基于ZooKeeper的数据同步