通过AI深度学习实现骑车不戴头盔和两轮电动车摩托车号牌识别算法
去年在深圳交警的一个项目是，要在宝安区某点试点抓拍未戴头盔的电动车骑车行为，而且需要将电动车号牌识别出来，经过技术论证，采用AI深度学习+传统车牌识别算法相结合的方式，实现此功能，我带领程序员小老弟们经过8个月的奋战，终于实现了这个算法，效果还相当棒，而且还能支持在800W像素下工作,令人惊奇，真是无AI，不编程啊。总结一下，通过AI深度学习实现骑车不戴头盔和两轮电动车摩托车号牌识别算法具有如下特
去年在深圳交警的一个项目是，要在宝安区某点试点抓拍未戴头盔的电动车骑车行为，而且需要将电动车号牌识别出来，经过技术论证，采用AI深度学习+传统车牌识别算法相结合的方式，实现此功能，我带领程序员小老弟们经过8个月的奋战，终于实现了这个算法，效果还相当棒，而且还能支持在800W像素下工作,令人惊奇，真是无AI，不编程啊。
总结一下，通过AI深度学习实现骑车不戴头盔和两轮电动车摩托车号牌识别算法具有如下特征：
1.速度快到你不敢想象，通过tensorflow 训练出算法库后，再由TensorRT 推理形成更为快速度检测库，速度令人叹为观止，在GTX 1050 ti这种几百元的显卡用Cuda加速，1080p检测一帧，竟只需要 16ms
2.精度高，经过大量样本，针对各种电动车、摩托车、头盔（安全帽）深度学习后，在60*60像素以上的目标检测识别率可达到接近100%
3.融合电动车号牌识别，可以在发现未戴安全帽时再识别两轮电动车摩托车的车牌号码，效果大大提高，不需要每帧进行电动车的号牌识别
4.算法包小型号，整包不足50Mb，占用内存少
5.跨平台支持，可以在Intel X86硬件平台，Arm硬件平台上运行，支持Windows系统，Linux系统，Arm系统
项目实战运行图:
电动车车牌识别DEMO测试效果:
魔乐社区（Modelers.cn) 是一个中立、公益的人工智能社区，提供人工智能工具、模型、数据的托管、展示与应用协同服务，为人工智能开发及爱好者搭建开放的学习交流平台。社区通过理事会方式运作，由全产业链共同建设、共同运营、共同享有，推动国产AI生态繁荣发展。
更多推荐
7
0- 0
已为社区贡献8条内容
所有评论(0)