大數(shù)據(jù)深度學(xué)習(xí)下的車(chē)輛廠牌型號(hào)識(shí)別

2015年3月，北京文安公司發(fā)布了基于大數(shù)據(jù)下深度學(xué)習(xí)的機(jī)動(dòng)車(chē)廠牌型號(hào)識(shí)別技術(shù)。

車(chē)輛身份識(shí)別系統(tǒng)是智能交通的重要分支，它需要人工智能、圖像處理、計(jì)算機(jī)視覺(jué)、模式識(shí)別等相關(guān)技術(shù)的綜合應(yīng)用。目前國(guó)內(nèi)的車(chē)牌識(shí)別技術(shù)已經(jīng)日益成熟，隨著智能交通技術(shù)應(yīng)用的不斷加深，業(yè)界迫切希望提取更多元的車(chē)輛信息，除車(chē)牌號(hào)碼外，還需要車(chē)輛的廠牌、型號(hào)以及顏色等信息特征。這些特征在停車(chē)場(chǎng)無(wú)人管理、交通事故處理、交通肇事逃逸、違章車(chē)輛自動(dòng)記錄等領(lǐng)域具有廣泛而迫切的應(yīng)用需求。                       

技術(shù)實(shí)現(xiàn)途徑

機(jī)動(dòng)車(chē)廠牌型號(hào)識(shí)別技術(shù)分為多個(gè)環(huán)節(jié)，一般是通過(guò)對(duì)攝像機(jī)采集的數(shù)字圖像進(jìn)行去噪、增強(qiáng)、車(chē)標(biāo)定位、特征提取、識(shí)別等分析完成。為了得到較高的識(shí)別率，要求每一個(gè)處理步驟要有很高的準(zhǔn)確率，而實(shí)際背景復(fù)雜，四季、晝夜、晴雨等不同情況的光照以及車(chē)輛運(yùn)動(dòng)速度的快慢等直接影響車(chē)輛圖像的成像環(huán)節(jié)，造成車(chē)輛圖像顏色失真、車(chē)身及車(chē)標(biāo)區(qū)域灰度不均勻、邊緣模糊、粘連等問(wèn)題，增加了處理難度；反光、逆光、夜晚光照不足、樹(shù)蔭、車(chē)身顏色顯著區(qū)域分布位置不同等情況又增加車(chē)身顏色識(shí)別難度；再加上車(chē)輛類(lèi)別繁多以及車(chē)身本身的污損、遮擋、模糊，也為進(jìn)一步提高識(shí)別率帶來(lái)諸多困難。

北京文安自05年起，在行業(yè)里深耕多年，掌握了大量的實(shí)際數(shù)據(jù)與豐富的算法經(jīng)驗(yàn)，針對(duì)諸多問(wèn)題，公司綜合采用了國(guó)際先進(jìn)的人工智能、計(jì)算機(jī)視覺(jué)、圖像處理、模式識(shí)別、大數(shù)據(jù)訓(xùn)練、深度學(xué)習(xí)等等技術(shù)來(lái)，通過(guò)從視頻流中檢測(cè)車(chē)輛、車(chē)頭區(qū)域的定位、變形和傾斜校正、去除運(yùn)動(dòng)和成像造成的模糊、車(chē)輛特征的定位和識(shí)別、海量特征的選取和決策等多個(gè)環(huán)節(jié)來(lái)實(shí)現(xiàn)。

1.百萬(wàn)級(jí)大數(shù)據(jù)訓(xùn)練，特征提取更豐富

在系統(tǒng)的設(shè)計(jì)和實(shí)現(xiàn)過(guò)程中，公司開(kāi)發(fā)應(yīng)用了當(dāng)今國(guó)際上最先進(jìn)的計(jì)算機(jī)視覺(jué)技術(shù)，并通過(guò)超百萬(wàn)的大數(shù)據(jù)學(xué)習(xí)樣本進(jìn)行訓(xùn)練，大量實(shí)地?cái)?shù)據(jù)的系統(tǒng)調(diào)整和測(cè)試，還采集了描述車(chē)頭、車(chē)燈、散熱格柵等各個(gè)部分的外形輪廓、相對(duì)位置、顏色、紋理等多種特征，組成了海量的輔助分類(lèi)信息，與廠牌型號(hào)識(shí)別的結(jié)果一起最終通過(guò)可在線學(xué)習(xí)的特征決策模塊，得到綜合可信度評(píng)價(jià)，從而得到最終的識(shí)別結(jié)果。

2.深度學(xué)習(xí)算法，提高數(shù)據(jù)精準(zhǔn)性

浩瀚如海的大數(shù)據(jù)，結(jié)構(gòu)復(fù)雜，種類(lèi)繁多，單純依靠人力定義的過(guò)程無(wú)法處理這海量數(shù)據(jù)。于是我們采用基于模仿人類(lèi)神經(jīng)網(wǎng)絡(luò)的人工智能算法，讓機(jī)器從海量數(shù)據(jù)當(dāng)中自我學(xué)。深度學(xué)習(xí)的實(shí)質(zhì)，就是通過(guò)構(gòu)建具有很多隱層的機(jī)器學(xué)習(xí)模型和海量的訓(xùn)練數(shù)據(jù)，來(lái)學(xué)習(xí)更有用的特征，從而最終提升分類(lèi)或預(yù)測(cè)的準(zhǔn)確性。我們通過(guò)利用大數(shù)據(jù)來(lái)深度學(xué)習(xí)各類(lèi)信息、特征，更能夠刻畫(huà)數(shù)據(jù)的豐富內(nèi)在信息。從而得出更多元更精準(zhǔn)的廠牌型號(hào)及其他信息。

3.并行計(jì)算，使算法不斷優(yōu)化

系統(tǒng)還通過(guò)利用北京文安強(qiáng)大的并行計(jì)算能力，極大的加快了計(jì)算速度和數(shù)據(jù)處理速度，使算法不斷優(yōu)化，目前廠牌識(shí)別種類(lèi)已達(dá)632種。常規(guī)情況下，識(shí)別率在92%以上，識(shí)別車(chē)身顏色包括黑白灰紅等十余種。在樣本大數(shù)據(jù)不斷增加的同時(shí)，通過(guò)模型訓(xùn)練及深度學(xué)習(xí)，指標(biāo)將不斷提升。

機(jī)動(dòng)車(chē)廠牌型號(hào)的識(shí)別為違法車(chē)輛以及套牌車(chē)輛的有效監(jiān)測(cè)提供了有力的手段，為保障人民人身安全和打擊違法犯罪行為提供了有效的工具。機(jī)動(dòng)車(chē)廠牌型作為車(chē)輛識(shí)別的重要屬性，在大數(shù)據(jù)深度學(xué)習(xí)背景下，未來(lái)將不斷完善，并將推動(dòng)為智能交通向更加精準(zhǔn)、高效發(fā)展，使我們的生活更加智能、高效、便捷。