2015年1月，廣州南澤電子科技有限公司發(fā)布了基于大數(shù)據(jù)下深度學(xué)習(xí)的車牌識(shí)別系統(tǒng)技術(shù)。

       車牌識(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、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輛信息，除車牌號(hào)碼外，還需要車輛的廠牌、型號(hào)以及顏色等信息特征。這些特征在停車場(chǎng)無(wú)人管理、交通事故處理、交通肇事逃逸、違章車輛自動(dòng)記錄等領(lǐng)域具有廣泛而迫切的應(yīng)用需求。

車牌識(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輛運(yùn)動(dòng)速度的快慢等直接影響車輛圖像的成像環(huán)節(jié)，造成車輛圖像顏色失真、車身及車標(biāo)區(qū)域灰度不均勻、邊緣模糊、粘連等問題，增加了處理難度；反光、逆光、夜晚光照不足、樹蔭、車身顏色顯著區(qū)域分布位置不同等情況又增加車身顏色識(shí)別難度；再加上車輛類別繁多以及車身本身的污損、遮擋、模糊，也為進(jìn)一步提高識(shí)別率帶來(lái)諸多困難。

 廣州南澤電子自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、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)車輛、車頭區(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，公司采用了當(dāng)今國(guó)際上先進(jìn)的計(jì)算機(jī)視頻技術(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，還采集了描述車頭、車燈、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信息，與車牌識(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)各類信息、特征，更能夠刻畫數(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)利用廣州南澤電子強(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。常規(guī)情況下，識(shí)別率在99%以上。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。