張小姐 18680375819
身份證核驗(yàn)盒子
JC05 人臉識(shí)別門(mén)禁一體機(jī)
JC08 面部識(shí)別系統(tǒng)
紅外熱成測(cè)溫一體機(jī)-國(guó)康碼人臉識(shí)別終端-粵康碼可選
人像識(shí)別門(mén)禁通道終端JC08-D(T)
人像識(shí)別門(mén)禁通道終端QY3001
多人遠(yuǎn)距離測(cè)溫考勤終端JC55
多人遠(yuǎn)距離測(cè)溫考勤終端JC85
8寸人像識(shí)別測(cè)溫一體機(jī)JC08
8寸安卓人像識(shí)別測(cè)溫一體機(jī)XP2020
7寸安卓人像識(shí)別測(cè)溫一體機(jī)XP2020-7
掃描二維碼
添加客服微信
在線咨詢
咨詢熱線: 張小姐 18680375819
郵箱:[email protected]
地址:深圳市龍崗區(qū)康正路48號(hào)蓮塘(南灣)工業(yè)園2棟5樓南區(qū)
隨著交通樞紐的大規(guī)模網(wǎng)絡(luò)化,大量的車(chē)輛通行記錄信息被匯集起來(lái),可以實(shí)時(shí)分析城市的交通量,調(diào)整信號(hào)間隔,縮短車(chē)輛的等待時(shí)間,提高城市道路的通行效率,對(duì)城市交通管理起著重要的作用,有了充分的數(shù)據(jù)和人工智能技術(shù)的應(yīng)用,下面一起了解下ai視覺(jué)算法在智慧交通領(lǐng)域的應(yīng)用吧!
隨著交通樞紐的大規(guī)模網(wǎng)絡(luò)化,大量的車(chē)輛通行記錄信息被匯集起來(lái),可以實(shí)時(shí)分析城市的交通量,調(diào)整信號(hào)間隔,縮短車(chē)輛的等待時(shí)間,提高城市道路的通行效率,對(duì)城市交通管理起著重要的作用,有了充分的數(shù)據(jù)和人工智能技術(shù)的應(yīng)用,下面一起了解下ai視覺(jué)算法在智慧交通領(lǐng)域的應(yīng)用吧!
目前,許多廠家聲稱自己的車(chē)牌識(shí)別率已經(jīng)達(dá)到99%,但這也只是在標(biāo)準(zhǔn)卡口的視頻條件上加上一些預(yù)設(shè)條件而達(dá)到的。 目前在智能交通領(lǐng)域,人工智能分析和深度學(xué)習(xí)較為成熟的應(yīng)用技術(shù)以車(chē)牌識(shí)別算法為理想。在對(duì)許多簡(jiǎn)單的卡口和卡口圖像進(jìn)行車(chē)牌定位識(shí)別時(shí),良好的車(chē)牌識(shí)別也很難達(dá)到90%。 但是,隨著人工智能、深度學(xué)習(xí)的應(yīng)用,這種狀況將會(huì)得到大幅改善。
在傳統(tǒng)的圖像處理和機(jī)器學(xué)習(xí)算法的研發(fā)中,根據(jù)以往的經(jīng)驗(yàn),理論分析難度較大,訓(xùn)練方法需要很多經(jīng)驗(yàn)和技術(shù),因此一般需要5到10年的時(shí)間,取得了劃時(shí)代的發(fā)展,很多特征都是人為制定的,例如hog、sift特征在目標(biāo)檢測(cè)和特征匹配中占有重要的地位,在安全領(lǐng)域的許多具體算法中使用的特征大多有這兩個(gè)人為特征和機(jī)器學(xué)習(xí)算法的設(shè)計(jì),對(duì)算法工程師的知識(shí)要求也越來(lái)越高。 從目前的應(yīng)用情況來(lái)看,只要加入新的數(shù)據(jù),有足夠的時(shí)間和計(jì)算資源,深度學(xué)習(xí)并非如此。 進(jìn)行圖像檢測(cè)和識(shí)別時(shí),不需要人為設(shè)定具體的特征,只要準(zhǔn)備足夠多的圖進(jìn)行訓(xùn)練即可,通過(guò)分層迭代可以得到良好的結(jié)果。隨著深度學(xué)習(xí)網(wǎng)絡(luò)層次的增加,識(shí)別率就會(huì)提高,比以往的方法更好。
另外,ai視覺(jué)算法在車(chē)輛顏色、車(chē)輛制造商標(biāo)識(shí)識(shí)別、無(wú)車(chē)牌車(chē)輛檢測(cè)、非機(jī)動(dòng)車(chē)檢測(cè)與分類、車(chē)頭后置判斷、車(chē)輛搜索、人臉識(shí)別等技術(shù)方面也很成熟。
ai視覺(jué)算法對(duì)于車(chē)輛顏色識(shí)別,基本上克服了照明條件變化、攝像頭硬件誤差導(dǎo)致的顏色不穩(wěn)定、過(guò)曝光等一系列問(wèn)題,解決了圖像顏色變化導(dǎo)致的識(shí)別錯(cuò)誤問(wèn)題,車(chē)場(chǎng)車(chē)輛的顏色識(shí)別率為80%至85%, 如果采用大數(shù)據(jù)和深度學(xué)習(xí)技術(shù),車(chē)輛標(biāo)記過(guò)度暴露或標(biāo)記被人為去除而帶來(lái)的局部特征將消失,其分辨率將從89%上升到93%以上,車(chē)輛的主要顏色識(shí)別率為75%?在車(chē)輛制造商的標(biāo)志識(shí)別中,利用傳統(tǒng)的HOG、LBP、SIFT、SURF等特征,如果利用SVM機(jī)器學(xué)習(xí)技術(shù)訓(xùn)練多連接的識(shí)別器,則識(shí)別制造商的標(biāo)志容易發(fā)生誤判。
ai視覺(jué)算法在車(chē)輛檢索中,由于車(chē)輛的圖像根據(jù)場(chǎng)景不同而曝光過(guò)度或曝光不足,深度學(xué)習(xí)可以很好地獲得比較穩(wěn)定的特征,搜索的相似目標(biāo)更加準(zhǔn)確,Top5的搜索率在95%以上。 在臉部識(shí)別項(xiàng)目中,或者車(chē)輛的比例發(fā)生較大變化,用以往的方法提取的特征會(huì)發(fā)生變化,所以檢索率不穩(wěn)定。 臉部會(huì)因光線、姿勢(shì)、表情等因素而發(fā)生變化,因此目前大多數(shù)應(yīng)用都是固定場(chǎng)景、固定姿勢(shì),在姿勢(shì)和光線上也得到了一定的放松。
以上介紹的就是ai視覺(jué)算法在智慧交通領(lǐng)域的應(yīng)用,如需了解更多,可隨時(shí)聯(lián)系我們!
大多智慧社區(qū)系統(tǒng)平臺(tái)多為社區(qū)定制都是運(yùn)用企業(yè)開(kāi)發(fā)的軟件系統(tǒng),但各運(yùn)營(yíng)平臺(tái)的協(xié)議標(biāo)準(zhǔn)不一致,不同廠家的硬件很難做到相互兼容,大規(guī)模智慧社區(qū)覆蓋過(guò)程中,各系統(tǒng)的協(xié)同集成發(fā)展受到影響,客戶自己的個(gè)性化需求也難以得到很好滿足。
張小姐 18680375819
?2015-2020 深圳市吉布斯科技有限公司 版權(quán)所有??備案號(hào):粵ICP備19145905號(hào)
?技術(shù)支持:雙贏世訊