实现网
工作地点
顾问角色
排序方式
筛选条件
评价
不限
自由职业者
不限

知名企业
北京海科融通支付有限公司
高级Java工程师
阿白-3d7eefdd
13年
擅长技能

车辆车牌自动识别系统(自研AI识别) 目标:本系统是通过摄像头多车辆的车牌拍照,然后对拍摄的照片中的车牌进行定位并且对车牌的字符进行识别。计划系统需满足两种情况,一种是像进入小区车牌识别,另一种是城市交通摄像头拍摄照片的车牌识别。本系统是本人独自开发,独自设计,是通过java进行的开发,后面如果完成,考虑会出Python版本。 系统目前的状况:目前系统主体代码已经开发完成,可以实现蓝牌,黄牌,绿牌的车牌的识别,在经过学习后,可以正确识别。还有一些问题后期将进行持续的优化跟进。 系统存在的问题: 1、针对像川,沪这样的字符还没有进行成功切割,原因是时间关系,也是由于前期没有考虑这方面,实在后期的训练素材中发现的这个问题 2、针对图片中有多个车牌,目前由于设计关系,只识别一个车牌;解决方案已经确定,后续会进行修正 3、目前进行深度学习的素材不够,后期需寻找大量素材进行训练 4、训练方式的效率有待提高,尽管经过优化已经大幅缩短了学习时间 5、对于一些大倾斜角度的照片,识别效果不是很好,目前已找到原因 系统的研发过程介绍: 车辆识别系统大致可以分为以下步骤: 1、首先是车牌进行对位,目前使用opencv技术 2、将定位到的车牌进行分类,这里是由于在车牌定位的过程中,也会定位到一些其他图片,所以这里需要进行分类,这里使用SVM支持向量机进行分类 3、对车牌进行处理,并进行字符分割 4、将分割好的字符利用卷积神经网络进行深度学习。卷积神经网络完全有自己开发,未使用第三方框架,自主可控。 5、学习完成后,下次就可以对分割的字符直接进行分类识别 6、将识别后的字符进行输出 期间优化效率问题: 1、修改以前效率低下的代码,提升代码运行效率 2、选择正确的卷积核,提升计算效率 3、重写卷积神经网络结构,大幅提升计算效率 4、进行合适的数据适配,大幅提升计算效率,并且会避免计算越界 5、优化梯度下降方式,提升计算效率 6、目前还有一些已知的优化,比如gpu的适配,梯度算法的优化,后续将持续跟进。 6、经过上面的大优化以及一些其他小优化,训练效率从以前的7个小时左右减少到目前的五到十分钟,目前的学习速度处于本人可接受范围内。后期还将进行持续的优化。

¥700 / 8小时

可兼职时间 自由职业,时间充裕

可兼职地点 海淀

立即预约

我是技术人才
我在寻找远程工作

技术人才入驻

我是创业者
我在寻找技术人才

发布用人需求