固定车辆自动车牌识别 (ALPR) 是智能城市常用的智能视频分析应用之一。一些常见的使用案例包括停车辅助系统、自动收费站、在港口和医疗物资运输仓库进行运输和物流的车辆登记和识别。能够实时做到这一点是充分发挥这些市场潜力的关键。传统的技术依赖于专门的相机和处理硬件,这部署既昂贵又难以维护。 ALPR 的流程包括使用目标检测深度学习模型检测帧内的车辆,使用车牌检测模型对车牌进行定位,最后识别车牌上的字符。使用深度神经网络的光学字符识别 (OCR) 是一种流行的技术来识别任何语言字符。 在这篇文章中,我们将向您展示如何使用生产质量的 AI 模型,如车牌检测(LPD) 和车牌识别 (LPR) 模型,并结合 NVIDIA Transfer Learning Toolkit (TLT)。现成的模型允许您快速启动 ALPR 项目。由此产生的 TLT 优化模型可以使用 DeepStream SDK 轻松部署。 要开始创建和部署来自 TLT 的高度精确、预先训练过的模型,您需要以下资源: TrafficCamNet 或 DashCamNet 从 NGC 模型来检测车辆 车牌检测 (LPD) 模型用于车牌的检测 车牌识别 (LPR) 模型将图像转化为文本
DeepStream SDK 所有的预训练模型都是免费的,并且随时可以在 NVIDIANGC 上获得。TLT 提供两套 LPD 模型和两套 LPR 模型:一套是针对美国车牌训练的,另一套是针对中国车牌训练的。有关更多信息,请参阅 LPD 和 LPR 模型卡。
原文链接:
https://developer.nvidia.com/blog/
|