OpenVINO?工具套件應用案例之停車場監控系統
近年來，隨著物聯網（IoT）等技術的進步，數碼攝像頭在視頻監控領域正扮演著越來越重要的角色。據統計，2016年全球約有3.5億臺監控攝像頭，而亞洲幾乎占全球總量的65%。
本文引用地址：http://www.ex-cimer.com/article/202004/411936.htm視頻監控攝像頭在捕捉到動態畫面時，不僅可以被動地錄制視頻，還可以根據視頻進行實時分析。在本文中，我們將探討如何借助于英特爾?的OpenVino?工具套件對停車場進行監控，并根據進出車輛數自動判斷停車場內是否還有可用車位。
停車場監控數據流水線
在本應用案例中，我們將探索一個深度學習案例：根據行駛方向跟蹤車輛，并判斷車輛是進入還是離開停車場。
圖1列出的是停車場車輛跟蹤流水線圖。我們將通過此圖詳細介紹一下該深度學習應用的工作原理。
圖1：停車場車輛跟蹤流水線圖說明了此應用如何利用OpenVino?工具套件通過捕捉到的畫面檢測車輛，計算車輛質心坐標（被檢測車輛的移動距離）以確定車輛的進出情況
該應用案例通過安裝在停車場出入口上方的攝像頭捕捉畫面，然后通過深度神經網絡（基于針對車輛識別進行訓練和優化的卷積神經網絡即CNN，一種常用于圖像處理的深度神經網絡）對捕捉到的車輛進行識別。通過CNN識別捕獲幀中的車輛，并根據車輛輪廓的最小外接矩形計算出車輛質心坐標。由于視頻檢測頻繁，再加上車輛行駛緩慢，可將此坐標作為車輛的起始位置并存儲下來。當捕捉到新幀并檢測到車輛時，將上一個質心與新質心進行比較，以此判斷車輛行駛方向，進而確定車輛是進入還是離開停車場。
圖2是CNN工作時的截屏。圖中綠色部分顯示的是車輛質心位置坐標（用于進行跟蹤和比較）。
圖2：停車場監控屏幕用綠色圓圈來標識車輛質心坐標，來判斷車輛是進入還是離開停車場（來源：英特爾）
想要查看更多OpenVINO相關技術與資料，請戳>> http://www.ex-cimer.com/openvino
評論