Page 155 - 安防19年3月刊_正刊

通过对目标物体的形状以及纹理（颜色等）进行 字符识别：对分割后的字符进行模式识别，
建模，去掉大部分形状。 就可以识别出输入的字符图像。
第三层，采用端到端的卷积神经网络进行学 本系统采用基于 GPU 的云平台，本系统设计
习。 了一种端到端的的深度学习网络，只需收集足够

本系统三层处理结构，使得无论在何种光照 多的样本，进行训练就能不断提升识别率，网络
下，图像空间的相对色差的纹理都可以保持稳定。 设计如图 4：
DTrack级联混合跟踪算法设计 通过自主学习等方式，自动提升算法性能，可
目标跟踪模块是在车辆定位的基础上对时间
轴上的图像信息进行密集采样，对已定位的车辆
进行目标锁定，并对锁定的车辆进行实时跟踪，
来计算出车辆的精确位置和车辆的运动矢量轨迹
曲线图。
实时多变的外界条件，如天气、光照、运动物
体的影子及混乱干扰的影响给运动检测带来了困
难。我们设计了 DTrack 级联混合跟踪算法。
该算法包括多个级联层级结构，开始级别算
法简单、速度快、处理的跟踪问题也较为简单，
越往后算法越复杂、速度越慢、处理精度也越高。 ▲图4 车牌识别网络设计
通过目标原型验证优化，大大降低错误跟踪，提
高跟踪精度，速度也非常快。 以在大角度复杂光照下，也达到正常角度、正常光
基于CNN和度量监督的CMV车牌识别设计 照下的效果，大大减少了人为工作。
车牌识别是基于图像分割和图像识别理论，

主要包括如下过程： 违法检测、人车检测、事件检测功能说明
图像采集：通过高清摄像抓拍主机对卡口过
车或车辆违章行为进行实时、不间断记录、采集。 序号 功能
预处理：图片质量是影响车辆识别率的关键 车辆违法监测功能
因素，因此，需要对高清摄像抓拍主机采集到的原 1 闯红灯违法抓拍
始图像进行噪声过滤、自动白平衡、对比度调整等。 2 不按所需行进方向驶入导向车道
车牌定位：车牌定位的准确与否直接决定后 3 大货车禁行
面的字符分割和识别效果。 4 不礼让行人
字符分割：在图像中定位出车牌区域后，进一 5-11 此处略
步精确定位字符区域。

2019第四届深圳国际无人机展览会（2019.6.20-22 深圳会展中心） www.china-drone.com.cn 131

భခ࠯ඌ JOEE ྒ௹೘