车辆大数据挖掘技术

车辆大数据挖掘技术

随着人民生活水平的提高，车辆的拥有量不断的上升，针对车辆的视频分析系统迫切的需要进行升级，来挖掘出更多的结构化信息。

现有的智能交通技术主要集中在卡口和电子警察等传统技术上，抓拍车辆，识别车牌号码，车身颜色，车辆闯红灯，压实线，逆行等违法行为上，很难从图像中挖崛出更深层次的信息。以前的技术大都采用传统的算法，车辆检测跟踪主要采用基于adaboost和svm的训练方法检测车辆，然后采用基于连通区域关联或者meanshift做车辆跟踪；车牌识别主要采用基于颜色和纹理等传统特征做车牌定位，采用基于垂直投影和连通区域方式做字符分割，基于人工神经网络的方式做字符识别。目前针对标准位置下安装的摄像头，传统算法基本上都能达到98%以上的准确率。但传统算法技术已经很难满足现在的应用，随着硬件GPU的发展和深度学习技术的普及，针对公安和交警抓拍下来的图片，可以做更深层次的挖掘，例如可以识别车辆的品牌，子型号和年款，检测年检标的数目，识别年检标的形状，检测遮阳板是否放下，检测车窗上摆放的纸巾盒等物品，是否挂了挂坠，同时可以识别驾驶员的违法行为，例如是否系安全带，是否抽烟和打手机。

图存科技智能交通识别算法引擎采用传统算法加深度学习技术，可以识别车牌号码，车身颜色的同时，识别3000余种车辆款式，检测驾驶员是否系安全带，抽烟，打手机等违法状态，同时可以检测年检标的数目，是否放下遮阳板，车窗内是否挂有挂坠，将这些非结构化的数据进行结构化处理，然后存储，为将来公安办案，抓捕嫌疑车辆提供有力的证据。

图存科技智能交通识别算法引擎，采用深度学习中的分类算法，和faster rcnn等方法进行车辆检测和各类特征的检测，实际场景下测试准确率均超过90%，完全可以实际商用，已经为多家公司提供了识别核心。