【要闻】OpenVINO™工具套件应用范例之停车场监控系统

本篇文章728字，读完约2分钟

主题: openvino™工具包应用例的停车场监视系统来源:泛美语言

近年来，随着物品互联网( iot )等技术的进步，数码相机在视频监视行业发挥着越来越重要的作用。 据统计，世界上约有3.5亿台监视摄像机，亚洲几乎占世界整体的65%。

本文引用: eepw/article/04/411936

摄像机在捕捉动态图像时，不仅可以被动地录像，还可以根据视频实时分解。 本文将探讨如何使用英特尔的openvino™工具包监视停车场，并根据进出车辆的数量自动评估停车场内是否有可用的车。

停车场监视数据线路

在本应用例中，搜索根据行驶方向跟踪车辆，评价车辆是进入还是离开停车场的深度学习的例子。

图1显示了停车场车辆跟踪管线图。 通过这张图详细介绍了这个深度学习应用程序的业务原理。

图1 :停车场车辆跟踪管线图证明了该应用如何利用openvino™工具包从捕获的画面中检测车辆，计算车辆的重心坐标(检测对象车辆的移动距离)，明确车辆的出入状况。

这个应用例子是用设置在停车场出入口上的照相机拍摄画面，然后是深度神经网络(根据车辆识别的比较进行训练和优化的卷积神经网络即cnn，图像解决中经常使用的深度神经网络) 识别由cnn捕捉到帧中的车辆，根据车辆轮廓的最小外接矩形计算车辆重心坐标。 除了视频检测频繁以外，由于车辆行驶缓慢，因此可以将该坐标存储为车辆的开始位置。 捕捉到新框架，检测到车辆后，比较前面的质心和新质心，评价车辆的行进方向，明确车辆是进入还是离开停车场。

图2是cnn业务时的截图。 图中的绿色部分表示车辆的重心位置坐标(用于跟踪和比较)。

图2 :停车场监视画面用绿色圆圈识别车辆的重心坐标，评价车辆是进入还是离开停车场(来源:英特尔)。