原创深度:OpenVINO™工具套件应用案例之停车场监控系统(一)

作者: M. Tim Jones(贸泽电子)

近年来,随着物联网(IoT)等技术的进步,数码摄像头在视频监控领域正扮演着越来越重要的角色。据统计,2016年全球约有3.5亿台监控摄像头,而亚洲几乎占全球总量的65%。

“”

视频监控摄像头在捕捉到动态画面时,不仅可以被动地录制视频,还可以根据视频进行实时分析。在本文中,我们将探讨如何借助于英特尔®的OpenVino™工具套件对停车场进行监控,并根据进出车辆数自动判断停车场内是否还有可用车位。

停车场监控数据流水线

在本应用案例中,我们将探索一个深度学习案例:根据行驶方向跟踪车辆,并判断车辆是进入还是离开停车场。

图1列出的是停车场车辆跟踪流水线图。我们将通过此图详细介绍一下该深度学习应用的工作原理。

“”
图1:停车场车辆跟踪流水线图说明了此应用如何利用OpenVino™工具套件通过捕捉到的画面检测车辆,计算车辆质心坐标(被检测车辆的移动距离)以确定车辆的进出情况

该应用案例通过安装在停车场出入口上方的摄像头捕捉画面,然后通过深度神经网络(基于针对车辆识别进行训练和优化的卷积神经网络即CNN,一种常用于图像处理的深度神经网络)对捕捉到的车辆进行识别。通过CNN识别捕获帧中的车辆,并根据车辆轮廓的最小外接矩形计算出车辆质心坐标。由于视频检测频繁,再加上车辆行驶缓慢,可将此坐标作为车辆的起始位置并存储下来。当捕捉到新帧并检测到车辆时,将上一个质心与新质心进行比较,以此判断车辆行驶方向,进而确定车辆是进入还是离开停车场。

图2是CNN工作时的截屏。图中绿色部分显示的是车辆质心位置坐标(用于进行跟踪和比较)。

“”
图2:停车场监控屏幕用绿色圆圈来标识车辆质心坐标,来判断车辆是进入还是离开停车场(来源:英特尔)

近年来

精彩内容未完待续......

作者简介

“”

M. Tim Jones是一位经验丰富的嵌入式固件架构师,拥有超过30年的架构和开发经验。Tim曾撰写过多本书和许多文章,涉及软件和固件开发的各个领域。他的工程背景包括为地球同步轨道航天器开发内核以及嵌入式系统架构和协议开发。

原文链接:

https://www.mouser.cn/blog/parking-lot-monitoring-openvino-toolkit

该发布文章为独家原创文章,转载请注明来源。对于未经许可的复制和不符合要求的转载我们将保留依法追究法律责任的权利。

推荐阅读