實作組智慧交通

參賽團隊名稱: 7STARLAKE

提案動機

以肉眼調閱行車紀錄器十分費時且需要人力,若能利用 AI 自動即時偵測並擷取其中片段再由人工二次確認將能提高效率,也能嚇阻違規事件並預防交通意外發生。

希望利用 object detection model 即時偵測路況,並能透過辨識一些常見的道路物件來達到分析交通事件的效果,例如:偵測違停、闖紅燈車輛等。

解決方案技術架構及執行方法

技術架構:

■ 主要由三層不同的AI模型組成

  • 第一層偵測常見道路物件
  • 第二層針對偵測到的各種車輛物件進一步偵測車牌位置
  • 第三層對偵測到的車牌進行辨識

執行方法:

■ 針對三層模型建構各自的模型、訓練集

■ 整合模型三層模型成為單一的混和模型,一次性的推論整個影像物件與事件

OpenVINO 的部署

我們的需求,OpenVINO已經有原本的架構模型可以測試,我們實測:

■ models:

●license-plate-recognition-barrier-0001  車牌辨識

●vehicle-attributes-recognition-barrier-0042   車輛偵測

●vehicle-license-plate-detection-barrier-0106  車輛上車牌位置辨識

■ 三者依序疊合架構執行效果無法符合我們的實際道路應用場景

我們自有的混和模型架構

1.Pytorch  建立我們自有的三層模型

2.OpenVINO 部署

■ Pytorch to ONNX

■ ONNX to IR

3.完成部署,進行推論

OpenVINO  驗證

hello_query_device

■ Intel i7 – 1185GRE @ 2.8GHz

benchmark_app

■ 執行的情況 21.13FPS

影片說明

發佈留言

Your email address will not be published. Required fields are marked *

Post comment