车牌识别算法(高位视频场景)
项目背景:高位视频停车场景下车牌识别:包含白天夜晚。
关键技术:Crnn、Transform、Ctc、模型压缩加速
数据集 : 1 万张真实数据+9 万张合成数据,包含普通车牌和新能源车牌。
算法实现:利用 albumentations 数据增强库对车牌进行数据增强,由于各省份车牌数量不均衡采用算法生成部
分假数据;起初采用 crnn 算法,但量化后运行速度慢,因为 rnn 是串行计算,并行度不够,因此选
用 transform+ctc 的技术路线,transform 可采用并行计算,速度更快,模块中去掉了位置编码模块
(加入后模型不易收敛),在夜晚场景中或者车辆高速运动中,图片质量会变差,因此在模型中加入
的图像增强模块,可在一定程度上改善低光照、倒车灯、运动模糊的场景,由于算法部署在边缘端,
采用了模型剪枝蒸馏量化等策略来加速模型。
项目成果:高位视频停车场景下车牌识别准确率 98.5%,白天准确率 99.6%,NX infer:8ms。
硬件设备:Jetson Xavier NX