近年來(lái)，隨著物聯(lián)網(wǎng)（IoT）等技術(shù)的進(jìn)步，數(shù)碼攝像頭在視頻監(jiān)控領(lǐng)域正扮演著越來(lái)越重要的角色。據(jù)統(tǒng)計(jì)，2016年全球約有3.5億臺(tái)監(jiān)控?cái)z像頭，而亞洲幾乎占全球總量的65%。

視頻監(jiān)控?cái)z像頭在捕捉到動(dòng)態(tài)畫(huà)面時(shí)，不僅可以被動(dòng)地錄制視頻，還可以根據(jù)視頻進(jìn)行實(shí)時(shí)分析。在本文中，我們將探討如何借助于英特爾?的OpenVino?工具套件對(duì)停車(chē)場(chǎng)進(jìn)行監(jiān)控，并根據(jù)進(jìn)出車(chē)輛數(shù)自動(dòng)判斷停車(chē)場(chǎng)內(nèi)是否還有可用車(chē)位。

停車(chē)場(chǎng)監(jiān)控?cái)?shù)據(jù)流水線(xiàn)

在本應(yīng)用案例中，我們將探索一個(gè)深度學(xué)習(xí)案例：根據(jù)行駛方向跟蹤車(chē)輛，并判斷車(chē)輛是進(jìn)入還是離開(kāi)停車(chē)場(chǎng)。

圖1列出的是停車(chē)場(chǎng)車(chē)輛跟蹤流水線(xiàn)圖。我們將通過(guò)此圖詳細(xì)介紹一下該深度學(xué)習(xí)應(yīng)用的工作原理。

圖1：停車(chē)場(chǎng)車(chē)輛跟蹤流水線(xiàn)圖說(shuō)明了此應(yīng)用如何利用OpenVino?工具套件通過(guò)捕捉到的畫(huà)面檢測(cè)車(chē)輛，計(jì)算車(chē)輛質(zhì)心坐標(biāo)（被檢測(cè)車(chē)輛的移動(dòng)距離）以確定車(chē)輛的進(jìn)出情況

該應(yīng)用案例通過(guò)安裝在停車(chē)場(chǎng)出入口上方的攝像頭捕捉畫(huà)面，然后通過(guò)深度神經(jīng)網(wǎng)絡(luò)（基于針對(duì)車(chē)輛識(shí)別進(jìn)行訓(xùn)練和優(yōu)化的卷積神經(jīng)網(wǎng)絡(luò)即CNN，一種常用于圖像處理的深度神經(jīng)網(wǎng)絡(luò)）對(duì)捕捉到的車(chē)輛進(jìn)行識(shí)別。通過(guò)CNN識(shí)別捕獲幀中的車(chē)輛，并根據(jù)車(chē)輛輪廓的最小外接矩形計(jì)算出車(chē)輛質(zhì)心坐標(biāo)。由于視頻檢測(cè)頻繁，再加上車(chē)輛行駛緩慢，可將此坐標(biāo)作為車(chē)輛的起始位置并存儲(chǔ)下來(lái)。當(dāng)捕捉到新幀并檢測(cè)到車(chē)輛時(shí)，將上一個(gè)質(zhì)心與新質(zhì)心進(jìn)行比較，以此判斷車(chē)輛行駛方向，進(jìn)而確定車(chē)輛是進(jìn)入還是離開(kāi)停車(chē)場(chǎng)。

圖2是CNN工作時(shí)的截屏。圖中綠色部分顯示的是車(chē)輛質(zhì)心位置坐標(biāo)（用于進(jìn)行跟蹤和比較）。

圖2：停車(chē)場(chǎng)監(jiān)控屏幕用綠色圓圈來(lái)標(biāo)識(shí)車(chē)輛質(zhì)心坐標(biāo)，來(lái)判斷車(chē)輛是進(jìn)入還是離開(kāi)停車(chē)場(chǎng)（來(lái)源：英特爾）

想要查看更多OpenVINO相關(guān)技術(shù)與資料，請(qǐng)戳>> http://m.chinabohe.com/openvino