用深度学习读取车牌号码

有了新的VECID(=车辆识别)工具，EyeVision软件可以通过最先进的算法读取汽车或摩托车等车辆的车牌。VECID深度学习算法的基础是TensorFlow开源框架和库，用于训练我们自己的模型。

预先训练好的网络可以用于图像数据的分类。

EyeVision为以下应用提供标准网络:

• 车牌读数(NPR)
• OCR.
• 产品型号(MaM)

NPR(车牌阅读器)结合了已知的EyeVision OCR工具和VECID算法。OCR工具仅用于字符分离。之后，VECID NPR将对在停车场入口、收费公路或执法部门捕获的车牌进行工作。它比通常的OCR工具更强大，因为VECID深度学习不容易失真、反射或部分曝光过少等。

Vecid将在以下平台上运行：

• x86
• 嵌入式ARM系统
• 视窗
• Linux.

此外，由于EVOS (EyeVision操作系统)灵活的硬件支持，深度学习系统可立即用于小型单核ARM处理器，直至最新的x86平台。

因此，新版本的EyeVision用户将能够在深度学习算法的基础上训练卷积神经网络(CNN)。
CNN由过滤(卷积)输入以获得有用信息的层组成。这些卷积层具有学习到的参数(内核)，因此这些过滤器可以自动调整，为手头的任务提取最有用的信息，而不需要进行特征选择。CNN更擅长处理图像。

使用卷积作为模式匹配的另一个重要点是，要搜索的东西在图像上的位置是无关的。
Eyevision深度学习算法有其他addon命令，例如：

• OCR.
• Corefinder.
• PeopleTrack
• ContainerFinder.

这些DL插件可以与所有EyeVision工具一起使用。ContainerFinder将是一个AddOn命令，可以方便地找到和识别容器，例如，一列经过的火车。利用VECID工具，神经网络从不同的容器图像中学习，识别所有容器类型，并将其分类为“容器”。然后可以应用通常的VECID OCR命令，或者在需要容器颜色的情况下应用颜色命令。