? ? 以大數(shù)據(jù)分析平臺(tái)為支撐,梳理行業(yè)指標(biāo)130多個(gè),為城市空間規(guī)劃、交通治理、公安技偵、汽車后市場(chǎng)生態(tài)服務(wù)等提供平臺(tái)支撐和數(shù)據(jù)支持。
設(shè)計(jì)城市停車智能管控系統(tǒng)聯(lián)網(wǎng)聯(lián)控框架,包括系統(tǒng)接入層、資源共享層、應(yīng)用服務(wù)層等層次,以及數(shù)據(jù)傳輸、系統(tǒng)管理等模塊,能幫助各城市實(shí)現(xiàn)智能管控系統(tǒng)的聯(lián)網(wǎng)聯(lián)控,推動(dòng)停車信息資源關(guān)聯(lián)共享,實(shí)現(xiàn)各類系統(tǒng)間的協(xié)同控制,最大限度發(fā)揮智能停車系統(tǒng)的作用,提高城市道路交通管理和設(shè)施管理的效能與服務(wù)水平。
城市級(jí)智慧停車綜合服務(wù)平臺(tái)以同區(qū)域停車場(chǎng)信息共享與聯(lián)動(dòng)為核心,結(jié)合“移動(dòng)互聯(lián)網(wǎng)+物聯(lián)網(wǎng)+云計(jì)算+大數(shù)據(jù)”技術(shù),通過改造升級(jí)的方式接入路內(nèi)停車資源和路外停車資源(包括大小停車場(chǎng)),以及利用錯(cuò)峰共享的互聯(lián)網(wǎng)模式來實(shí)現(xiàn)泊位統(tǒng)籌、車位預(yù)留、停車引導(dǎo)等,打破傳統(tǒng)城市停車信息資源“孤島”,無法形成統(tǒng)一均衡調(diào)度的局面,真正實(shí)現(xiàn)從點(diǎn)到面的轉(zhuǎn)變。
? 創(chuàng)新的使用多層CNN算法對(duì)車牌進(jìn)行快速定位,獨(dú)創(chuàng)多模板、多分割投票方法對(duì)車牌進(jìn)行定位,并對(duì)算法進(jìn)行匯編級(jí)優(yōu)化,在嵌入式平臺(tái)實(shí)現(xiàn)接近實(shí)時(shí)的識(shí)別速度和極低的內(nèi)存占用率(
<3M)。針對(duì)停車場(chǎng)場(chǎng)景綜合識(shí)別率達(dá)到99.8%。
針對(duì)停車場(chǎng)場(chǎng)景大量真實(shí)數(shù)據(jù)進(jìn)行多次回歸學(xué)習(xí),可以識(shí)別出2800多類車型、年份及車身顏色,白天準(zhǔn)確率接近95%。?
?借助開放數(shù)據(jù)及大量實(shí)際門禁人臉數(shù)據(jù),結(jié)合GAN生成大量的帶id的人臉數(shù)據(jù),并通過收集到部分帶年齡的人臉數(shù)據(jù)回歸出人臉年齡漸變模型,最終根據(jù)這些數(shù)據(jù)設(shè)計(jì)大小兩個(gè)人臉識(shí)別模型,大模型200M左右,在千萬級(jí)別比對(duì)中準(zhǔn)確率達(dá)到99.5%。小模型8M,可以運(yùn)行在低端的帶NPU和不帶NPU的ARM平臺(tái)中,對(duì)于5萬級(jí)的比對(duì)庫準(zhǔn)確率超過99.5。
? ? 極致優(yōu)化的CNN算法,在低端海思3516EV200/MSTAR?SSC335?等平臺(tái)上實(shí)現(xiàn)車位區(qū)域識(shí)別、車位編號(hào)識(shí)別、車位車輛識(shí)別、車牌識(shí)別。
? ?針對(duì)實(shí)際低端相機(jī)中常見的圖像問題,開發(fā)超分辨重建算法、模糊消除算法、顏色恒常性算法、微光增強(qiáng)技術(shù)、單幀高動(dòng)態(tài)算法。?
? ? 針對(duì)智慧交通中多源異構(gòu)數(shù)據(jù)問題,設(shè)計(jì)出多分支特征提取算法及貝葉斯CNN融合算法,將結(jié)構(gòu)及非結(jié)構(gòu)化的數(shù)據(jù)抽象為低緯度特征數(shù)據(jù),為大數(shù)據(jù)分析提供一致的數(shù)據(jù)源。