基于深度学习的交通监控系统用于失踪与可疑车辆检测
计算机视觉与模式识别
2020-07-20 v1
摘要
车辆盗窃可以说是印度增长最快的犯罪类型之一。在一些城市地区，车辆盗窃案件据信每天约达 100 起。在此类危急情形下，使用人工检查和基于射频识别（RFID）的传统技术无法识别被盗车辆。本文提出一种基于深度学习的自动交通监控系统，用于从闭路电视（CCTV）摄像头画面中检测被盗/可疑车辆。它主要由四部分组成：Select-Detector、Image Quality Enhancer、Image Transformer 和 Smart Recognizer。Select-Detector 用于提取含车辆的帧并以最小时间复杂度高效检测车牌。随后使用 Image Quality Enhancer 提升车牌质量，其采用 pix2pix 生成对抗网络（GAN）增强受低光照、阴影等时变因素影响的车牌。Image Transformer 用于解决非水平（倾斜）车牌识别效率低的问题，通过将车牌变换至不同旋转级别并裁剪。Smart Recognizer 使用 Tesseract 光学字符识别（OCR）识别车牌号码，并利用 Error-Detector 纠正误识字符。所提方法在政府 CCTV 摄像头画面上的有效性测试表明，其识别被盗/可疑车辆的准确率达 87%。
引用
@article{arxiv.2007.08783,
title = {Deep Learning Based Traffic Surveillance System For Missing and Suspicious Car Detection},
author = {K. V. Kadambari and Vishnu Vardhan Nimmalapudi},
journal= {arXiv preprint arXiv:2007.08783},
year = {2020}
}