增强车辆出入与停车管理：面向效率与安全的深度学习解决方案
计算机视觉与模式识别
2023-12-06 v1 人工智能
摘要
任何机构的车辆出入和停车自动管理是一项复杂的挑战，涵盖记录保存、效率和安全问题。用于追踪车辆和寻找停车空间的手动方法缓慢且浪费时间。为了解决车辆出入和停车自动管理的问题，我们利用了 SOTA 深度学习模型，并将车辆出入和停车进入机构的过程自动化。为确保安全，我们的系统集成了车辆检测、车牌号验证以及人脸检测与识别模型，以确保人员和车辆已在机构登记。我们训练了多个用于车辆检测、车牌号检测、人脸检测与识别的深度学习模型，然而 YOLOv8n 模型优于所有其他模型。此外，车牌识别由 Google 的 Tesseract-OCR 引擎辅助实现。通过集成这些技术，该系统在建筑物中提供高效的车辆检测、精确识别、简化的记录保存和优化的停车位分配，从而提升了便利性、准确性和安全性。未来的研究机会在于针对广泛的实际应用微调系统性能。
引用
@article{arxiv.2312.02699,
title = {Enhancing Vehicle Entrance and Parking Management: Deep Learning Solutions for Efficiency and Security},
author = {Muhammad Umer Ramzan and Usman Ali and Syed Haider Abbas Naqvi and Zeeshan Aslam and Tehseen and Husnain Ali and Muhammad Faheem},
journal= {arXiv preprint arXiv:2312.02699},
year = {2023}
}
备注
Accepted for publication in the 25th International Multitopic Conference (INMIC) IEEE 2023, 6 Pages, 3 figures