PatrolVision：野外自动车牌识别
计算机视觉与模式识别
2025-04-16 v1 人工智能
摘要
AI 技术在公共服务领域的采用率仍较低，主要由于涉及大规模人口信息的准确性和速度挑战。交通监控的计算机视觉技术尽管在自动驾驶等领域表现突出，却未能广泛普及。尽管已有大量学术方法用于自动车牌识别 (ALPR) 系统，但仅有少数提供适用于城市巡逻的端到端解决方案。本文提出一种 novel prototype，用于在低功耗 GPU 基础上部署的城市巡逻系统，实现自动车辆检测、识别和跟踪。我们提出一种针对新加坡车牌（包括单排和双排）的完整 ALPR 系统，构建自己的 YOLO 基础网络。我们聚焦于实际场景中不可约束的捕获情况，即车牌 (LP) 可能因倾斜视角而严重畸变。本文首先使用 RFB-Net 从完整图像中检测车牌，并纠正单图像中多个畸变车牌。随后，将检测到的车牌图像输入我们的网络进行字符识别。我们在覆盖超过 16,000 张图像的新构建数据集上评估了所提系统的性能。系统在测试集中正确检测车牌的精确率为 86%，字符识别率为 67%，带一个错误字符的准确率为 89%。我们还测试了系统的延迟，在 Tesla P4 GPU 上实现 64FPS。
引用
@article{arxiv.2504.10810,
title = {PatrolVision: Automated License Plate Recognition in the wild},
author = {Anmol Singhal Navya Singhal},
journal= {arXiv preprint arXiv:2504.10810},
year = {2025}
}
备注
Accepted in IEEE Southeast Con 2025. To be published in IEEEXplore