面向低资源视频应用的实时孟加拉语车牌识别系统
计算机视觉与模式识别
2021-11-16 v3 人工智能
摘要
自动车牌识别系统旨在为视频帧中出现的车辆提供检测、定位并识别车牌字符的解决方案。然而，在现实世界中部署此类系统需要在低资源环境下具备实时性能。在本文中，我们提出了一种与视觉 API 配对的两阶段检测流水线，可提供实时推理速度以及持续准确的检测与识别性能。我们在骨干 MobileNet SSDv2 检测模型之上使用 haar-cascade 分类器作为滤波器。这通过仅关注高置信度检测并将其用于识别，从而减少了推理时间。我们还施加了一种时间帧分离策略，以区分同一片段中的多个车辆车牌。此外，目前没有公开可用的孟加拉语车牌数据集，为此我们创建了一个包含自然场景下车牌的图像数据集和视频数据集。我们在图像数据集上训练模型，取得了 86% 的 AP(0.5) 分数，并在视频数据集上测试了我们的流水线，观察到合理的检测与识别性能（检测率 82.7%，OCR F1 分数 60.8%）以及实时处理速度（27.2 帧每秒）。
引用
@article{arxiv.2108.08339,
title = {Real-time Bangla License Plate Recognition System for Low Resource Video-based Applications},
author = {Alif Ashrafee and Akib Mohammed Khan and Mohammad Sabik Irbaz and MD Abdullah Al Nasim},
journal= {arXiv preprint arXiv:2108.08339},
year = {2021}
}
备注
Accepted in IEEE/CVF Winter Conference on Applications of Computer Vision - Real-World Surveillance 2022 (IEEE/CVF WACV RWS 2022)