OpenVINO™工具套件应用案例之停车场监控系统

近年来，随着物联网（IoT）等技术的进步，数码摄像头在视频监控领域正扮演着越来越重要的角色。据统计，2016年全球约有3.5亿台监控摄像头，而亚洲几乎占全球总量的65%。

视频监控摄像头在捕捉到动态画面时，不仅可以被动地录制视频，还可以根据视频进行实时分析。在本文中，我们将探讨如何借助于英特尔®的OpenVino™工具套件对停车场进行监控，并根据进出车辆数自动判断停车场内是否还有可用车位。

停车场监控数据流水线

在本应用案例中，我们将探索一个深度学习案例：根据行驶方向跟踪车辆，并判断车辆是进入还是离开停车场。

图1列出的是停车场车辆跟踪流水线图。我们将通过此图详细介绍一下该深度学习应用的工作原理。

图1：停车场车辆跟踪流水线图说明了此应用如何利用OpenVino™工具套件通过捕捉到的画面检测车辆，计算车辆质心坐标（被检测车辆的移动距离）以确定车辆的进出情况

该应用案例通过安装在停车场出入口上方的摄像头捕捉画面，然后通过深度神经网络（基于针对车辆识别进行训练和优化的卷积神经网络即CNN，一种常用于图像处理的深度神经网络）对捕捉到的车辆进行识别。通过CNN识别捕获帧中的车辆，并根据车辆轮廓的最小外接矩形计算出车辆质心坐标。由于视频检测频繁，再加上车辆行驶缓慢，可将此坐标作为车辆的起始位置并存储下来。当捕捉到新帧并检测到车辆时，将上一个质心与新质心进行比较，以此判断车辆行驶方向，进而确定车辆是进入还是离开停车场。

图2是CNN工作时的截屏。图中绿色部分显示的是车辆质心位置坐标（用于进行跟踪和比较）。

图2：停车场监控屏幕用绿色圆圈来标识车辆质心坐标，来判断车辆是进入还是离开停车场（来源：英特尔）

想要查看更多OpenVINO相关技术与资料，请戳>> http://www.eepw.com.cn/openvino