摘要
本发明公开了一种基于深度学习的车辆身份信息实时识别与标注方法,涉及车辆身份识别技术领域,本发明,采用边缘计算与中心服务器进行协同处理,减少数据传输延迟,引入多层次的特征提取机制,既在边缘节点快速提取车牌、颜色和车型基础特征,又在中心服务器上提取细节特征,额外引入注意力机制聚焦在车辆关键细节上,有效区分同一辆车在不同摄像头或角度下的外观差异,大幅提升再识别能力,同时采用时空轨迹预测技术,结合车辆的实时运动状态和历史轨迹预测车辆的未来路径,通过卡尔曼滤波、线性加速度模型以及贝叶斯预测模型提前通知下一摄像头节点做好识别准备,使车辆在多个摄像头间能够无缝切换并连续追踪。
技术关键词
车辆身份信息
标注方法
车辆特征提取
中心服务器
深度学习模型
生成结构化数据
轨迹预测技术
卡尔曼滤波
车牌
车型
车辆颜色识别
节点
车辆识别
引入注意力机制
轨迹预测模型
系统为您推荐了相关专利信息
中心服务器
参数
计算机执行指令
模型训练方法
加密
多模型
样本
雷达
深度学习模型
sigmoid函数
人脸检测模型
图像
金融自助终端
待机
光强度传感器