近年來，隨著物聯(lián)網(wǎng)（IoT）等技術(shù)的進(jìn)步，數(shù)碼攝像頭在視頻監(jiān)控領(lǐng)域正扮演著越來越重要的角色。據(jù)統(tǒng)計(jì)，2016年全球約有3.5億臺監(jiān)控?cái)z像頭，而亞洲幾乎占全球總量的65%。

視頻監(jiān)控?cái)z像頭在捕捉到動態(tài)畫面時，不僅可以被動地錄制視頻，還可以根據(jù)視頻進(jìn)行實(shí)時分析。在本文中，我們將探討如何借助于英特爾?的OpenVino?工具套件對停車場進(jìn)行監(jiān)控，并根據(jù)進(jìn)出車輛數(shù)自動判斷停車場內(nèi)是否還有可用車位。

停車場監(jiān)控?cái)?shù)據(jù)流水線

在本應(yīng)用案例中，我們將探索一個深度學(xué)習(xí)案例：根據(jù)行駛方向跟蹤車輛，并判斷車輛是進(jìn)入還是離開停車場。

圖1列出的是停車場車輛跟蹤流水線圖。我們將通過此圖詳細(xì)介紹一下該深度學(xué)習(xí)應(yīng)用的工作原理。

圖1：停車場車輛跟蹤流水線圖說明了此應(yīng)用如何利用OpenVino?工具套件通過捕捉到的畫面檢測車輛，計(jì)算車輛質(zhì)心坐標(biāo)（被檢測車輛的移動距離）以確定車輛的進(jìn)出情況

該應(yīng)用案例通過安裝在停車場出入口上方的攝像頭捕捉畫面，然后通過深度神經(jīng)網(wǎng)絡(luò)（基于針對車輛識別進(jìn)行訓(xùn)練和優(yōu)化的卷積神經(jīng)網(wǎng)絡(luò)即CNN，一種常用于圖像處理的深度神經(jīng)網(wǎng)絡(luò)）對捕捉到的車輛進(jìn)行識別。通過CNN識別捕獲幀中的車輛，并根據(jù)車輛輪廓的最小外接矩形計(jì)算出車輛質(zhì)心坐標(biāo)。由于視頻檢測頻繁，再加上車輛行駛緩慢，可將此坐標(biāo)作為車輛的起始位置并存儲下來。當(dāng)捕捉到新幀并檢測到車輛時，將上一個質(zhì)心與新質(zhì)心進(jìn)行比較，以此判斷車輛行駛方向，進(jìn)而確定車輛是進(jìn)入還是離開停車場。

圖2是CNN工作時的截屏。圖中綠色部分顯示的是車輛質(zhì)心位置坐標(biāo)（用于進(jìn)行跟蹤和比較）。

圖2：停車場監(jiān)控屏幕用綠色圓圈來標(biāo)識車輛質(zhì)心坐標(biāo)，來判斷車輛是進(jìn)入還是離開停車場（來源：英特爾）

想要查看更多OpenVINO相關(guān)技術(shù)與資料，請戳>> http://www.antipu.com.cn/openvino