面向智慧交通的图像处理与边缘计算

随着全球人口的持续增长和城市化进程的加速,道路拥挤、交通事故和污染排放增加等问题日益严重。智慧交通系统旨在借助先进的信息与通信技术建成高效安全、环保舒适的交通与运输体系,提供全方位的交通信息服务和安全高效、经济快捷的交通运输与出行服务。经过各国多年来的竭力推进与发展,智慧交通系统在交通管理、自动驾驶与车路协同等方向均得到广泛的应用。智慧交通的发展离不开通信、计算机与控制等研究方向的突破与创新。其中,图像处理作为智慧交通系统的核心技术之一,它的研究进展直接影响着智慧交通系统的部署。图像处理技术是指计算机对图像进行增强、复原、提取特征、分类和分割等技术处理,通过对交通视觉图像的处理,为智慧交通系统的感知、识别、检测、跟踪和路径规划等功能提供了最直接与重要的信息。此外,面对智慧交通系统所产生的大量数据计算任务,边缘计算技术则将中心云服务下沉至各边缘节点附近,不但能够优化算力负载分配,还能够满足智慧交通应用与服务对低时延、高响应速度的需求。本文从智慧交通系统的发展现状入手,分别围绕面向智慧交通的图像处理与边缘计算技术,阐述其研究热点与前沿进展,汇总与比较国内外的相关学术和产业成果,并对智慧交通系统中的图像处理及边缘计算技术未来的发展进行总结分析与趋势展望。     

基于单字符注意力的全品类鲁棒车牌识别

复杂场景下的高精度车牌识别仍然存在着许多挑战,除了光照、分辨率不可控和运动模糊等因素导致的车牌图像质量低之外,还包括车牌品类多样产生的行数不一和字数不一等困难,以及因拍摄角度多样出现的大倾角等问题.针对这些挑战,提出了一种基于单字符注意力的场景鲁棒的高精度车牌识别算法,在无单字符位置标签信息的情况下,使用注意力机制对车牌全局特征图进行单字符级特征分割,以处理多品类车牌和倾斜车牌中的二维字符布局问题.另外,该算法通过使用共享参数的多分支结构代替现有算法的串行解码结构,降低了分类头参数量并实现了并行化推理.实验结果表明,该算法在公开车牌数据集上实现了超越现有算法的精度,同时具有较快的识别速度.