YOLOv5 + Deepsort 车辆追踪及速度分析以及paddle车牌识别的路径规划
由于未知原因,代码上传不全,主要算法为yolov5+deepsort+paddle+OCR
一.项目背景及意义
车牌识别即识别车牌上的文字信息,属于光学字符识别(OCR)的一项子任务
车牌识别技术目前已广泛应用于例如停车场、收费站等等交通设施中,提供高效便捷的车辆认证的服务
Deepsort 车辆追踪及速度分析可以进行实时道路检测
融合路径规划算法
二.项目内容 使用官方提供的套件完成此次作业,这次分两部分完成,分文字检测模型的训练和文字识别模型的训练
模型选择 PaddleOCR中提供了如下很多模型,所以开展项目之前需要根据情况选定使用的模型
考虑车牌识别中字符数量较少,而且长度也固定,且为标准的印刷字体,所以无需使用过于复杂的模型 最终选定DBNet+RARE作为本次项目使用的模型,两个模型均使用MobileNetV3作为其主干网络(Backbone)
数据集
本次使用的数据集为CCPD2019车牌数据集 该数据集在