从OCR到计算机视觉AI智能识别,车牌识别应用更强大

分享到:

视觉AI属于人工智能一个子领域,也被称为“计算机视觉”。主要方向为模式识别、图像处理。其背后还包含机器学习、深度学习等相关算法,从而让计算机掌握人脸识别、图像识别、图像分割、图像重构、图像生成、目标检测等技能,在一些特定的危险场景和重复性的生产作业中替代人,以节省人力,并提升效率。顾名思义,计算机视觉就是让计算机能够像人一样“看见”,获得对客观世界的感知、识别和理解的能力。视觉AI 属于机器学习,可以按字面意思来理解,就是机器自己进行学习,有了学习能力就能不断进步,这是机器学习有别于此前基于规则、基于编程的人工智能的重要区别。AI(Artificial Intelligence,人工智能),是计算机科学的一个分支,该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。

视觉AI 产品一般由基础硬件和计算单元两大板块组成。其中,基础硬件包括光源、镜头、工业相机、图像采集卡、图像处理软件、视觉处理软件等软硬件,负责图像采集和处理等相关工作。而计算单元包基础、技术和应用三个层面,是整个计算机视觉的核心。通常来说,车牌识别相机是通过对图像的识别判断从而完成车辆信息采集的,市面上常见的车牌识别相机大部分采用的是OCR识别和视觉AI智能识别。OCR识别指利用OCR (Optical Character Recognition,光学字符识别)技术,将图片、照片上的文字内容,直接转换为文本,再进行读取识别。相机先进行图片拍摄,再将图片字符,通过检测暗、亮的模式确定其形状,然后用字符识别方法将形状翻译成计算机文字。如何除错或利用辅助信息提高识别正确率,是OCR关键的因素。衡量OCR识别产品好坏的主要指标有:拒识率、误识率、识别速度,产品的稳定性,易用性及可行性等等。而基于视觉AI的智能车牌识别相机,指通过芯片算法智能识别图片文字信息,不仅可以识别图片上的文字信息(车牌号),还可以识别图片上的车辆款式、型号、外观、颜色等等,其识别功能更为全面,也更为强大。基于视觉AI的智能车牌识别相机,可以通过素材训练不断提升算法的学习能力,从而提高识别的精准率,而且对于非字符的图像元素识别也有先天优势,通过提取车辆特征进行算法训练,就能精准识别出车辆的型号、款式等等,这种综合识别在实际应用中更为广泛,比如可以帮助车服门店进行精准营销,提高订单转化率,或者安排专属服务,提升车主满意度。除此之外,基于视觉AI的车牌识别相机还可以不断升级算法版本,根据客户需求定制算法功能,比如对车辆颜色的识别等等。尤其是在细分场景应用中,与传统停车场不一样的是,场景环境更为变化多端,功能需求也更为个性化,视觉AI智能车牌识别相机可以更好地解决场景识别难点,保证客户需求准确落地。

继续阅读
未来,比人类更强大的不是AI,而是掌握了AI的人类

目前,AI已在汽车、教育、医疗等领域深度赋能。比如在汽车领域,去年有近600万辆汽车安装了科大讯飞的智能语音系统,通过语音就可以直接和汽车对话,实现导航、听歌等功能,这在万物互联时代还会越来越普及。

为什么说好的AI训练数据平台对人工智能至关重要

人工智能技术正应用到各个行业当中,并对推动人类科技经济发展起着加速作用。麦肯锡全球研究所(McKinsey Global Institute)的一项预测显示,随着人工智能技术越来越成熟,能力越来越强,预计它将极大地推动世界经济,到2030年将创造约13万亿美元的附加价值。

谷歌用AI设计AI芯片,6小时完成工程师数月工作

6月11日消息,谷歌称其正在使用机器学习系统帮助工程师设计新一代机器学习芯片。谷歌工程师表示,算法设计的芯片质量和人工设计“相当”甚至“还要更好”,但完成速度要快得多。谷歌表示,人工智能可以在不到6小时的时间内完成人工需要数月时间完成的芯片设计工作。

谷歌让AI芯片学会“下崽”,下一代TPU就让AI自己设计

设计一块AI芯片有多难?这么说吧,围棋的复杂度10360,而芯片则是102500,你感受一下……

AI数据安全问题频发 技术、法律如何解决

6月3日,瑞莱智慧科技有限公司(下称“瑞莱智慧”)CEO田天在2021北京智源大会上对记者表示,“人工智能导致的数据安全风险正成为一个不容忽视的现象,当我们采用人工智能时,必须考虑到这项技术的安全性、可靠性、合规治理,而第三代人工智能正在致力于解决该问题”。