openvino 车牌识别实现日志

最新推荐文章于 2024-05-20 11:39:14 发布
最新推荐文章于 2024-05-20 11:39:14 发布
阅读量3.5k 收藏 2
点赞数
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_40355324/article/details/85008543
版权

openvino配置链接：（本人用的是Mocidius　1.x版本）

https://software.intel.com/en-us/articles/OpenVINO-Install-Linux

https://software.intel.com/en-us/articles/OpenVINO-InferEngine#Inference%20Engine%20Samples

 

https://software.intel.com/en-us/articles/OpenVINO-InferEngine#set-the-environment-variables

运行程序目录：　　/opt/intel/computer_vision_sdk/deployment_tools/demo

命令：./demo_security_barrier_camera.sh -d MYRIAD

实现结果：

处理1个流的时间（nireq = 1）：104.17 ms（9.60 fps）

车辆检测时间（MYRIAD）77.30 ms（12.94 fps）

车辆属性时间（MYRIAD，平均超过1次检测）：9.22 ms（108.50 fps）
LPR时间（MYRIAD，平均超过1次检测）：25.15 ms（39.76 fps）

G换一种活法
关注
  • 0
    点赞
  • 踩
  • 2
    收藏
    觉得还不错? 一键收藏
  • 3
    评论
基于openvino2022和opencv460实现人脸识别-车辆识别-车牌识别等
09-19
c++全套源码，基于openvino2022.1.0.643和opencv4.6.0实现 内含依赖的预训练模型和测试图片，直接运行即可查看识别结果。 person-vehicle-bike-detection-crossroad-1016 vehicle-attributes-recognition-barrier-...
C++ 实现 OpenVINO样板Demo
04-21
**C++实现OpenVINO样板Demo** OpenVINO（Open Visual Inference and Neural Network Optimization）是英特尔推出的一个高性能的计算机视觉和深度学习推理框架。它旨在加速从边缘设备到云端的深度学习应用，通过优化...
OpenVINO计算机视觉模型加速 实战教程
11-09
详细介绍了OpenVINO整体架构、基本组件、核心组件DLDT与IE的使用，OpenVINO对模型加速执行推断的开发流程与步骤、相关SDK API函数如何在C++与Python环境下进行API调用，如何使用预训练模型快速开发图像分类、对象检测、语义分割、实例分割、车牌识别、行人检测、场景文字检测与识别、YOLOv5模型部署加速与推理、表情识别与landmark提取等高实时视频分析程序，使用模型优化器进行模型压缩转换与优化等OpenVINO核心技术演示与代码教学。一步一步教你构建CPU级别可实时的深度学习模型应用程序。部分演示程序截图如下（均基于CPU达到实时帧率，基于OpenVINO2021.02版本录制）：
深度学习之openvino预训练模型测试（车牌识别）
热门推荐
ZONGXP的博客
06-08 1万+
利用 openvino 实现车牌识别功能
使用OpenVINO™.CSharp.API.Extensions.PaddleOCR NuGet Package快速实现OCR文本识别
最新发布
grape_yan的博客
05-20 918
PP-OCR是PaddleOCR自研的实用的超轻量OCR系统，可以实现端到端的图像文本检测。为了在C#平台实现使用OpenVINO™部署PP-OCR模型实现文本识别，让更多开发者快速上手PP-OCR项目，基于此，封装了OpenVINO.CSharp.API.Extensions.PaddleOCR NuGet Package，方便开发者快速安装使用。在本文中，我们将结合OpenVINO.CSharp.API.Extensions.PaddleOCR NuGet Package向大家展示该程序集的使用方式。
魔改Attention大集合
小白学视觉
06-17 631
点击上方“小白学视觉”，选择加"星标"或“置顶”重磅干货，第一时间送达关注视导读如何对attention进行高效改进？本文盘点了相关论文，并梳理出它们的引用量、代码实现、算法复杂度和关键点，方便对比使用。前几天逛github刷到一个awesome-fast-attention大列表，整理了一系列关于attention的高效改进文章，包括论文、引用量、源码实现、算法复杂度...
【计算机视觉】Openvino给yolov5目标检测提速实战
qq_43018832的博客
02-05 3701
要使用它，你需要一个预先训练好的深度学习模型，支持的格式有:TensorFlow、PyTorch、PaddlePaddle、MXNet、Caffe、Kaldi或ONNX，本文选用的是yolov5官方预训练模型yolov5n.pt，读者可以训练自己的预训练模型。模型优化器将模型转换为OpenVINO中间表示格式(IR)，稍后您可以使用OpenVINO™运行时进行推断。注意，模型优化器不推断模型。下图说明了部署经过训练的深度学习模型的典型工作流。
在docker上使用openvino开发和部署模型应用
小菜的博客
08-30 2615
序言 前段时间给我们运维同事的服务器上部署了一个ocr服务接口，模型使用的是nvidia 1650ti的显卡推理，速度非常可观，毫秒级别响应。但是最近运维又找到我，说服务器的显卡好像出了问题，我检查一看：好家伙，显卡居然烧了。这张显卡为公司服务了好几年，毕竟“陈年老卡”，上一任同事传下来的，不知道传了几代，如今也算圆寂了。好了，不瞎扯，说会正题，没了显卡，我这模型可咋整？现阶段只能用cpu推理了，但是模型的速度可咋优化？这可难不倒我，检查了一下这台服务器上的cpu，发现了Intel的，这就好办了 , 果断使
C# OpenVINO 人脸识别
10-13
在本项目中，我们将探讨如何使用C#与Intel的OpenVINO工具套件进行人脸识别。OpenVINO（Open Visual Inference and Neural Network Optimization）是一个强大的跨平台开发工具，旨在加速深度学习模型的推理过程，使其...
C# OpenVINO 人脸识别 源码
10-13
C#是.NET框架下的主要编程语言，通过OpenCV和OpenVINO的接口，我们可以用C#实现基于深度学习的人脸识别功能。 1. **OpenVINO简介** OpenVINO包含几个核心组件： - Model Optimizer：将训练好的深度学习模型转换为...
使用OpenVINO实现飞桨版PGNet推理程序
08-03
"使用OpenVINO实现飞桨版PGNet推理程序" 本资源主要介绍了使用OpenVINO实现...本资源提供了使用OpenVINO实现飞桨版PGNet推理程序的详细步骤和相关知识点，希望能够帮助读者快速上手使用OpenVINO实现文本识别和检测。
树莓派车牌识别
10-24
本代码主要分为4个部分，分别是车辆高度判断部分、图像采集部分，车牌识别部分、通信部分。 通信设置是树莓派用来与单片机通信的波特率、com口以及停止位参数等，将车牌的字符串通过串口发送给单片机；摄像头设置是树莓派对摄像头进行初始化，方便后面直接调用摄像头进行拍照；车辆高度判断，利用激光对射模块，若超过限定高度则返回的电平发生了变化；车牌识别部分是核心部分，对含有车牌信息的图像进行处理，最后得到车牌信息。
OpenVINO安装教程 Docker版
黄笳倞的博客
04-28 747
​可以使用GitHub 上可用的 Dockerfile，也可以通过DockerHub CI 框架使用您的设置生成 Dockerfile， 可以使用英特尔®发行版 OpenVINO™ 工具套件生成 Dockerfile、构建、测试和部署映像。 您可以重复使用可用的 Dockerfile、添加图层并根据需要自定义 OpenVINO™ 映像。 Docker CI 存储库包含有关如何开始使用 docker 映像以及如何将 OpenVINO™ 工具包容器与 GPU 加速器配合使用的指南。
利用 Docker 快速创建OpenVINO 开发环境
英特尔开发人员专区
11-12 1933
2012 年 Alex Krizhevsky 利用卷积神经网络(Convolutional Neural Network, CNN)AlexNet 以 15.3% Top5 错误率远甩第二名好几条街(26.1%)，赢得 ImageNet 大规模视觉识别挑战赛(ILSVRC)首奖，从此开启人工智能、神经网络、深度学习的新世代。自此各个厂商也纷纷推出自家的开发工具，抢夺人工智能市场。 2018 年 5 月 INTEL 有鉴于边缘智能(Edge AI)设备的硬件效率远低于云端机房，且不同硬件、开发工具间存在严重.
win10+vs2015+OpenVINO安装使用
u013925378的博客
03-26 2033
OpenVINO是英特尔基于自身现有的硬件平台开发的一种可以加快高性能计算机视觉和深度学习视觉应用开发速度工具套件，支持各种英特尔平台的硬件加速器上进行深度学习，并且允许直接异构执行。 支持在Windows与Linux系统，Python/C++语言。 主要特点： 1）在Intel平台上提升计算机视觉相关深度学习性能达19倍以上 2）解除CNN-based的网络在边缘设备的性能瓶颈 3）对Ope...
工作日志(人谷科技~入职第二天)
王湛鲲的博客
12-26 2221
2018-12-25 星期二 今天是入职之后第二天上班，由于之前办理入职的时候还没有体检(当时接到入职通知是在周五晚上，周六周日正规一点的医院是不能做入职体检的)，便和医院的体检中心预约了今天进行体检。 6:30整，我挣扎着从我那又爱又恨的小床上爬了起来，鼓起勇气猛地掀起了身上的被子，瞬间感到一股股寒意席卷而来，在这千钧一发之际，我以迅雷不及掩耳之势抄起放在床边凳子上的衣物，三下五除二地套在了...
如何利用 Docker 快速创建 OpenVINO 开发环境
英特尔开发人员专区
06-22 5437
2012 年 Alex Krizhevsky 利用卷积神经网络(Convolutional Neural Network, CNN) AlexNet 以 15.3% Top5 错误率远甩第二名好几条街(26.1%)，赢得 ImageNet 大规模视觉识别挑战赛(ILSVRC)首奖，从此开启人工智能、神经网络、深度学习的新世代。自此各个厂商也纷纷推出自家的开发工具，抢夺人工智能市场。 2018 年 5 月 INTEL 有鉴于边缘智能(Edge AI)设备的硬件效率远低于云端机房， 且不同硬件、开发工具间存在.
【EdgeX（11）】 ：通过研究openvino项目发现一个好东西，CVAT项目数据标注工具，可以使用docker-compose进行本地部署，本地局域网中使用，也非常安全
freewebsys的专栏
08-14 3379
CVAT 全称 Computer Vision Annotation Tool，是用于计算机视觉的免费、在线、交互式视频和图像注释工具。 也可以使用docker-compose 进行本地部署。部署在内网环境中，支持多人协同工作，而且还可以分配权限，进行各种学习使用。非常方便，用到了redis，postgres 存储数据，可以支持图片标准，还可以进行3D数据的标注，非常方便，项目也是MIT 开源协议的，前端使用ant-design + react 进行开发的，后端是 python3 django 开发的管理端
Openvino IR模型推理段错误（Segment error）
Msyusheng的博客
05-01 570
段错误（Segment error）一般解释为内存溢出导致的结果 参考 github 上开源的Openvino cpp 解释推理仓库代码， 在后期 Yolov5 模型训练完之后出现（Segment error） 因为原仓库代码使用的是 YolvoV5 3官方模型推理的结果，结果的输出层和现在最新的 Yolov5输出层有点不用，3layer->4layer，所以在结果推理的时候因为出现随机的map 数值，在出现负数的时候会导致代码中的循环片段无效。 在 detect.cp p代码片段为在这里插入代码
使用openvino实现人物检测
09-11
### 回答1： 好的，使用 OpenVINO 来实现人物检测，你需要以下几步： 1. 安装 OpenVINO 工具包。安装完成后，你可以在命令行中使用 `setupvars.bat` 命令来设置环境变量。 2. 准备数据集。你需要有一些带有人物的图像，用来训练你的模型。 3. 选择一个预训练的模型或自己训练一个模型。OpenVINO 提供了许多不同的预训练模型，例如 MobileNet-SSD、YOLOv3 等。你也可以使用 TensorFlow、PyTorch 等框架自己训练一个模型。 4. 将模型转换为 OpenVINO 能够识别的格式。你可以使用 OpenVINO 的 Model Optimizer 工具来转换模型。 5. 使用 OpenVINO 的 Inference Engine 库来加载并运行你的模型。你可以使用 OpenCV 等库来处理图像，并使用 Inference Engine 库来对图像进行人物检测。 6. 可以使用 OpenCV 等库来在图像上绘制人物检测的结果。 希望这些步骤能帮助你使用 OpenVINO 实现人物检测。 ### 回答2： 使用OpenVINO（Open Visual Inference & Neural Network Optimization）实现人物检测是一种基于硬件加速的深度学习推理解决方案。OpenVINO是英特尔开发的一款开源工具套件，旨在优化和加速基于深度学习的计算机视觉应用。 人物检测指的是在图像或视频中自动识别和定位人物的过程。使用OpenVINO实现人物检测的步骤如下： 首先，选择一个适当的深度学习模型进行人物检测。常用的模型包括SSD（Single Shot MultiBox Detector）和 Faster R-CNN（Region-based Convolutional Neural Networks）等。这些模型可以从预训练的模型库中获取，也可以自己训练。 接下来，使用OpenVINO的Model Optimizer工具将选择的模型转换为OpenVINO的推理引擎可以使用的中间表示（Intermediate Representation，IR）。这将加快推理过程，并为模型优化做准备。 然后，根据具体需求，选择合适的硬件进行加速。OpenVINO支持多种硬件加速平台，包括英特尔的CPU、GPU和VPU（Vision Processing Unit）等。选择适当的硬件加速平台可以提高模型的推理速度和效率。 最后，使用OpenVINO的推理引擎加载并推理经过优化和加速的模型。该引擎将模型的IR加载到所选的硬件上，并对输入图像或视频进行推理，从而检测和定位人物。 通过使用OpenVINO实现人物检测，可以在较短的时间内实现高效的人物检测应用，而无需深入了解硬件细节和编程细节。该平台提供了一系列方便易用的工具和API，使得开发者可以快速部署和优化深度学习模型，实现人物检测的各种应用场景。 ### 回答3： 使用OpenVINO实现人物检测是一个利用深度学习技术的计算机视觉任务。OpenVINO是英特尔的一套用于实现高性能计算机视觉和深度学习推理的工具包。 在人物检测任务中，首先需要收集并准备一个人物检测的数据集，包含有人物的图片数据。然后，可以选择合适的深度学习模型作为人物检测模型，例如SSD（Single Shot MultiBox Detector）或YOLO（You Only Look Once）。这些模型已经在大型数据集上进行了训练，并能够高效地检测出图像中的人物。 接下来，使用OpenVINO的模型优化器对选择的人物检测模型进行优化，以使其在Intel硬件上的推理性能最大化。模型优化器会对模型进行重量级量化、剪枝以及其他优化操作，以减小模型的大小和计算量，并提高推理速度。 完成模型优化后，可以使用OpenVINO提供的推理引擎，将优化后的模型加载到目标硬件上进行推理。推理引擎会将输入的图像数据传递给模型，并输出检测到的人物信息，如人物的位置、边界框和置信度等。 使用OpenVINO实现人物检测还可以结合其他功能，如并发推理、多个摄像头输入和人物跟踪等技术。并发推理可以实现多个图像同时进行推理，提高检测速度；多个摄像头输入可以同时检测多个视频流中的人物；人物跟踪可以实现对特定人物的持续跟踪和识别。 综上所述，通过使用OpenVINO工具包，结合合适的深度学习模型和进行模型优化，可以实现高效、准确的人物检测。这些技术和功能可以广泛应用于人脸识别、监控安防、人物计数等领域。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 3
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值