- 主要目标
围绕智慧社区基本定义、场景需求理解、算法设计实现、边缘设备部署等核心要点,利用边缘设备AidLux,带大家完成智慧社区里面的两个典型场景:高空抛物和车牌识别的算法开发,以及在边缘设备上的部署。
- 主要内容
- 智慧社区的各类场景算法的划分;
- 智慧社区项目落地方式;
- 边缘设备在智慧社区中的应用场景;
- 高空抛物场景算法设计及实现;
- 车牌数据集整理及训练;
- 车牌识别算法部署及验证。
- 小作业
尝试调试不同的参数,来看看对算法结果的影响,如背景建模方法,这里采用的是knn方法,也可以试试高斯混合建模;还有sort追踪中的max_age, min_hits等参数,大家尝试完后,最好准备至少两个不同超参对比视频,并能检测到高空抛物行为(视频中能追踪到高空抛物物体)。
Knn背景建模算法结合了无参数概率密度估计+KNN分类思想。首先是无参数概率密度估计,是指在不方便建立样本分布模型的情况下,与之相反的就是有参数概率密度估计;而 MOG2就是明确的建立了混合高斯模型,然后根据一定的优化目标求取模型参数,估计其概率密度分布。
- 高斯混合建模MOG2实现
- Sort追踪算法参数调整实现
- 演示视频1
小作业
- 演示视频2
小作业3
- 大作业
尝试将其改成视频读取的方式,并拍个路边车牌的视频,或者找个车辆行驶的视频,使用我们的pipeline实现视频的车牌识别功能(注,同时记得修复中文显示)。
- 增加PIL图像中文显示调用方式
- 修改函数调用方式
- 增加视频调用方式
- 演示视频1(中文字符识别)
大作业1
- 演示视频2 (视频读取方式显示)
大作业2
- 心得体会
通过AidLux智慧社区AI实战训练课程的学习,掌握了智慧社区基本定义、面向应用场景的算法设计及实现、移动端部署测试等等,印象深刻的是自己查阅背景建模、目标识别等相关基础理论,动手实践了相关代码实现及参数调整,课程内容安排比较合理,通过作业实践了相关技巧,通过查阅网站资源掌握了opencv图片显示中文字符方法,收获颇丰。
感谢大刀老师、助教老师精心课程准备,谢谢!