停车场闸机的车牌识别、道路两侧的违停检测、繁华路口的车流统计、茫茫车海中的车辆锁定…这些场景背后的技术原理大家是否在心中简单构思过?抑或想要抽时间自己攒一套出来可却又不知从何下手?
继行人分析工具 PP-Human 之后,飞桨目标检测端到端开发套件 PaddleDetection 正式开源车辆分析工具 PP-Vehicle!
PP-Vehicle 功能全景图

PP-Vehicle 是一款针对车辆分析相关场景的开源工具,产品主要围绕以下几个方面进行设计开发:
**实用性:**针对车辆分析场景共性的底层模型进行优选迭代;针对几个高频场景进行了详细的后处理策略设计,可以满足业务的快速上线需求。同时提供丰富的二次开发教程,方便用户根据自己的业务场景进行私有化开发。
**泛化性:**在公开数据集以及自采数据集上进行充分训练,并且提供预训练模型,覆盖车辆分析中监控视角、驾驶员视角、俯拍视角等常见相机视角。
**低代码:**实现 1 行代码快速部署,支持图片、视频、单路/多路 rtsp 视频流输入,修改配置文件即可快速实现策略修改以及 pipeline 的组合。
接下来让我们具体看一下 PP-Vehicle 的工作。
整体方案

PP-Vehicle 技术架构
PP-Vehicle 整体分为输入、核心算法、输出三部分:
**输入:**支持离线图片、视频以及 rtsp 视频流等形式,可根据输入类型快速配置,如下图所示,为输入配置为 rtsp 拉流的示例。

**核心算法:**主要由预训练模型以及逻辑策略组成。预训练模型主要有 4 个:车辆检测模型、车辆跟踪模型、车牌识别模型、车辆属性分析模型。各个模型性能见下表:


**输出:**包括车牌信息、车辆轨迹、车辆属性、违停信息等;同时支持这些信息的可视化渲染输出,如下图为直接配置可视化信息 rtsp 推流显示。



