技术框架:Python、Pytorch、Opencv、YOLOv5、resnet、DeepSort、MTCNN+LPRNet、MySQL、QT
项目功能: 人行道检测、目标检测、车型检测、车牌检测与识别、目标追踪、红绿灯识别、车速检测、闯红灯识别、未按导向行驶、超速检测、拥堵识别、压线处理可视化与违规信息保存
项目概述:本项目采取多模块设计,将任务分解为 检测、识别、跟踪、数据分析+可视化,各个子模块之间相互独立,首先使用opencv对视频流进行逐帧分割,使用canny检测出人行道,YOLOv5进行目标检测,使用DeepSort进行目标追踪,对person这一类判断闯红灯识别,对汽车使用类使用MTCNN+LPRNet来判断车型、车牌、速度信息将检测到的物体进行数目统计判断拥堵情况,将违规信息保存到MySQL进行数据保存和QT可视化。基于深度开发的模型效率高,实时性高
岗位职责:
对训练数据进行整合和数据增强
根据业务需求,阅读最新论文及相关知识,选择高效网络结构
选择主流的算法进行比对,确定主干网络模型及修改网络,设置,调整算法的超参数
系统单个模块的训练及收敛情况进行观察及各算法的剪枝轻量化处理