openvino 车牌识别实现日志

最新推荐文章于 2023-06-14 19:00:00 发布

G换一种活法

最新推荐文章于 2023-06-14 19:00:00 发布

阅读量3.5k

点赞数

CC 4.0 BY-SA版权

本文链接：https://blog.youkuaiyun.com/weixin_40355324/article/details/85008543

本文详细介绍了使用Intel的OpenVINO工具套件在Movidius平台上进行深度学习推理的配置过程及性能测试结果。通过具体案例，展示了在不同任务下（如车辆检测、车辆属性识别、LPR）的处理速度与帧率，为开发者提供了实际应用的参考。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

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）

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

G换一种活法

关注关注

0
点赞
踩
2

收藏

觉得还不错? 一键收藏
3
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
举报

举报

OpenVINO使用教程--resnet分类模型部署

qq_15751687的博客

06-14

171

OpenVINO部署传统模型还是比较简单的，只需要几个API就可以实现部署，并且性能OK将训练模型从各个框架转成onnx模型会降低部署的复杂度，个人比较喜欢这种方式，并且onnx也可以直接给OpenVINO做推理使用OpenVINO有很多模型量化、压缩的工具，可以进一步提升模型推理效率，这部分功能将在后面的章节中介绍。

openvino快速指南和实践

全世界的博客

09-29

2976

OpenVINO™（Open Visual Inference and Neural Network Optimization）是由英特尔开发的一款开源工具套件，旨在加速深度学习模型的推理过程。OpenVINO的名字中，“Open”代表其开源特性，“Visual Inference”强调其在视觉推理方面的应用，而“Neural Network Optimization”则突出了其对神经网络优化的能力。OpenVINO的诞生背景可以追溯到深度学习技术的快速发展。

3 条评论您还未登录，请先登录后发表或查看评论

树莓派使用Openvino库进行车牌检测

春江水暖鸭先知

04-01

6074

开篇废话百度找了半天官方介绍树莓派安装教程，结果发现找了半天都没找到，在这里先贴出官方安装Openvino的教程，并且，重要的事情要说三遍，三遍呀!!!血淋淋的教训：树莓派使用Openvino库需要先买一个英特尔的神经网络计算棒，这个搞得我重刷树莓派2遍，2遍呀!!!这都弄的我都怀疑人生了，我可是按照官方教程step by step呀 -

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

OpenVino (五）python 车辆与车牌检测实战

_yuki_

02-13

1571

一、跑通模型跑通tensorflow yolo3 同步/异步实战下载【1*1*N*7】的相关模型，OpenVino (四）预训练模型工具学习二、模型描述三、模板试跑 # -*- coding:utf-8 -*- import logging import os import sys from argparse import ArgumentParser, S...

c# opencv车牌识别_OpenVINO车牌识别网络详解

weixin_39742727的博客

11-11

642

点击上方蓝字关注我们星标或者置顶【OpenCV学堂】干货与教程第一时间送达！LRPNet网络介绍英特尔在OpenVINO模型加速库中设计了一个全新的车牌识别模型用于识别各种车牌包括中文车牌识别，其中在BITVehicle数据集上对中文车牌的识别准确率高达95%以上。官方发布的OpenVINO支持预训练模型中已经包含了LRPNet模型，可以用于实时的车牌识别。英特尔自己说该网络是第一个实时...

机器学习——练习训练模型（3）（基于OpenVION的车牌识别）

qq_43409827的博客

03-28

861

主要学习对OpenVINO的使用来自课程：中国大学生MOOC：机器视觉与边缘计算 04-4.3 训练步骤（一）任务目标（二）系统设计（三）模型选择（四）模型优化1.将h5文件转换为pb格式2.利用OpenVINO工具对pb文件进行模型优化（五）模型部署——license_detection.py1.导入OpenVINO核心组件2.主函数入口及参数定义3.模型加载4.视频采集与处理（六）模型训练结果1.配置运行环境2.运行license_detection.py （一）任务目标（二）系统设计（.

【车牌识别边缘计算实战】：实时处理与低延迟的完美结合

![【车牌识别边缘计算实战】：实时处理与低延迟的完美结合]...随着技术的快速发展，车牌识别技术正逐步从传统的基于规则的图像处理方法，向基于深度学习的识别技术转变，提

【YOLOv7-plate模型训练秘籍】：快速提高车牌检测准确率

本论文全面介绍了YOLOv7-plate模型的构建、训练和优化过程，旨在提高车牌检测的准确性和效率。首先，详细阐述了环境搭建与数据集准备的重要性，包括硬件和软件的选择、依赖库的安装、数据的收集、标注、增强技术。...

import numpy as np import torch import torchattacks import cv2 from lprnet.model import LPRNet from tools.lpr_predict import provinces # 定义字符列表 CHARS = ['京', '沪', '津', '渝', '冀', '晋', '蒙', '辽', '吉', '黑', '苏', '浙', '皖', '闽', '赣', '鲁', '豫', '鄂', '湘', '粤', '桂', '琼', '川', '贵', '云', '藏', '陕', '甘', '青', '宁', '新', '0', '1', '2', '3', '4', '5', '6', '7', '8', '9', 'A', 'B', 'C', 'D', 'E', 'F', 'G', 'H', 'J', 'K', 'L', 'M', 'N', 'P', 'Q', 'R', 'S', 'T', 'U', 'V', 'W', 'X', 'Y', 'Z', 'I', 'O', '-' ] # 图像预处理 def transform(img): print("输入图像形状:", img.shape) # 打印输入图像形状 img = img.astype('float32') img -= 127.5 img *= 0.0078125 img = np.transpose(img, (2, 0, 1)) # 转换为 (C, H, W) print("转换后图像形状:", img.shape) # 打印转换后图像形状 return img # 车牌识别函数 def LPR_predict(img, model): # 打印调整大小前图像形状 print("调整大小前图像形状:", img.shape) # 修改图像大小 img = cv2.resize(img, (94, 24)) # 调整图像大小 # 打印调整大小后图像形状 print("调整大小后图像形状:", img.shape) # 图像预处理 im = transform(img) im = im[np.newaxis, :] ims = torch.Tensor(im) device = torch.device('cpu') # 预测网络 prebs = model(ims.to(device)) prebs = prebs.cpu().detach().numpy() preb_labels = list() for i in range(prebs.shape[0]): preb = prebs[i, :, :] preb_label = list() for j in range(preb.shape[1]): preb_label.append(np.argmax(preb[:, j], axis=0)) no_repeat_blank_label = list() pre_c = preb_label[0] if pre_c != len(CHARS) - 1: no_repeat_blank_label.append(pre_c) for c in preb_label: if (pre_c == c) or (c == len(CHARS) - 1): if c == len(CHARS) - 1: pre_c = c continue no_repeat_blank_label.append(c) pre_c = c preb_labels.append(no_repeat_blank_label) 怎么修改

03-25

要修改LPRNet车牌识别代码实现功能改进或问题修复，可按照以下步骤操作： ### 一、优化数据预处理（使用cv2） ```python import cv2 import numpy as np def preprocess(img): # 增强对比度 lab = cv2.cvtColor...

有哪些大模型能够实现图生文的功能，即我将这个模型本地部署到我的小车上，能够用简短的语言描述我的小车的USB摄像头中的画面，要求可以离线使用这个模型，并且模型不大，能够快速响应

最新发布

07-12

不过车牌识别和图文生成是不同任务，前者是目标检测，后者是多模态理解，模型架构差异很大。最关键的三个技术点：模型大小要控制在百MB级别、推理速度要快、支持视觉语言多模态。Blip系列确实合适，特别是BLIP-...

TextRecognition:文本识别项目作为带有波束搜索的openvino库运行

03-16

文字识别用于文本识别的项目作为带有CTC波束搜索或贪婪搜索的openvino库运行

openvino Demo

02-18

openvino demo资源。

车牌识别

weixin_40355324的博客

12-11

1804

（1）这是一个关于车牌识别的简单项目，使用python tensorflow ... https://blog.youkuaiyun.com/Julialove102123/article/details/78595626 https://github.com/QueenJuliaZxx/number_plate-recognition http://matthewearl.github.io/2016...

使用OpenVINO实现人体动作识别

英特尔开发人员专区

08-17

6439

Paula Ramos著张晶译1.1 人体动作识别背景简介自从我在英特尔开始我的旅程以来已经有几个月了，我很高兴能与大家分享我一直在做的事情。今天，我将带你浏览我的第一个关于人体动作识别的OpenVINOTM Notebook。我希望你喜欢它，并且可以将它应用到你正在进行的开发中。在本博客中，您将了解如何使用 OpenVINO™工具套件以同步的方式进行实时人体动作识别。人体动作识别是一种 AI功能，可以在录制或实时视频中查找和分类大量活动。，如图1.1。...

OpenVINO™ 室内动作识别

英特尔开发人员专区

06-07

2484

动作识别网络深度学习在人体动作识别领域有两类主要的网络，一类是基于姿态评估，基于关键点实现的动作识别网络；另外一类是直接预测的动作识别网络。关于姿态评估相关的网络模型应用，我们在前面的文章中已经介绍过了。OpenVINO2021.2版本中支持的动作识别网络都不是基于关键点输出的，而是基于Box直接预测，当前支持动作识别的预训练模型与识别的动作数目支持列表如下：这些网络的输出都是基于SSD检测头实现对象检测与动作预测。输入与输出格式：以person-detection-action-recogni

OpenVINO™室内动作识别

英特尔开发人员专区

07-02

2344

动作识别网络图-1（来自OpenVINO™ 安装包）深度学习在人体动作识别领域有两类主要的网络，一类是基于姿态评估，基于关键点实现的动作识别网络；另外一类是直接预测的动作识别网络。关于姿态评估相关的网络模型应用，我们在前面的文章中已经介绍过了。OpenVINO2021.2版本中支持的动作识别网络都不是基于关键点输出的，而是基于Box直接预测，当前支持动作识别的预训练模型与识别的动作数目支持列表如下：表-1 这些网络的输出都是基于SSD检测头实现对象检测与动作预测。输入与输出格式以person-

使用OpenVINO™工具包进行人体行为识别

寒冰屋的专栏

06-14

853

自从我在英特尔开始我的旅程以来已经有几个月了，我很高兴与大家分享我一直在做的事情。今天，我将带您了解我的第一个关于人类行为识别的notebook。我希望您喜欢它，并可以在您正在进行的开发中应用它。

OpenVINO文本检测与识别

英特尔开发人员专区

06-02

2666

模型解释 OpenVINO支持场景文字检测是基于MobileNet的PixelLink模型，该模型有两个输出，分别是分割输出与bounding Boxes输出，结构如下：下面是基于VGG16作为backbone实现的PixelLink的模型结构：输入格式：1x3x768x1280 BGR彩色图像输出格式： name: “model/link_logits_/add”, [1x16x192x320] – pixelLink的输出 name: “model/segm_logits/add”, [1x2

Openvino FP16模型实现高效车牌识别

综上所述，OpenVINO_fp16_plate涉及到的知识点包括了OpenVINO工具套件、车牌识别的计算机视觉任务、FP16数据类型对于提高模型推理速度的重要性以及这些技术如何能够实现在资源受限的设备上运行高性能的实时车牌识别...