本專案旨在解決大型企業辦公區域停車管理的問題。由於企業辦公區域通常有大量的員工停車需求,如何有效分配停車位並加以妥善管理是一個挑戰。
我們的設計理念有以下幾點:
客戶端 APP 部分我們提供導覽、找車服務、預約系統等服務。
警勤管理系統部分我們提供停車場現況、違停統計圖、停車紀錄等服務。
在前端設計上,使用者可以在最短時間內獲得想要的資訊,並且一目了然,讓使用者不必與其他資訊來源反覆交叉比對。
為了便於在短時間內開發,我們的行動裝置用 App 與警勤管理介面採用 Web 網頁開發,以便共同編輯樣式。
在資料庫方面,我們希望不要產生過多的冗餘表格,若查詢語句可以獲取資料,就不為其額外建表。
透過以上理念設計出資料庫、Web、App後,再加上車牌辨識模型,最終在比賽中榮獲冠軍(初賽約500人)
在比賽當中,我負責車牌辨識的部分
當一輛車進入時,模型會先判斷車牌的位置並擷取(Yolov7),並使用OCR技術辨識車牌內容,再將其傳至資料庫供web、App及資料庫端使用。
首先我使用少量標註好的資料先訓練出車牌偵測的模型,當準確度提升到一個程度時,就使用該模型預測多個網路上行車紀錄器的影片,當預測到車牌時會自動產生標註檔,再以人工審核的部分調整些許抓錯的部分,藉此增加資料量並減少人力,在最短的時間內提升模型的正確性及泛化性,偵測車牌模型最終的mAP@.5可以達到0.98。
OCR(光學字元辨識)的部分則是上網參考他人模型的訓練方式,並修改些許地方,以增加車牌辨識的準確度。
[cvpr20-scatter-text-recognizer]
官方所提供的OCR套件(Google Cloud Vision API)在判斷AOLP資料集時正確率為60%
使用我們的方法,先透過Yolov7偵測車牌後再使用OCR模型判斷車牌號碼,在AOLP資料集正確率可達到93.3%
整體正確率提升33.3%,再加上Web、App及資料庫端的努力
最終獲得冠軍