Modulare Multi-Attribut-Analyse von Fahrzeugen nach Farbe, Kennzeichen, Marke und Untermodell unter Verwendung von YOLO und OCR: Ein Benchmark über YOLO-Versionen

Wir präsentieren eine modulare Pipeline zur Analyse mehrerer Fahrzeugattribute, die YOLO-basierte Modelle und eine OCR-Engine in einen einzigen Workflow integriert. Das System erkennt Fahrzeuge, klassifiziert Farben, erkennt Marke und Untermodell, erkennt Kennzeichen und extrahiert Zeichen von den Platten, um einen strukturierten Fahrzeugsdatensatz zu generieren. Die Fahrzeugerkennung wird mit Standardmetriken (Präzision, Rückruf und mAP@0.5) berichtet, während die Kennzeichenerkennung bei IoU = 0,3 berichtet wird, um die Natur kleiner Objekte von Platten und die Benutzerfreundlichkeit der nachgelagerten OCR zu reflektieren. Unter den evaluierten Versionen bietet YOLOv8 die ausgewogenste Gesamtleistung über alle Module hinweg, während ein Echtzeithandhabungsdurchsatz von etwa 18-22 FPS für die gesamte Pipeline bei aufgezeichneten Verkehrs Videos aufrechterhalten wird, abhängig von der Komplexität der Szene. Wir betonen die Modulanalyse und das Runtime-Benchmarking; die instanzbasierte End-to-End-Identifikation über einzigartige Fahrzeuge wird als zukünftige Arbeit definiert, sobald die spurbasierte Grundwahrheit verfügbar ist.