前面我们学习了aidlux的相关课程，并在课程的最后实现了人流统计算法的部署实战：道阻且长：人体检测+人体追踪的人流统计AI项目在android端部署落地的实战心得。
车辆违规泊车可以参考：道阻且长：基于AidLux+Android的智慧交通项目部署实战2
现在利用自己的模型和应用场景简单实现一个车辆结构化项目，可以计算车流，识别车牌号，车身颜色，车的类型等，视频效果可以看：基于AidLux+Android的智慧交通项目部署实战1_哔哩哔哩_bilibili
代码思路：
1.车框信息：
1.前面我们都实现了人流统计，那么车辆统计只需要更改模型就能实现，根据前第三节课的内容把自己训练的车辆模型或者官方模型转换成tflite格式并加载使用，要注意因为输出不一样了，所以要更改输出，这里我用的coco数据集，将输出out_shape改成[1* 25200 * 85*4],数据维度转换改成（1,25200,85)[0]
2.获取coco数据集中的车辆框结果，包含行人框，一共是pred[0], pred[1], pred[2], pred[3], pred[5], pred[7],分别代表coco_class的'person', 'bicycle', 'car', 'motorcycle', 'bus', 'truck'。
2.车流统计：
1.取出所有的框信息后照着人流统计的方法去跟踪统计就好了。
3.车牌号识别：
1.前面我们获取到了车辆框信息，现在可以利用车辆框信息找到车牌位置并识别出车牌。
以下是在aidlux平台投影到网页端的效果，非常方便友好，编辑操作文件时很方便，也方便模型迁移调试以及部署等操作。
可以在aidlux的网页端查看效果，非常方便模型部署到android
2.这里为了识别车牌更准确，不能直接识别，应该把车辆全部截取下来，然后挨个识别才能达到比较好的效果，车牌识别大家可以去训练模型，也可以直接用hyperlpr包，都能达到不错的效果。
获取车辆框截图并识别车牌信息
3.车牌号识别一般有中文，但是opencv不太支持中文库，这时候可以利用PIL 工具包：
4.车颜色识别：
1.前面我们获取到了车辆框，可以利用该博主的方法计算出车身颜色：http://t.csdn.cn/h3aWT
2.并且在计算出车辆信息时，我们已经获得了车辆类别信息。
5.车信息绘制：
1.前面我们获取到了车辆信息，现在就可以在获取的帧上绘制出来了，首先车辆框很好解决，车牌信息主要是要得到车牌相对原图的位置，这时候只需要将车牌在车辆框中的坐标加上车辆框左上角坐标即可
绘制信息代码参考：
应用场景：
在该视频中效果车牌号识别效果并不是很好，这是因为我没有找到合适的视频测试，视频中的摄像头距离太远了导致车牌号识别不准确，所以该应用适合商场，园区的卡口，近距离识别效果不错，感兴趣的朋友可以用自己的手机试试aidlux部署。在aidlux平台测试的性能不错，速度非常快，完全够实际应用。
获得车辆的一系列信息后，我们就可以利用这些信息做一些应用方面的操作。