[发明专利]一种车底检查方法和系统

权利要求书

1.一种车底检查方法，其特征在于，包括：

S11：通过地感检测组件检测车辆；

S12：当车辆通过时，通过车底图像采集组件采集车底图像；

S13：通过处理系统对采集的图像进行监测分析，判断图像是否出现疑似藏人藏物事件；

其中，所述处理系统包括车底监控分析终端，所述车底监控分析终端与所述车底图像采集组件和所述地感检测组件通信。

2.根据权利要求1所述的方法，其特征在于，所述地感检测组件包括设置在车辆前进方向上的不同位置的第一地感和第二地感；

所述方法还包括：

通过第一地感检测车辆是否抵达第一位置，通过第二地感检测车辆是否抵达第二位置；

所述处理系统通过记录车辆分别抵达第一位置和第二位置时的时间计算车辆的速度；

车辆抵达第二位置时，启动车底补光装置进行补光，启动车底图像采集组件进行图像采集；

车辆离开第二位置时，车底补光装置结束补光，车底图像采集组件结束图像采集。

3.根据权利要求1所述的方法，其特征在于，还包括：

所述处理系统为采集的图像叠加日期和/或时间信息；

和/或，所述处理系统将采集的图像上传后方查验系统；

和/或，所述处理系统对采集的图像进行局部或者全部缩放处理；

和/或，所述处理系统以通用文件格式导出采集的图像。

4.根据权利要求1所述的方法，其特征在于，所述处理系统还包括后端服务器、显示终端和存储装置，所述方法还包括：

所述车底监控分析终端将处理后得到的图像信息发送至所述显示终端、所述后端服务器，和/或所述存储装置。

5.根据权利要求1至4中任一所述的方法，其特征在于，步骤S13具体包括：

将实时采集的图像传入深度学习网络，检测分析是否藏人藏物；

若出现疑似藏人藏物事件，则进行警告，发出通知。

6.根据权利要求5所述的方法，其特征在于，所述方法还包括：

预先搜集大量车底藏人藏物的图像，标注后制作成检测算法的训练集；

利用所述训练集，训练深度学习网络的网络结构；

确定合适的损失函数，训练网络权重；

在深度学习网络中加载网络权重。

7.根据权利要求6所述的方法，其特征在于，

所述深度学习网络以MobileNet为主干网络。

8.根据权利要求6所述的方法，其特征在于，

所述损失函数结合了目标类别和目标位置信息，公式如下：

其中，x为真实类别，c为预测置信度，l为预测框，g为真实框，N为预测到的目标数量，L_conf为置信损失，L_loc为定位损失，α表示权重。

9.一种车底监控系统，其特征在于，包括：

处理系统和车底硬件，所述车底硬件包括车底图像采集组件和地感检测组件，所述处理系统包括车底监控分析终端；

所述地感检测组件用于检测车辆；

所述车底图像采集组件用于当车辆通过时，采集车底图像，将采集的图像传送给所述处理系统；

所述处理系统用于对采集的图像进行监测分析，判断图像是否出现疑似藏人藏物事件。

10.根据权利要求9所述的系统，其特征在于，

所述处理系统还包括后端服务器、显示终端和存储装置，所述车底监控分析终端分别与所述后端服务器、所述显示终端和所述存储装置连接。