[发明专利]物流园区违规停车智能识别方法、装置、设备及存储介质

权利要求书

1.一种物流园区违规停车智能识别方法，其特征在于，包括以下步骤：

获取非机动车停放区域的监控图像；

基于所述监控图像进行标签定义；

其中，根据所述监控图像进行标签定义包括：基于获取的所述监控图像截取预设目标对象；基于截取的所述目标对象根据预设条件进行分类，将标签定义为电动车乱停乱放、私自拉线充电、地面不洁，共享单车占道和三轮车无序挤在一起五个类别；输出分类结果；

基于所述标签定义结果，识别符合预设条件的监控图像；

基于识别结果，将符合预设条件的监控图像显示在预设终端上。

2.根据权利要求1所述的物流园区违规停车智能识别方法，其特征在于，所述获取非机动车停放区域的监控图像包括：

在接收到预设信号时，启动预设图像采集设备采集所述监控图像；

在所述监控图像满足预设条件时，获取所述监控图像。

3.根据权利要求2所述的物流园区违规停车智能识别方法，其特征在于，在获取到非机动车停放区域的监控图像后，通过预设的监控设备，采集预设区域内的违规图像，将所述违规图像传输至预设的CoAtNets网络机制进行训练学习，构建对应的第一模型；其中，所述CoAtNets网络机制是基于神经结构搜索框架构建的图形分类架构；

获取第一模型的第一权重信息，将所述第一权重信息传输至预设的语义分割网络进行蒸馏训练，分离若干个第二模型；其中，所述第二模型至少包括四个；

通过所述第一模型和第二模型，部署违规停车智能识别分析机制，通过所述违规停车智能识别分析机制，对违规停车的违规情况进行识别和分类。

4.根据权利要求1所述的物流园区违规停车智能识别方法，其特征在于，所述基于截取的所述目标对象根据预设条件进行分类包括：

将卷积算法和自注意力算法拟合在一个基本计算块中；

将所述计算块采用卷积-卷积-自注意力-自注意力的方式垂直堆叠以形成CoAtNets网络；

基于所述目标对象通过所述CoAtNets网络进行运算以获取分类结果。

5.根据权利要求4所述的物流园区违规停车智能识别方法，其特征在于，所述将卷积算法和自注意力算法拟合在一个基本计算块中包括：

基于所述目标对象，在Softmax归一化前或后，将全局静态卷积核与自适应注意矩阵求和。

6.根据权利要求3所述的物流园区违规停车智能识别方法，其特征在于，在所述获取非机动车停放区域的监控图像之前还包括：

通过预设监控系统随机截取包括非机动车停放规范和停放不规范两类样本以获取样本集；

基于所述两类样本分别进行标签定义；

将获取的样本集存储于对应的目录下。

7.一种物流园区违规停车智能识别装置，其特征在于，实现权利要求1至6中任意一项所述的物流园区非机动车乱停的智能识别方法，包括：

获取模块，用于获取非机动车停放区域的监控图像；

定义模块，用于基于所述监控图像进行标签定义；其中，根据所述监控图像进行标签定义包括：基于获取的所述监控图像截取预设目标对象；基于截取的所述目标对象根据预设条件进行分类，将标签定义为电动车乱停乱放、私自拉线充电、地面不洁，共享单车占道和三轮车无序挤在一起五个类别；输出分类结果；

识别模块，用于基于所述标签定义结果，识别符合预设条件的监控图像；

显示模块，用于基于识别结果，将符合预设条件的监控图像显示在预设终端上。

8.根据权利要求7所述的物流园区违规停车智能识别装置，其特征在于，所述定义模块包括：

捕捉单元，用于基于获取的所述监控图像截取预设目标对象；

分类单元，用于基于截取的所述目标对象根据预设条件进行分类；

输出单元，用于输出分类结果。