[发明专利]一种道路停车智能巡检系统在审
| 申请号: | 202211164488.2 | 申请日: | 2022-09-23 |
| 公开(公告)号: | CN115527376A | 公开(公告)日: | 2022-12-27 |
| 发明(设计)人: | 孙学真 | 申请(专利权)人: | 苏州元极智能科技有限公司 |
| 主分类号: | G08G1/017 | 分类号: | G08G1/017;H04N7/18;H04W4/02;H04W4/44;G06V10/82;G06V10/94;G06V20/58;G06V20/62;G06V30/19 |
| 代理公司: | 苏州根号专利代理事务所(普通合伙) 32276 | 代理人: | 项丽 |
| 地址: | 215000 江苏省苏州*** | 国省代码: | 江苏;32 |
| 权利要求书: | 查看更多 | 说明书: | 查看更多 |
| 摘要: | |||
| 搜索关键词: | 一种 道路 停车 智能 巡检 系统 | ||
本发明涉及一种道路停车智能巡检系统,包括巡检车、搭载在巡检车上的智能盒分析服务器、交换机和摄像头,所述的交换机用于连接智能盒分析服务器和摄像头,所述的智能盒分析服务器包括车辆检测模块、车牌识别分析模块、车位线检测模块、OCR车位号检测识别模块、GPS定位分析模块以及业务调用分析模块,本发明采用智能盒分析服务器,能够快速的对道路边停车区域内的车位情况及停车情况进行检测和识别,并实时传输到监控平台,为监控平台做出快速响应提供了精准支持。
技术领域
本发明涉及道路智能管理,特别是涉及道路边停车区域的车辆车牌识别管理。
背景技术
随着私家车的数量日益增多,尤其是在老城区停车位紧缺的前提下,城市道路两侧车辆乱停乱放的问题越发突出,严重影响了居民的日常出行安全。当前的解决方案主要有POS机模式、地磁+POS机,高低位视频模式、路牙机模式等。对比现有的各种解决方案,无论采用哪种都需要较多的人力成本以及硬件成本的大量投入,同时也会影响市容市貌。最根本的事,上述各种解决方案都是针对具体停车点位的管理,每条道路甚至同一条道路不同路段要设置多个管控点。这都是基于不能对所有停车位或停车区域进行宏观的监测,没有从底层逻辑上解决停车管理的问题。
如何寻找一种经济实惠,使用便捷的道路停车巡检解决方案成了迫切需要解决的问题。
发明内容
本发明的目的是要提供一种能够对停车位及车辆快速标定从而提升道路巡检效率的智能巡检系统。
为达到上述目的,本发明采用的技术方案是:一种道路停车智能巡检系统,包括巡检车、搭载在所述巡检车上的智能盒分析服务器、交换机和摄像头,所述的交换机用于连接智能盒分析服务器和摄像头,所述的摄像头用于获取视频数据,所述的智能盒分析服务器包括车辆检测模块、车牌识别分析模块、车位线检测模块、OCR车位号检测识别模块、GPS定位分析模块以及业务调用分析模块,所述的车辆检测模块用于检测停车位上的车辆以及对应的车牌位置信息;所述车牌识别分析模块基于所述车辆检测模块得到的车牌区域对车牌进行识别以获得准确的车牌信息;所述车位线检测模块用于建立待巡检区域的车位线坐标模型并对巡检车辆所在车位线进行精确判断;OCR车位号检测识别模块用于对具体停车车位号进行检测和识别;所述GPS定位分析模块用于融合所述车位线检测模块、OCR车位号检测识别模块信息对停车车位和车牌进行精确匹配;所述业务调用分析模块用于将智能分析盒服务器得到的信息实时传输到信息平台以进行实时监测。
进一步地,所述的智能盒分析服务器壳体采用抗腐蚀材料制成,其连同所述交换机和摄像头安装在所述巡检车后座上。
进一步地,所述的车辆检测模块建模时对模型训练数据进行了增强,基于YOLOX网络结构进行优化。
具体地,所述对模型训练数据进行增强的方式包括图像颜色空间变换、图像缩放、图像旋转一种或多种组合,且基于不同天气条件下进行增强。
所述的YOLOX网络结构进行优化包括以下步骤:
(1)修改原始网络模型的输入图像尺寸;
(2)对网络结构中的每层通道数采用中位数算法进行剪枝,精简每个层的通道数;
(3)删除网络中的部分block结构,在保留的block结构上添加不同分支。
进一步地,所述的车牌识别分析模块建模时对车牌训练数据进行了增强和矫正,且采用mobilenet-v1+lstm+ctc loss的组合结构进行优化。
所述的增强和矫正包括进行图像噪声、图像生成等处理,且在真实场景下对车牌图像进行放射变化,将不同角度拍摄的车牌图形变换成比较正的图像。
进一步地,所述的车位线检测模块基于机器深度学习法,对摄像头抓拍的道路场景图像进行检测,输出车位线的顶点坐标位置,绘制整个车位区域。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于苏州元极智能科技有限公司,未经苏州元极智能科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202211164488.2/2.html,转载请声明来源钻瓜专利网。





