[发明专利]一种基于AI算法的具有双系统双模式的车辆管理系统

权利要求书

1.一种基于AI算法的具有双系统双模式的车辆管理系统，包括数据集的构建、模型的训练与压缩的构建和车辆管理系统平台的设计，其特征在于：

数据集的构建：利用ImageNet、MSCOCO和PASCAVOC以及CCPD等公开数据集以及团队自行拍摄的原则补充多样、目标清晰作为车牌识别的数据集，对于以上使用的数据集，互联网和本团队内部已有较好的图像预处理过程；

模型的训练与压缩的构建：车辆身份的识别采用车辆识别技术，车牌的自动识别是整个车辆管理系统的核心功能；对不同环境下的车辆识别模式采用不同的车辆识别算法，其中，不同环境下的车辆识别模式为：常规环境快速识别模式、雾霾天气模式和煤炭企业管理系统；

车辆管理系统平台的设计：分为常规中小型停车场管理系统主要功能与架构设计、煤炭企业管理系统主要功能与架构设计和数据库设计。

2.根据权利要求1所述的一种基于AI算法的具有双系统双模式的车辆管理系统，其特征在于：在数据集的构建中，收集了足够的图片后，就可以使用标注工具LabelImg对车牌图片进行标注；其中汉字无法直接标注，使用None来替代，后期人工使用Unicode编码来区分汉字；三个模式有三个不同的数据集，以雾霾天气模式为例，雾霾天气模式数据集是构建成VOC数据格式的；首先新建一个名字为Voc的文件夹，然后在Voc文件内新建Label_list.txt、Trainval.txt、Test.txt、VOCdevkit文件夹；其中Label_list文件存储的是训练数据的类别标签；Trainval.txt、Test.txt保存的是相对Voc文件路径下的训练数据和测试数据的图片和对应的标注文件的路径；在VOCdevkit文件夹新建VOC2022文件，在VOC2022新建Annotations、ImageSets、JPEGImage文件夹；Annotaions文件夹保存的是车牌和车牌字符的标注文件；ImageSets中Main文件中，保存的是测试数据和训练数据的图片名称；JPEGImages文件夹中存储的是收集的车牌图片；Labels文件中存储的是YOLO格式的标注文件，VOC数据集文件组织结构图。

3.根据权利要求1所述的一种基于AI算法的具有双系统双模式的车辆管理系统，其特征在于：常规环境快速识别模式：针对常规环境下车牌检测与识别算法需要实现的重点和难点，可分为三个模块：车牌检测、图像处理和OCR车牌号码识别；

(1)、车牌检测：基于改进SOTA方法的YOLOv4目标检测模型：

yolov4目标检测算法由五个基本部件组成：CBM(Conv+Bn+Mish激活函数)、CBL(Conv+Bn+Leaky_relu激活函数)、Resunit(残差结构)、CSPX(卷积层和Resunint模块)、SPP(池化层)；主要优势在于yolov4是一种高效而强大的目标检测模型，能使用相对适中的算力设备就能训练出超快、准确的目标检测器；在检测器训练过程中，验证了最先进的一些研究成果对目标检测器的影响；改进了SOTA方法，使其更有效、更适合单GPU训练；

(2)、图像处理：基于Opencv的图像降低噪声与二值化处理：

为了能进一步提高识别准确率，正常情况下可能以为光线情况的变化是检测分割后的图像存在一定差异，因此使用Opencv库对图像进行简单的降低噪声、二值化处理，使图像更适合OCR进行进一步识别；

(3)、OCR车牌号码识别：基于百度飞桨OCR的开源文本识别：

OCR是由百度飞浆padlepadle提供的开源基于于图像检测的文本识别，具有模型训练简单、体量小、速度快、准确率高的优势，在车牌识别系统中能通过识别处理后的车牌图像，快速得出车牌号，实现车辆快速进出停车场。