[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

说明书

本发明公开一种基于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，采用多种算法互补的方式，推出双模式双系统的车辆信息管理系统，适用于全国绝大多数的应用场景，满足绝大部分需求，解决了全国绝大多数大型停车场进出场效率低，用户在停车场中容易迷失方向等痛点，同时，也解决了雾霾天气频发地区的在空气能见度低时车辆识别准确率低、速率低的问题，解决了煤炭企业在识别被煤泥遮挡的运输煤炭货车车牌识别准确率低下的问题，满足工业生产需求及普通民众对个性化的需求，减少不必要的时间浪费，成为便利民众的有效工具。

技术领域

本发明属于车辆管理系统相关技术领域，具体涉及一种基于AI算法的具有双系统双模式的车辆管理系统。

背景技术

随着深度学习的浪潮推进，深度学习已经逐渐应用于基础设施，慢慢渗透进各个行业和领域；传统的字符识别需要人工提取特征，步骤繁琐；深度卷积神经网络技术的成熟，边缘设备的算力提高，使得车牌识别技术得以应用；

目前，国内市场上没有一款较为全面的车辆管理系统，且绝大部分停车管理系统的车牌识别技术并不能应用到诸如：大雾霾天气、煤炭运输场地等场景；在雾霾天气频发地区，且空气能见度低时，车辆识别准确率低、速率低；在煤炭企业时，在识别被煤泥遮挡的运输煤炭货车车牌识别准确率低下；另外，全国绝大多数大型停车场进出场效率低，用户在停车场中容易迷失方向；无法满足工业生产需求及普通民众对个性化的需求，造成不必要的时间浪费，无法便于民众。

发明内容

本发明的目的在于提供一种基于AI算法的具有双系统双模式的车辆管理系统，以解决上述背景技术中提出的车辆识别准确率低、速率低、大型停车场进出场效率低，用户在停车场中容易迷失方向和造成不必要的时间浪费，无法便于民众问题。

为实现上述目的，本发明提供如下技术方案：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；

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。

优选的，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。