基于卷积神经网络的车库出车行人安全提示系统的制作方法

本发明涉及智能车库技术领域，具体涉及一种基于卷积神经网络的车库出车行人安全提示系统。

背景技术：

地下车库的出口处往往是急转加陡坡，车速不好控制。

部分车库的出口方向与相邻道路方向垂直并且紧密相连。行人或者车辆在路过车库出口时可能不会注意到从车库中即将驶出的车辆，对于在车库前经过的行人和车辆存在一定的安全隐患。

当驾驶员驾车从车库中驶出时，对驾驶员来说，车库出口位置的左右两侧存在视觉盲区，驾驶员很难观察到车库出口两侧的行人以及车辆。现有技术中，在驾驶员驾车从车库中驶出时，智能车库管理系统不能及时告知车主此刻是否有行人即将靠近车库出口，不能使车主及时减速及避让。

技术实现要素：

针对现有技术中存在的上述缺陷，本发明通过压力检测单元检测是否有车辆即将从车库中驶出并触发打开三个摄像装置，其中，第一和第二摄像装置分别用于拍摄与车库出口相邻道路左侧、右侧的行人状况，第三摄像装置用于拍摄车库出口内部道路的车辆状况。首先对图像进行变形预处理，然后，通过行人检测单元获得行人的移动方向和相对于车库出口的距离，通过车辆检测单元获得车辆的移动方向和车牌号。当行人检测单元检测到车库出口两侧有行人，同时该行人朝车库出口位置移动并且该行人位于预设的安全距离范围之内时，系统通过车库出口位置的指示灯和音箱对即将从车库中驶出的车辆进行提醒，同时向车辆的车载wifi设备推送消息，以此及时告知车主有行人即将靠近车库出口，使车主及时减速及避让，以此提高驾驶的安全性。

本发明是通过采用以下技术方案实现的，按此目的设计的基于卷积神经网络的车库出车行人安全提示系统包括：压力检测单元，影像获取单元，服务器，图像处理单元，行人安全提示触发单元，驱动单元，提示单元，存储单元和无线通信单元。

所述提示单元包括：光照提示单元和语音提示单元。

压力检测单元和影像获取单元作为输入单元与服务器相连；服务器与图像处理单元、行人安全提示触发单元，无线通信单元和存储单元相连；服务器的输出端与驱动单元的输入端相连；驱动单元的输出端与光照提示单元和语音提示单元相连。

所述压力检测单元由多个压力传感器组成，压力检测单元放置在距离车库出口10-20米的车库内部道路位置。所述压力检测单元用于检测并判断是否有车辆即将从车库中驶出，若压力检测单元检测到有车辆即将从车库中驶出，则产生摄像启动触发信号。若压力检测单元检测到当前的压力值发生变化并且当前的压力值大于预设的压力值时，则判断为有车辆即将从车库中驶出并产生摄像启动触发信号。

采用卷积神经网络，通过对大量的行人图片、车牌图片和车辆图片进行学习训练，获得行人模型、车牌模型和各种车辆模型。

训练时采用50000张不同姿势的行人图片对行人模型进行训练，采用50000张车牌图片对车牌模型进行训练，分别采用50000张不同类型的车辆图片对各种车辆模型进行训练。

影像获取单元：在车库出口顶端的位置固定安装三个摄像装置，分别为第一摄像装置、第二摄像装置和第三摄像装置。其中，第一摄像装置用于拍摄与车库出口相邻道路左侧的行人状况，第二摄像装置用于拍摄与车库出口相邻道路右侧的行人状况，第三摄像装置用于拍摄车库出口内部道路的车辆状况。三个摄像装置实时获取预设数量的连续的图像；所述摄像装置为非红外摄装置和红外摄装置的一种或者多种组合。

所述服务器用于数据处理。

所述图像处理单元包括：图像变形处理单元、行人检测单元和车辆检测单元。其中，行人检测单元包括：行人方向检测单元和行人距离检测单元；车辆检测单元包括：车辆方向检测单元和车牌号检测单元。

图像变形处理单元：对影像获取单元实时获取的预设数量的连续的图像进行变形处理。

行人检测单元：对图像变形处理单元处理后的连续的图像进行处理并判断图像中是否存在行人；通过对图像进行特征提取并与卷积神经网络训练得到的行人模型特征进行匹配，若图像中的行人特征与卷积神经网络训练得到的行人模型特征相匹配，则判断为图像中存在行人，然后对图像中的行人进行标记。

行人方向检测单元：对行人检测单元处理后的连续的图像进行计算并确定行人相对于车库出口的移动方向，进而确定行人是否即将靠近车库的出口位置。若行人相对于车库出口的移动速度为正时，表示行人即将靠近车库出口位置。

行人距离检测单元：对行人检测单元处理后的连续的图像进行计算以此确定行人相对于车库出口的距离。

车辆检测单元：对图像变形处理单元处理后的连续的图像进行处理并判断图像中是否存在车辆；通过对图像进行特征提取并与卷积神经网络训练得到的各种车辆模型特征进行匹配，若图像中车辆的特征与卷积神经网络训练得到的车辆模型特征相匹配，则判断为图像中存在车辆并对图像中的车辆进行标记。

车辆方向检测单元：对车辆检测单元处理后的连续的图像进行计算并确定车辆相对于车库出口的行驶方向，进而确定车辆是否即将从车库中驶出。在任意的两帧图像中，被车辆检测单元标记的车辆相对于车库出口距离的差值除以采集两帧图像的时间得到车辆相对于车库出口的移动速度，若车辆相对于车库出口的移动速度为正时，表示车辆即将从车库中驶出。

车牌号检测单元：对车辆检测单元标记的车辆进行处理，识别被标记车辆的车牌号。

行人安全提示触发单元：当行人检测单元检测到车库出口两侧有人，同时行人方向检测单元检测到该行人朝向车库出口位置移动并且行人距离检测单元检测到该行人位于预设的安全距离范围之内时，行人安全提示触发单元执行行人安全提示操作和行人安全消息推送操作。

行人安全提示操作：服务器通过驱动单元调整靠近车库出口位置的第一提示灯、第二提示灯和第三提示灯的亮度、闪烁频率、颜色、开关状态或者语音播报中的一种或者多种方式对车库出口位置的车主进行安全提示和引导。

行人安全消息推送操作：服务器首先通过车牌号检测单元获取当前车辆的车牌号，然后根据当前车辆的车牌号读取存储单元中存储的车牌号-车载wifi_id对应表信息，以此确定当前车辆的车牌号所对应的车载wifi_id信息。然后，服务器通过无线通信单元与当前车辆的车载wifi设备进行无线通信，发送车库出口两侧的行人数据信息。当前车辆的车载wifi设备接收到无线通信单元发送来的数据信息后对数据信息进行解析，通过语音对车主进行提示。以此，在车库出口两侧有行人靠近车库出口时，及时对即将驶出车库的车主进行安全提示。

所述驱动单元用于对光照提示单元和语音提示单元进行驱动。

所述光照提示单元包括：第一提示灯、第二提示灯、第三提示灯和导光板。所述提示灯为多色led灯；每个提示灯分别固定在一个导光板中；所述导光板的形状为长方形，导光板的底面印有图案；所述导光板将指示灯的光线及颜色均匀反射出来。所述第一提示灯固定在距离车库出口5-10米的车库内部道路上面，所述第二提示灯固定在距离车库出口1-5米的车库内部左侧的墙壁上面，第三提示灯固定在距离车库出口1-5米的车库内部右侧的墙壁上面。所述光照提示单元通过调整提示灯的亮度、闪烁频率、颜色、开关状态对车库出口位置的车主进行灯光提示和引导。

所述语音提示单元包括：语音生成单元、音箱和语料库；所述音箱固定在第二提示灯和第三提示灯的正上方。所述语音提示单元通过语音播报对车库出口位置的车主进行语音提示和引导。

所述存储单元用于访问、存储车牌号-车载wifi_id对应表信息和通过卷积神经网络训练得到的行人模型、车牌模型和各种车辆模型信息。

所述无线通信单元为wifi模块，无线通信单元用于与车载wifi接收设备进行无线通信。

本发明的程序流程如下。

步骤s11：采用卷积神经网络，通过对大量的行人图片、车牌图片和车辆图片进行学习训练，获得行人模型、车牌模型和各种车辆模型。

步骤s12：距离车库出口10-20米的压力检测单元实时检测当前的压力值。

步骤s13：判断是否有车辆即将从车库中驶出；若压力检测单元检测到当前的压力值发生变化并且当前的压力值大于预设的压力值时，判断为有车辆即将从车库中驶出，此时，执行步骤s14；否则返回执行步骤s12。

步骤s14：在车库出口顶端固定安装的三个摄像装置被打开，三个摄像装置实时获取预设数量的连续的图像。其中，第一摄像装置用于拍摄与车库出口相邻道路左侧的行人状况，第二摄像装置用于拍摄与车库出口相邻道路右侧的行人状况，第三摄像装置用于拍摄车库出口内部道路的车辆状况。

步骤s15：通过图像变形处理单元对三个摄像装置实时获取的预设数量的连续的图像进行变形处理。

步骤s16：通过行人检测单元对图像变形处理单元处理后的图像进行处理并判断图像中是否存在行人。通过对图像进行特征提取并与卷积神经网络训练得到的行人模型特征进行匹配，若图像中的行人特征与卷积神经网络训练得到的行人模型特征相匹配，则判断为图像中存在行人，然后，执行步骤s17；否则，返回执行步骤s12。

步骤s17：首先，对图像中的行人进行标记，然后，通过行人方向检测单元计算并判断图像中被标记的行人的移动方向，通过行人距离检测单元计算图像中被标记的行人相对于车库出口的距离。

步骤s18：通过车辆检测单元对图像变形处理单元处理后的图像进行处理并判断图像中是否存在车辆。通过对图像进行特征提取并与卷积神经网络训练得到的各种车辆模型特征进行匹配，若图像中车辆的特征与卷积神经网络训练得到的车辆模型特征相匹配，则判断为图像中存在车辆，然后，执行步骤s19；否则，返回执行步骤s12。

步骤s19：首先，对图像中的车辆进行标记，然后，通过车辆方向检测单元计算并判断图像中被标记车辆的移动方向，通过车牌号检测单元识别并判断被标记车辆的车牌号。

步骤s20：当行人检测单元检测到车库出口两侧有行人，同时行人方向检测单元检测到该行人朝车库出口位置移动并且行人距离检测单元检测到该行人位于预设的安全距离范围之内时，行人安全提示触发单元执行行人安全提示操作和行人安全消息推送操作。

步骤s21：行人安全提示操作：服务器通过驱动单元调整靠近车库出口位置的第一提示灯、第二提示灯和第三提示灯的亮度、闪烁频率、颜色、开关状态或者语音播报中的一种或者多种方式对车库出口位置的车主进行安全提示和引导。

步骤s22：行人安全消息推送操作：服务器首先通过车牌号检测单元获取当前车辆的车牌号，然后读取存储单元中存储的车牌号-车载wifi_id对应表信息，以此确定当前车辆的车牌号所对应的车载wifi_id信息。然后，服务器通过无线通信单元将车库出口两侧的行人数据信息发送给当前车辆的车载wifi设备。

步骤s23：当前车辆的车载wifi设备接收到无线通信单元发送来的数据信息后对数据信息进行解析，通过语音对车主进行行人安全提示。

附图说明

图1为本发明的系统框图。

图2为本发明的场景应用示意图。

图3为本发明中第一摄像装置和第二摄像装置的拍摄角度范围示意图。

图4为本发明的程序流程图。

图2中，1为车库，2为车库出口通道，3为车库出口相邻街道，11为压力检测单元，12为第一摄像装置，13为第二摄像装置，14为第三摄像装置，15为第一提示灯，16为第二提示灯，17为第三提示灯。

图3中，w1为第一摄像装置的拍摄角度范围，w2为第二摄像装置的拍摄角度范围。

具体实施方式

下面结合附图和具体实施例对本发明做进一步的阐述。

第一实施例，如图1-图4。

本发明通过11压力检测单元检测并判断是否有车辆即将从车库中驶出，若11压力检测单元根据压力变化检测到有车辆即将从车库中驶出时，产生摄像启动触发信号。

本发明产生的摄像启动触发信号的一种功能实现方式如下。

这里的摄像启动触发信号用于触发打开车库出口位置的三个摄像装置。其中，12第一摄像装置和13第二摄像装置分别用于拍摄与车库出口相邻道路左侧、右侧的行人状况，14第三摄像装置用于拍摄车库出口内部道路的车辆状况。当车库中没有车辆从车库中驶出时，车库出口位置的三个摄像装置保持关闭状态，以此节约能耗。当车库中有车辆即将从车库中驶出时，车库出口位置的三个摄像装置被触发打开，三个摄像装置实时采集车库出口位置的视频图像信息，系统对三个摄像装置实时采集的图像信息进行处理，识别图像中的行人状态、车辆状态、车牌号等信息，以及判断并执行后续的行人安全提示操作和行人安全消息推送操作。

本发明产生的摄像启动触发信号的另一种功能实现方式如下。

安装在车库出口位置的三个摄像装置可以一直保持打开状态，作为智能车库监控管理系统的一部分，三个摄像装置实时采集车库出口位置的视频图像信息。若11压力检测单元产生摄像启动触发信号，系统对采集的图像信息进行处理，识别图像中的行人信息、车辆信息、车牌号等信息，以及判断并执行后续的行人安全提示操作和行人安全消息推送操作。若11压力检测单元没有产生摄像启动触发信号，系统不对采集的图像信息进行处理，系统不执行相关的后续操作。

第二实施例，如图1-图4。

采用卷积神经网络，通过对大量的行人图片、车牌图片和车辆图片进行学习训练，获得行人模型、车牌模型和各种车辆模型。训练时采用50000张不同姿势的行人图片对行人模型进行训练，采用50000张车牌图片对车牌模型进行训练，分别采用50000张不同类型的车辆图片对各种车辆模型进行训练。以此通过大量的训练集对各个模型进行训练，增加识别的准确率。

如图3，影像获取单元：在车库出口顶端固定安装三个摄像装置，实时获取预设数量的连续的图像，其中，w1为第一摄像装置的拍摄角度范围，w2为第二摄像装置的拍摄角度范围。

系统通过图像处理单元首先对图像进行变形处理，使图像满足预处理要求。

然后，通过卷积神经网络对12第一摄像装置和13第二摄像装置拍摄的图像进行特征提取并与卷积神经网络训练得到的行人模型进行匹配，判断12第一摄像装置和13第二摄像装置拍摄的图像中是否存在行人。若图像中存在行人，首先，对图像中的行人进行标记，然后计算并判断被标记行人的移动方向和相对于车库出口的距离。

然后，通过卷积神经网络对14第三摄像装置拍摄的图像进行特征提取并与卷积神经网络训练得到的各种车辆模型进行匹配，判断图像中是否存在车辆。若图像中存在车辆，首先，对图像中的车辆进行标记，然后计算并判断被标记车辆的行驶方向和车牌号。

当行人检测单元检测到车库出口两侧有行人，同时该行人朝车库出口位置移动并且该行人位于预设的安全距离范围之内时，服务器通过驱动单元驱动光照提示单元和语音提示单元对车库出口位置的车辆进行灯光和语音提示，同时系统通过无线通信单元向车辆的车载wifi设备推送消息，以此及时告知车主有行人即将靠近车库出口，使车主及时减速及避让，以此提高驾驶的安全性。

其中，在任意的两帧图像中，行人相对于车库出口的移动速度=被行人检测单元标记的同一行人相对于车库出口距离的差值/采集两帧图像的时间。若行人相对于车库出口的移动速度为正时，表示行人即将靠近车库出口位置。

其中，在任意的两帧图像中，车辆相对于车库出口的移动速度=被车辆检测单元标记的同一车辆相对于车库出口距离的差值/采集两帧图像的时间。若车辆相对于车库出口的移动速度为正时，表示车辆即将从车库中驶出。

第三实施例，如图1-图3。

光照提示单元和语音提示单元对车库出口位置的车辆进行灯光和语音提示的五种情况如下。

若没有车辆从车库中驶出，系统不对车辆进行提醒。

当有车辆即将从车库中驶出，同时与车库出口相邻道路的左侧和右侧都没有行人时，系统不对车辆进行提醒。

当有车辆即将从车库中驶出，同时与车库出口相邻道路的左侧有人时，车库出口位置左侧的15第一提示灯和车库内部道路上的17第三提示灯被点亮并且快速闪烁发出红光，语音提示单元中的音箱进行语音播报，同时，系统通过无线通信单元向车辆的车载wifi设备推送消息。

当有车辆即将从车库中驶出，同时与车库出口相邻道路的右侧有人时，车库出口位置右侧的16第二提示灯和车库内部道路上的17第三提示灯被点亮并且快速闪烁发出红光，语音提示单元中的音箱进行语音播报，同时，系统通过无线通信单元向车辆的车载wifi设备推送消息。

当有车辆即将从车库中驶出，同时与车库出口相邻道路的左侧和右侧都有人时，车库出口位置左侧的15第一提示灯、出口位置右侧的16第二提示灯和车库内部道路上的17第三提示灯被点亮并且快速闪烁发出红光，语音提示单元中的音箱进行语音播报，同时，系统通过无线通信单元向车辆的车载wifi设备推送消息。

第四实施例，如图1、图2和图4。

本发明的程序流程如下。

步骤s11：采用卷积神经网络，通过对大量的行人图片、车牌图片和车辆图片进行学习训练，获得行人模型、车牌模型和各种车辆模型。

步骤s12：距离车库出口10-20米的压力检测单元实时检测当前的压力值。

步骤s13：判断是否有车辆即将从车库中驶出；若压力检测单元检测到当前的压力值发生变化并且当前的压力值大于预设的压力值时，判断为有车辆即将从车库中驶出，此时，执行步骤s14；否则返回执行步骤s12。

步骤s14：在车库出口顶端固定安装的三个摄像装置被打开，三个摄像装置实时获取预设数量的连续的图像。其中，第一摄像装置用于拍摄与车库出口相邻道路左侧的行人状况，第二摄像装置用于拍摄与车库出口相邻道路右侧的行人状况，第三摄像装置用于拍摄车库出口内部道路的车辆状况。

步骤s15：通过图像变形处理单元对三个摄像装置实时获取的预设数量的连续的图像进行变形处理。

步骤s16：通过行人检测单元对图像变形处理单元处理后的图像进行处理并判断图像中是否存在行人。通过对图像进行特征提取并与卷积神经网络训练得到的行人模型特征进行匹配，若图像中的行人特征与卷积神经网络训练得到的行人模型特征相匹配，则判断为图像中存在行人，然后，执行步骤s17；否则，返回执行步骤s12。

步骤s17：首先，对图像中的行人进行标记，然后，通过行人方向检测单元计算并判断图像中被标记的行人的移动方向，通过行人距离检测单元计算图像中被标记的行人相对于车库出口的距离。

步骤s18：通过车辆检测单元对图像变形处理单元处理后的图像进行处理并判断图像中是否存在车辆。通过对图像进行特征提取并与卷积神经网络训练得到的各种车辆模型特征进行匹配，若图像中车辆的特征与卷积神经网络训练得到的车辆模型特征相匹配，则判断为图像中存在车辆，然后，执行步骤s19；否则，返回执行步骤s12。

步骤s19：首先，对图像中的车辆进行标记，然后，通过车辆方向检测单元计算并判断图像中被标记车辆的移动方向，通过车牌号检测单元识别并判断被标记车辆的车牌号。

步骤s20：当行人检测单元检测到车库出口两侧有行人，同时行人方向检测单元检测到该行人朝车库出口位置移动并且行人距离检测单元检测到该行人位于预设的安全距离范围之内时，行人安全提示触发单元执行行人安全提示操作和行人安全消息推送操作。

步骤s21：行人安全提示操作：服务器通过驱动单元调整靠近车库出口位置的第一提示灯、第二提示灯和第三提示灯的亮度、闪烁频率、颜色、开关状态或者语音播报中的一种或者多种方式对车库出口位置的车主进行安全提示和引导。

步骤s22：行人安全消息推送操作：服务器首先通过车牌号检测单元获取当前车辆的车牌号，然后读取存储单元中存储的车牌号-车载wifi_id对应表信息，以此确定当前车辆的车牌号所对应的车载wifi_id信息。然后，服务器通过无线通信单元将车库出口两侧的行人数据信息发送给当前车辆的车载wifi设备。

步骤s23：当前车辆的车载wifi设备接收到无线通信单元发送来的数据信息后对数据信息进行解析，通过语音对车主进行行人安全提示。

以上所述仅为本发明的较佳实施例，并非用来限定本发明的实施范围；凡是依本发明所作的等效变化与修改，都被本发明权利要求书的范围所覆盖。