一种基于在线图像识别的智能地锁的制作方法

[0001]
本实用新型涉及智能控制技术领域，尤其是涉及用于停车位的一种基于在线图像识别的智能地锁。


背景技术：

[0002]
近年来，随着我国经济水平的提高，汽车已经成为人们日常出行的重要交通工具之一。我国社会主要矛盾已经转化为人民日益增长的美好生活需要和不平衡不充分的发展之间的矛盾，伴随着人均汽车拥有量的提高，各大城市都面临车位紧缺的问题，有些城市的停车位只达到其汽车保有率的1/3，“停车难”的问题已经引起社会的广泛关注。现有的停车位大多集中于工作单位、购物娱乐场所、居民生活小区等，而居民区停车位的管理问题更为突出，抢占车位的现象时有发生，会给相应车位车主造成不小的困扰且使得车主合法的停车权益无法得到保护；由此，车位地锁应运而生，作为一种安装在地面上的用于防止他人占用自家车位的机械装置。目前，对于车位地锁的研发主要集中在国内，由于国情不同，国外车主对于占用车位现象可以直接联系交警来处罚，故车位地锁在国外市场并不是很受欢迎。而国内市面上的车位地锁以传统的手动机械地锁为主流，但由于汽车进出停车位时车主需要下车把地锁的撑杆撑起或放下并锁上，使用非常不方便；此外大部分手动机械锁没有防撞功能，不仅车位地锁容易损坏，也容易使车子受伤。于是，经过长时间发展，传统车位地锁进一步升级为遥控电子地锁。遥控电子地锁事实上是一台完整的自动化机械设备，其设计要求车主能在一定的距离范围内使用遥控器对车位进行上锁和解锁等功能的控制；其结构必须具备控制系统、驱动系统以及电源，故会存在体积和电源使用寿命问题，因此降低功耗、降低待机电流也是其改进方向之一。另一方面，遥控电子地锁带给用户更加便捷的操作和车位管理，广受好评，因此也推动相关厂家研发更加智能化、节能化车位地锁。此外，随着我国私家车购买量的持续增长，城市中车位紧缺的的现象还会持续下去，“抢车位”等不文明的行为还可能持续困扰部分自家车车位用户，且更加智能化、节能化的地锁需求量还有足够的上升空间，因此设计智能化的地锁具有一定市场前景。而目前，虽然车位地锁市面上已经出现了比较智能化的遥控电子地锁，但大部分遥控地锁依然需要车主进行手动遥控或者安装感应接口，且存在无法及时更换电源而导致地锁失效等问题。


技术实现要素：

[0003]
针对现有技术存在的不足，本实用新型提供一种基于在线图像识别的智能地锁，能够实现对线上记录车牌车辆的自动控制开锁和上锁，防止他人占用车位，合理管理车位资源；还能实现车位共享，提高车位的利用率，有效缓解停车难的问题。
[0004]
为了达到上述目的，本实用新型通过以下技术方案来实现：一种基于在线图像识别的智能地锁，包括控制器、与控制器连接的电机、与电机连接的支架锁，所述控制器上连接有摄像头，所述控制器上还连接有4g模块，所述4g模块连接有ai图像识别平台，所述摄像头拍摄车辆的车牌图像，并经过控制器以及4g模块将车牌图像传输给ai图像识别平台进行
识别，识别符合后通过控制器控制电机进而控制支架锁的开锁。
[0005]
作为优选，所述控制器上连接有距离传感器，当车辆靠近距离达到预先设置的限定阈值时触发距离传感器，进而通过控制器控制摄像头进行拍摄车辆的车牌图像的操作。
[0006]
作为优选，所述控制器上连接光电传感器和led补光灯。在白天光照充足的情况下，led补光灯处于关闭状态；当夜间光照不足时光电传感器会发送信号给控制器，控制器根据距离传感器与光电传感器的信号控制开启led补光灯，对夜间车牌进行补光，以提高摄像质量。
[0007]
作为优选，所述控制器上连接有电池模块和电量检测模块，所述4g模块上连接有手机移动端，所述电量检测模块用于检测电池模块的电量并将电量信息经由控制器和4g模块传输给手机移动端。
[0008]
作为优选，所述控制器上连接报警器，ai图像识别平台识别不符合后通过控制器控制报警器发出警报。
[0009]
本实用新型具有有益效果为：
[0010]
本实用新型采用上述技术方案提供一种基于在线图像识别的智能地锁，具备全天自动识别一定距离车辆车牌信息并判断是否开启地锁或关闭地锁的功能；同时，该智能地锁具备用户可通过手机移动端在网络平台上在线更改登记的车牌信息，实现车位定向共享功能；具备无车情况下处于待机状态的低功耗功能；还具备警示非目标车辆，以及提供车位车辆停车时间记录信息查询、在线电池电量检测等功能。
附图说明
[0011]
图1为本实用新型的结构示意图；
[0012]
图2为本实用新型车辆停车时的工作流程图；
[0013]
图3为本实用新型车辆驶离车位的工作流程图；
[0014]
图4为本实用新型中ai图像识别平台识别车牌的系统流程图；
[0015]
图5为本实用新型中灰狼优化支持向量机字符识别模型的工作流程图；
[0016]
图6为本实用新型中布谷鸟优化支持向量机字符识别模型的工作流程图。
具体实施方式
[0017]
结合附图，对本实用新型较佳实施例做进一步详细说明。
[0018]
如图1所示，一种基于在线图像识别的智能地锁，包括控制器1、与控制器1连接的电机2、与电机2连接的支架锁3，所述控制器1上连接有摄像头4，所述控制器1上还连接有4g模块5，所述4g模块5连接有ai图像识别平台6，所述摄像头4拍摄车辆的车牌图像，并经过控制器1以及4g模块5将车牌图像传输给ai图像识别平台6进行识别，识别符合后通过控制器1控制电机2进而控制支架锁3的开锁。所述控制器1上连接有距离传感器7，当车辆靠近距离达到预先设置的限定阈值时触发距离传感器7，进而通过控制器1控制摄像头4进行拍摄车辆的车牌图像的操作。所述控制器1上连接光电传感器8和led补光灯9。所述控制器1上连接有电池模块10和电量检测模块11，所述4g模块5上连接有手机移动端12，所述电量检测模块11用于检测电池模块10的电量并将电量信息经由控制器1和4g模块5传输给手机移动端12。所述控制器1上连接报警器13，ai图像识别平台6识别不符合后通过控制器1控制报警器13
发出警报。用户可通过手机移动端12在网络平台上在线更改登记的车牌信息，通过4g模块5输入到ai图像识别平台6中作为识别对比信息。
[0019]
本实用新型智能地锁在无车情况下处于低功耗的待机状态，如图2所示，当车辆临近时，本实用新型通过距离传感器7检测到有临近车辆，系统启动工作状态，控制器1控制摄像头4采集车辆车牌图像信息，再通过4g模块5将车牌图像信息传输到ai图像识别平台6进行识别，以确定车辆车牌是否为记录的车牌信息，然后将识别结果返回给控制器1；若检测车牌号与登记车牌号相符，则控制器1将控制电机2放下支架锁3，即开锁；反之，控制器1将启动报警器13；如图3所示，当车位车辆驶离地锁时，距离传感器7检测到车辆驶离距离超过设定的距离时将发送信号给控制器1，控制器1记录相关信息并通过4g模块5传输到ai图像识别平台6后控制支架锁3上锁。具备全天自动识别一定距离车辆车牌信息并判断是否开启地锁或关闭地锁的功能；同时，该智能地锁具备用户可通过手机移动端在网络平台上在线更改登记的车牌信息，实现车位定向共享功能；具备无车情况下处于待机状态的低功耗功能；还具备警示非目标车辆，以及提供车位车辆停车时间记录信息查询、在线电池电量检测等功能。
[0020]
如图4所示，所述ai图像识别平台6采用了一种基于灰狼与布谷鸟算法混合优化svm模型的车牌识别方法，包括如下步骤：
[0021]
1)图像预处理：对采集的车牌图像进行归一化处理，转变为hsv色彩空间保存下来，并将所述车牌图像进行高斯滤波平滑以及灰度化处理；高斯滤波处理采用的二维零均值高斯表达式为：所述灰度化转化公式为：y＝0.299*r+0.587*g+0.144*b,上述r、g、b分别代表彩色图像的红、绿、蓝的三色分量，y代表灰度化后像素点在灰度图中的灰度值。对处理后的图像依次进行自适应顶帽变换、灰度拉伸和otsu图像二值化处理；
[0022]
2)车牌定位：对所述预处理后的图像通过canny算子进行边缘检测，用3*3结构元素膨胀处理来增强边缘效果；采用数学形态学中的开运算和闭运算使所述图像联通成整体；根据处理后外轮廓区域计算其最小外接矩阵的顶点坐标，再根据所述hsv色彩空间信息计算区域像素颜色比例、车牌长宽比为3.14：1先验知识筛选出车牌区域；
[0023]
3)车牌矫正：对车牌区域分别应用hough变换和投影统计法进行车牌矫正；hough变换是利用图像空间和hough参数空间的线点对偶性，把图像空间中的检测问题转换到参数空间中进行，所述图像坐标旋转变换公式如下：
[0024][0025]
其中(x0,y0)是原像素点的坐标；(x1,y1)是原像素点经过旋转变换后的像素点对应的新坐标；β是像素逆时针旋转角度；根据hough变换法矫正的坐标位置还需采用一阶线性插值的方法来处理浮点型坐标；
[0026]
投影统计法是利用求取字符发生垂直倾斜时在水平方向上的投影宽度最小时的倾斜角度来矫正字符垂直倾斜；字符横向偏移角度矫正公式如下：
[0027][0028][0029]
其中h为车牌图像高度，(x0,y0)是车牌图像中某原始像素坐标，(x1,y1)则是所述原始像素矫正后的像素坐标，dis设为所述原始像素平移的水平距离；根据字符横向偏移角度矫正公式计算，可得所述像素水平坐标为：
[0030][0031]
4)车牌字符分割：根据矫正后的车牌矩形框垂直直方图波峰波谷来分割车牌字符，再根据国标车辆牌照7位字符数可将车牌分割出7个字符区域；
[0032]
5)车牌字符识别：将分割出的7个字符分别送入灰狼与布谷鸟混合优化svmo模型识别器中进行字符识别，再将识别出的字符依次输出，即车牌识别结果。
[0033]
如图5所示，所述灰狼优化支持向量机(gwo-svm)字符识别模型的实施流程如下所述：设置灰狼优化算法参数；由支持向量机惩罚因子c与径向基核参数g组成算法个体，构造初始化种群；将大量省份汉字字符数据送入svm训练，随机产生父代与子代个体，比较子代函数适应度值是否优于父代函数；若优于则子代函数取代父代函数；否则，则保留父代函数；更新当前三种灰狼α、β、δ位置，并更新狼群位置；判断是否达到最大迭代次数，若达到则跳出算法循环体并输出全局最优参数组合(c,g)；否则设置迭代次数加一并再次更新父代子代适应度函数。根据输出最佳参数组合训练svm模型，得到基于gwo-svm的省份字符识别模型。
[0034]
如图6所示，所述布谷鸟优化支持向量机(cs-svm)字符识别模型的实施流程如下所述：随机生成鸟巢位置；由支持向量机惩罚因子c与径向基核参数g组成算法个体，构造初始化种群；初始化种群鸟巢数量n、迭代次数t、被宿主发现概率p(a)；将大量数字及大写英文字母字符图片数据送入svm训练，计算种群中每个鸟巢位置的适应度函数值；莱维飞行更新鸟巢并计算新适应度值；根据随机生成的在[0,1]区间内的随机数r与被宿主发现概率p(a)比较；若小于等于p(a),则保留该鸟巢位置，否则丢弃该鸟巢位置；更新群体鸟巢位置，计算适应度值，找出最优位置；然后判断是否达到最大迭代次数，若达到则跳出算法循环体并输出全局最优参数组合(c,g)；否则设置迭代次数加一并再次更新适应度函数。根据输出最佳参数组合重新训练svm模型，得到基于cs-svm的英文字母及数字字符识别模型。采用该方法的ai图像识别平台的车牌字符识别准确率高，设备要求较低，降低了实施成本。
[0035]
上述实施例仅用于解释说明本实用新型的实用新型构思，而非对本实用新型权利保护的限定，凡利用此构思对本实用新型进行非实质性的改动，均应落入本实用新型的保护范围。