一种汽车防刮擦监控报警方法及系统与流程

本发明涉及车联网技术领域，特别是一种汽车防刮擦监控报警方法及系统。

背景技术：

从汽车的发明、量产，再到今天汽车已经走进了寻常百姓家。如今，汽车是我们日常生活中常见的一种交通工具，大大提高了我们的生活质量。到目前为止，我们国家的汽车保有量为2.4亿辆，然而随着城市化的进展和汽车的普及，汽车的安全管理问题已日益成为人们关注的焦点。社会中人为蓄意刮擦汽车的事件屡见不鲜，已经成为了困扰广大车主的一大问题。因此，为维护社会安定，保障公民合法财产，设计一种汽车防刮擦监控报警系统是非常有必要的。

技术实现要素：

有鉴于此，本发明的目的是提出一种汽车防刮擦监控报警方法及系统，能够对刮擦行为进行有效识别与报警。

本发明采用以下方案实现：一种汽车防刮擦监控报警方法，包括以下步骤：

步骤s1：判断人体与车体的距离是否小于预设值，若是，则进入步骤s2；否则重复步骤s1；

步骤s2：单位时间内采集非连续的k帧车体周围的图像，分别对每一帧图像进行以下操作：经图像处理后提取人体图像，将提取的人体图像作为神经网络模型的输入，通过神经网络模型识别人体图像是否存在刮擦行为。若k次识别结果均表明存在刮擦行为则进入步骤s3，否则返回步骤s1；k为大于1的整数；

步骤s3：进行刮擦报警，返回步骤s2。

进一步地，步骤s1具体为：

采用设置在车体上的人体红外传感器以及距离传感器共同工作，当人体红外传感器检测到车体周围有人体，同时距离传感器检测到人体距车体的距离小于预设的阈值时，进入步骤s2。

进一步地，步骤s2中，通过设置在车体上的cmos图像采集模块采集车体周围的人体图像。

进一步地，步骤s2中，所采用的神经网络模型的框架采用的是fastr-cnn网络，所述神经网络模型的训练阶段所采用的样本集是通过采集人体行为图像样本并对刮擦行为进行标签处理制作而成。

进一步地，所述fastr-cnn网络包括13个卷积层、4个池化层、1个roi池化层、2个全连接层和2个平级层；其中，2个全连接层输出cls_score层和bbox_pred层，所述cls_score层用于分类，所述bbox_pred层用于调整候选框位置。

进一步地，步骤s3具体为：通过无线通信模块将报警信息发送至车主，同时将判定有刮擦行为的图像存储下来。

本发明还提供了一种汽车防刮擦监控报警系统，包括设置于车体外部的人体红外传感器、距离传感器、cmos图像采集模块，以及设置于车体内部或外部的中央处理器、无线通信模块以及存储模块；所述中央处理器与各模块、各传感器电性相连；

休眠状态时，仅人体红外传感器以及距离传感器工作，当人体红外传感器检测到车体周围有人体，同时距离传感器检测到人体距车体的距离小于预设的阈值时，系统由休眠状态中唤醒；

系统唤醒后，所述cmos图像采集模块采集非连续的k帧车体周围的人体图像，对每帧图像，经图像处理后提取人体图像，将提取的人体图像作为神经网络模型的输入，通过神经网络模型识别人体图像是否存在刮擦行为；若k次识别结果均表明存在刮擦行为，则通过无线通信模块将报警信息传递至车主，否则系统恢复休眠状态。

进一步地，所述神经网络模型的框架采用的是fastr-cnn网络，所述神经网络模型的训练阶段所采用的样本集是通过采集人体行为图像样本并对刮擦行为进行标签处理制作而成；所述fastr-cnn网络包括13个卷积层、4个池化层、1个roi池化层、2个全连接层和2个平级层；其中，2个全连接层输出cls_score层和bbox_pred层，所述cls_score层用于分类，所述bbox_pred层用于调整候选框位置。

进一步地，还包括设置于车体外部的蜂鸣器模块以及led灯模块，当识别到刮擦行为时，通过蜂鸣器蜂鸣以及led灯闪烁来报警。

进一步地，所述人体红外传感器与距离传感器均包含多个并成对设置，分别设置于车体的外围四周；所述cmos图像采集模块包括一个以上的cmos图像采集器，分别安装于车体的顶部和左右后视镜的位置。

与现有技术相比，本发明有以下有益效果：本发明实时监测汽车周围的状况，通过对汽车周边环境的检测，快速、有效、准确的识别人体对汽车刮擦等有害行为，并通过无线通信技术自动短信报警，现场图像证据采集，有效提高了此刮擦事件的破案率，最大限度地减少此类事件的发生，确保汽车车主的财产安全。同时在无人靠近的情况下监控系统处于休眠状态，能够有效延长待机时间。

附图说明

图1为本发明实施例的方法流程示意图。

图2为本发明实施例的系统硬件设置示意图。

图中，1至4为人体红外感应模块，5至8为距离传感器，9为主摄像头，10至11为副摄像头，12至13为蜂鸣器模块，14至15为led模块，16为gsm无线通信模块，17为中央处理器。

具体实施方式

下面结合附图及实施例对本发明做进一步说明。

应该指出，以下详细说明都是示例性的，旨在对本申请提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本申请所属技术领域的普通技术人员通常理解的相同含义。

需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本申请的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。

如图1所示，本实施例提供了一种汽车防刮擦监控报警方法，包括以下步骤：

步骤s1：判断人体与车体的距离是否小于预设值，若是，则进入步骤s2；否则重复步骤s1；

步骤s2：单位时间内采集非连续的k帧车体周围的图像，分别对每一帧图像进行以下操作：经图像处理后提取人体图像，将提取的人体图像作为神经网络模型的输入，通过神经网络模型识别人体图像是否存在刮擦行为。若k次识别结果均表明存在刮擦行为则进入步骤s3，否则返回步骤s1；k为大于1的整数；

步骤s3：进行刮擦报警，返回步骤s2。

在本实施例中，步骤s1具体为：

采用设置在车体上的人体红外传感器以及距离传感器共同工作，当人体红外传感器检测到车体周围有人体，同时距离传感器检测到人体距车体的距离小于预设的阈值时，进入步骤s2。

在本实施例中，步骤s2中，通过设置在车体上的cmos图像采集模块采集车体周围的人体图像。

较佳地，所述图像处理包括灰度变换、高斯滤波、帧间差分、膨胀和腐蚀、连通域分析等算法，将运动的人体图像提取出来用于人体行为识别。

在本实施例中，步骤s2中，所采用的神经网络模型的框架采用的是fastr-cnn网络，所述神经网络模型的训练阶段所采用的样本集是通过采集人体行为图像样本并对刮擦行为进行标签处理制作而成。

在本实施例中，所述fastr-cnn网络包括13个卷积层、4个池化层、1个roi池化层、2个全连接层和2个平级层；其中，2个全连接层输出cls_score层和bbox_pred层，所述cls_score层用于分类，所述bbox_pred层用于调整候选框位置。

其中，所述神经网络模型的训练阶段包括以下步骤：

a、采集人体行为图像；

b、标注人体行为图像；

c、制作样本数据集，划分为训练样本和测试样本；

d、采用卷积神经网络框架训练模型；

e、训练得到人体行为识别模型。

所述卷积神经网络框架采用的是fastr-cnn网络，所述fastr-cnn网络包括13个卷积层，4个池化层，1个roi池化层，2个全连接层和2个平级层。原有的层参数需要通过训练方式初始化，用于分类的全连接层以均值为0，标准差为0.01的高斯分布初始化；用于回归的全连接层以均值为0，标准差为0.001的高斯分布进行初始化，偏置都初始化为0。

在调优训练时，首先加入n张完整图片，而后加入从n张图片中选取的r个候选框。同一张图像的r/n个候选框卷积共享计算和内存，降低了运算开销。r个候选框的构成如下：与某个真值重叠在[0.5,1]的候选框定义为前景，占总量的25％；与真值重叠的最大值在[0.1,0.5]的候选框定义为背景，占总量的75%。

所述fastr-cnn网络识别人体行为的方法为：将待识别的人体行为图像输入fastr-cnn网络，经过若干卷积层与池化层得到特征图；采用特征图映射关系，在特征图中找到每个候选框对应的特征框，并在roi池化层中将每个特征框池化到固定大小；将特征框经过全连接层得到固定大小的特征向量，所述特征向量经由各自的全连接层，分别得到分类得分和窗口回归两个输出向量；将所有结果进行非极大值抑制处理产生最终的人体行为识别结果。

在实施例中，步骤s3具体为：通过无线通信模块将报警信息发送至车主，同时将判定有刮擦行为的图像存储下来。

如图2所示，本实施例还提供了一种汽车防刮擦监控报警系统，包括设置于车体外部的人体红外传感器、距离传感器、cmos图像采集模块，以及设置于车体内部或外部的中央处理器、无线通信模块以及存储模块；所述中央处理器与各模块、各传感器电性相连；

休眠状态时，仅人体红外传感器以及距离传感器工作，当人体红外传感器检测到车体周围有人体，同时距离传感器检测到人体距车体的距离小于预设的阈值时，系统由休眠状态中唤醒；

系统唤醒后，所述cmos图像采集模块采集非连续的k帧车体周围的人体图像，对每帧图像，经图像处理后提取人体图像，将提取的人体图像作为神经网络模型的输入，通过神经网络模型识别人体图像是否存在刮擦行为；若k次识别结果均表明存在刮擦行为，则通过无线通信模块将报警信息传递至车主，否则系统恢复休眠状态。

在本实施例中，所述神经网络模型的框架采用的是fastr-cnn网络，所述神经网络模型的训练阶段所采用的样本集是通过采集人体行为图像样本并对刮擦行为进行标签处理制作而成；所述fastr-cnn网络包括13个卷积层、4个池化层、1个roi池化层、2个全连接层和2个平级层；其中，2个全连接层输出cls_score层和bbox_pred层，所述cls_score层用于分类，所述bbox_pred层用于调整候选框位置。

在本实施例中，还包括设置于车体外部的蜂鸣器模块以及led灯模块，当识别到刮擦行为时，通过蜂鸣器蜂鸣以及led灯闪烁来报警。

在本实施例中，所述人体红外传感器与距离传感器均包含多个并成对设置，分别设置于车体的外围四周；所述cmos图像采集模块包括一个以上的cmos图像采集器，分别安装于车体的顶部和左右后视镜的位置。

较佳地，在本实施例中，还包括有ddr3存储器，用以存储图像采集模块采集的图像，配合中央处理器进行图像处理。同时还包括有外置sd卡存储模块，用以存储识别到的存在刮擦行为的图像，为日后取证所用。

较佳地，所述中央处理器可以采用但不限于是xc7z015-2clg485ifpga。所述无线通信模块可以采用gsm无线通信模块，用以当识别到有刮擦行为发生时，中央处理器能够通过该gsm无线通信模块远程短信通知车主。

具体的，图2为本实施例的一个具体的器件布置示意图。所述人体红外感应模块1~4和距离传感器5~8安装在汽车四周，实现对汽车周围人体的实时检测，用于整体系统的待机唤醒；主摄像头9安装在汽车顶部，在主摄像头9底部安装有云台控制装置，云台以一定速度带动主摄像头9旋转，从而主摄像头9能够采集汽车周围的图像信息，当主摄像头9检测到人体后，中央处理器控制云台转动实现主摄像头9对人体的跟踪识别；副摄像头10~11安装在汽车左右后视镜位置，辅助人体行为的识别。所述主摄像头9和副摄像头10~11组成的图像采集子系统可完成对汽车周围人体行为的全方位图像采集。蜂鸣器12~13和led14~15安装在汽车左右后视镜位置，gsm无线通信模块16安装在汽车尾部（也可以汽车内部），中央处理器17安装在驾驶室内部，当系统识别到有刮擦行为发生时，中央处理器17控制蜂鸣器12~13报警，led14~15闪烁，同时中央处理器17通过gsm无线通信模块16远程短信通知车主。

以上所述，仅是本发明的较佳实施例而已，并非是对本发明作其它形式的限制，任何熟悉本专业的技术人员可能利用上述揭示的技术内容加以变更或改型为等同变化的等效实施例。但是凡是未脱离本发明技术方案内容,依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与改型，仍属于本发明技术方案的保护范围。