一种基于人工智能的道路停车巡检系统及方法与流程

1.本发明涉及停车巡检技术领域，尤其涉及一种基于人工智能的道路停车巡检系统及方法。


背景技术：

2.随着居民生活水平的提高，私家车的数量日益增多，尤其是城市道路两侧车辆乱停乱放的问题越发突出，严重影响了居民的日常出行安全。
3.当前的解决方案主要有pos机模式和地磁+pos机模式。对比现有的各种解决方案，无论是pos机模式还是地磁+pos机模型，都需要配备较多的人员再路上进行巡检收费，高昂的人工成本给企业带来巨大的成本开销，同时，地磁只能检测到当前车位有没有车，并不知道停在该车位的车牌，不能有效地做到车牌和车位的匹配。


技术实现要素：

4.本发明的目的在于提供一种基于人工智能的道路停车巡检系统及方法，旨在解决现有技术中的不能有效地做到车牌和车位的匹配的技术问题。
5.为实现上述目的，本发明采用的一种基于人工智能的道路停车巡检系统，包括巡检车、边缘分析服务器、4g/5g路由器和三台摄像头；
6.三台所述摄像头用于进行多角度视频抓拍，并得到车牌信息；
7.所述边缘分析服务器用于对车牌信息进行识别，并提供gps定位服务；
8.所述4g/5g路由器用于将每台所述摄像头分别与所述边缘分析服务器连接，并提供网络服务；
9.所述巡检车用于装载所述边缘分析服务器、所述4g/5g路由器和三台所述摄像。
10.其中，每台所述摄像头的拍摄区域的角度均为60
°
。
11.本发明还提供一种基于人工智能的道路停车巡检方法，包括如下步骤：
12.使用所述巡检车在固定时间进行巡检，三台所述摄像头进行多角度视频抓拍；
13.通过所述4g/5g路由器将抓拍到的车牌信息图像传输至所述边缘服务器；
14.使用所述边缘分析服务器计算每个车位的gps定位信息，进行车牌和车位的绑定；
15.通过车牌和车位的绑定信息，判断该车辆的停车时长，进而计算停车费用；
16.将停车信息和停车费用账单发送至车主。
17.其中，在使用所述边缘分析服务器计算每个车位的gps定位信息，进行车牌和车位的绑定的步骤中：
18.将每个车位将进行gps坐标标定，得到每个车位的gps坐标信息；
19.当所述边缘服务器接收到车牌信息后，所述边缘分析服务器实时发出该位置的gps定位信息，结合车位的gps坐标信息和该位置的gps定位信息，对车辆和车位进行绑定。
20.其中，在通过所述4g/5g路由器将抓拍到的车牌信息图像传输至所述边缘服务器的步骤中，在传输过程中：
21.对车牌信息图像进行数据增强操作，包括但不限于图像缩放、图像旋转、图像噪声和颜色空间转换。
22.本发明的一种基于人工智能的道路停车巡检系统及方法，所述边缘分析服务器用于对车牌信息进行识别，并提供gps定位服务，所述4g/5g路由器用于将每台所述摄像头分别与所述边缘分析服务器连接，并提供网络服务，所述巡检车用于装载所述边缘分析服务器、所述4g/5g路由器和三台所述摄像头，使用所述巡检车在固定时间进行巡检，三台所述摄像头进行多角度视频抓拍，通过所述4g/5g路由器将抓拍到的车牌信息图像传输至所述边缘服务器，使用所述边缘分析服务器计算每个车位的gps定位信息，进行车牌和车位的绑定，通过车牌和车位的绑定信息，判断该车辆的停车时长，进而计算停车费用，将停车信息和停车费用账单发送至车主，实现了自动进行车牌识别，将车牌和车位进行匹配，从而对道路停车进行巡检。
附图说明
23.为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
24.图1是本发明的摄像头的安装示意图。
25.图2是本发明第一实施例的步骤流程图。
26.图3是本发明第二实施例的步骤流程图。
27.1-摄像头。
具体实施方式
28.请参阅图1，其中图1是摄像头的安装示意图。本发明提供了一种基于人工智能的道路停车巡检系统，包括巡检车、边缘分析服务器、4g/5g路由器和三台摄像头1；
29.三台所述摄像头1用于进行多角度视频抓拍，并得到车牌信息；
30.所述边缘分析服务器用于对车牌信息进行识别，并提供gps定位服务；
31.所述4g/5g路由器用于将每台所述摄像头1分别与所述边缘分析服务器连接，并提供网络服务；
32.所述巡检车用于装载所述边缘分析服务器、所述4g/5g路由器和三台所述摄像头1。
33.进一步地，每台所述摄像头1的拍摄区域的角度均为60
°
。
34.在本实施方式中，三台所述摄像头1进行多角度视频抓拍，并得到车牌信息，每台所述摄像头1的拍摄区域的角度均为60
°
，三个所述摄像头1完整覆盖当前平面的180度，可以很好的对倾斜的车牌进行检测识别分析，所述边缘分析服务器对车牌信息进行识别，并提供gps定位服务，所述4g/5g路由器将每台所述摄像头1分别与所述边缘分析服务器连接，并提供网络服务，所述巡检车装载所述边缘分析服务器、所述4g/5g路由器和三台所述摄像头1，其中所述边缘分析服务器和所述4g/5g路由器放置于壳体内，所述摄像头1设置于壳体的外部，使用所述基于人工智能的道路停车巡检系统进行道路停车巡检，实现了自动进行
车牌识别，将车牌和车位进行匹配，从而对道路停车进行巡检。
35.第一实施例为：
36.请参阅图2，其中图2是第一实施例的步骤流程图。本发明还提供了一种基于人工智能的道路停车巡检方法，包括如下步骤：
37.s1：通过数据增强操作，仿真不同情形下的场合图像，提高各种条件下的车牌检测，提高检测精度；
38.s2：优化原始网络结构，更改网络模型的输入图像尺寸，降低网络的整体计算量；
39.s3：对网络结构中的每层通道数进行剪枝优化；
40.s4：训练网络模型，在公共数据集imagenet上训练原始的yolo-v5网络，得到一个初始的网络模型a，使用剪枝后的网络结构finetune得到的模型a，进行训练，待损失函数收敛到一定程度后，即可得到稳定的车牌检测模型b，车牌检测模型b得到后，即可得到当前场景下的车牌区域坐标，扣取该车牌区域，对得到的车牌区域图进行矫正，进行车牌识别；
41.s5：使用所述巡检车在固定时间进行巡检，三台所述摄像头1进行多角度视频抓拍；
42.s6：通过所述4g/5g路由器将抓拍到的车牌信息图像传输至所述边缘服务器，在传输过程中，对车牌信息图像进行数据增强操作，包括但不限于图像缩放、图像旋转、图像噪声和颜色空间转换；
43.s7：将每个车位将进行gps坐标标定，得到每个车位的gps坐标信息；
44.s8：当所述边缘服务器接收到车牌信息后，所述边缘分析服务器实时发出该位置的gps定位信息，结合车位的gps坐标信息和该位置的gps定位信息，对车辆和车位进行绑定；
45.s9：通过车牌和车位的绑定信息，判断该车辆的停车时长，进而计算停车费用；
46.s10：将停车信息和停车费用账单发送至车主。
47.在本实施方式中，首先通过数据增强操作，仿真不同情形下的场合图像，提高各种条件下的车牌检测，提高检测精度，然后优化原始网络结构，更改网络模型的输入图像尺寸，降低网络的整体计算量，再对网络结构中的每层通道数进行剪枝优化，如网络结构中的卷积层，该层有n个通道，每个通道有m个权重系数，对这n*m个系数按照从大到小的顺序进行排列，根据预设的阈值p，过滤掉不满足阈值条件的系数，然后统计各个通道上满足阈值条件的剩下的系数的个数，当个数少于预定阈值q时，则删除当前通道，以此类推，就得到了当前卷积层的剪枝后的通道数，其他网络结构中的层的通道数剪枝也采用相同操作；然后训练网络模型，在公共数据集imagenet上训练原始的yolo-v5网络，得到一个初始的网络模型a，使用剪枝后的网络结构finetune得到的模型a，进行训练，待损失函数收敛到一定程度后，即可得到稳定的车牌检测模型b，车牌检测模型b得到后，即可得到当前场景下的车牌区域坐标，扣取该车牌区域，对得到的车牌区域图进行矫正，进行车牌识别；在对道路停车进行巡检时，使用所述巡检车在固定时间进行巡检，三台所述摄像头1进行多角度视频抓拍，s6：通过所述4g/5g路由器将抓拍到的车牌信息图像传输至所述边缘服务器，在传输过程中，对车牌信息图像进行数据增强操作，包括但不限于图像缩放、图像旋转、图像噪声和颜色空间转换，然后将每个车位将进行gps坐标标定，得到每个车位的gps坐标信息，当所述边缘服务器接收到车牌信息后，所述边缘分析服务器实时发出该位置的gps定位信息，结合车
位的gps坐标信息和该位置的gps定位信息，对车辆和车位进行绑定，通过车牌和车位的绑定信息，判断该车辆的停车时长，进而计算停车费用，最后将停车信息和停车费用账单发送至车主，实现了自动进行车牌识别，将车牌和车位进行匹配，从而对道路停车进行巡检。
48.第二实施例为：
49.请参阅图3，其中图3是本发明第二实施例的步骤流程图。本发明还提供了一种基于人工智能的道路停车巡检方法，包括如下步骤：
50.s1：通过数据增强操作，仿真不同情形下的场合图像，提高各种条件下的车牌检测，提高检测精度；
51.s2：采用改进后的mobilenetv2作为基础网络，结合lstm结构，作为车牌识别的网络结构，更换原有的mobilenetv2的输入图像尺寸，结合实验数据，删除中间层，进一步精简网络层数；
52.s3：对mobilenetv2进行通道剪枝，达到速度和精度的完美融合；
53.s4：训练网络模型，在公共数据集imagenet上训练原始的mobilenetv2网络，得到一个初始的网络模型c，然后使用剪枝后的网络结构finetune得到的模型c，进行训练，待损失函数收敛后，即可得到稳定的车牌检测模型d，车牌检测模型d得到后，即可得到当前场景下的车牌区域坐标，扣取该车牌区域，对得到的车牌区域图进行矫正，进行车牌识别；
54.s5：使用所述巡检车在固定时间进行巡检，三台所述摄像头1进行多角度视频抓拍；
55.s6：通过所述4g/5g路由器将抓拍到的车牌信息图像传输至所述边缘服务器，在传输过程中，对车牌信息图像进行数据增强操作，包括但不限于图像缩放、图像旋转、图像噪声和颜色空间转换；
56.s7：将每个车位将进行gps坐标标定，得到每个车位的gps坐标信息；
57.s8：当所述边缘服务器接收到车牌信息后，所述边缘分析服务器实时发出该位置的gps定位信息，结合车位的gps坐标信息和该位置的gps定位信息，对车辆和车位进行绑定；
58.s9：通过车牌和车位的绑定信息，判断该车辆的停车时长，进而计算停车费用；
59.s10：将停车信息和停车费用账单发送至车主。
60.在本实施方式中，首先通过数据增强操作，仿真不同情形下的场合图像，提高各种条件下的车牌检测，提高检测精度，然后采用改进后的mobilenetv2作为基础网络，结合lstm结构，作为车牌识别的网络结构，更换原有的mobilenetv2的输入图像尺寸，结合实验数据，删除中间层，进一步精简网络层数，对mobilenetv2进行通道剪枝，达到速度和精度的完美融合，然后训练网络模型，在公共数据集imagenet上训练原始的mobilenetv2网络，得到一个初始的网络模型c，然后使用剪枝后的网络结构finetune得到的模型c，进行训练，待损失函数收敛后，即可得到稳定的车牌检测模型d，车牌检测模型d得到后，即可得到当前场景下的车牌区域坐标，扣取该车牌区域，对得到的车牌区域图进行矫正，进行车牌识别；在对道路停车进行巡检时，使用所述巡检车在固定时间进行巡检，三台所述摄像头1进行多角度视频抓拍，通过所述4g/5g路由器将抓拍到的车牌信息图像传输至所述边缘服务器，在传输过程中，对车牌信息图像进行数据增强操作，包括但不限于图像缩放、图像旋转、图像噪声和颜色空间转换，然后将每个车位将进行gps坐标标定，得到每个车位的gps坐标信息，当
所述边缘服务器接收到车牌信息后，所述边缘分析服务器实时发出该位置的gps定位信息，结合车位的gps坐标信息和该位置的gps定位信息，对车辆和车位进行绑定，通过车牌和车位的绑定信息，判断该车辆的停车时长，进而计算停车费用，最后将停车信息和停车费用账单发送至车主，实现了自动进行车牌识别，将车牌和车位进行匹配，从而对道路停车进行巡检。
61.以上所揭露的仅为本发明一种较佳实施例而已，当然不能以此来限定本发明之权利范围，本领域普通技术人员可以理解实现上述实施例的全部或部分流程，并依本发明权利要求所作的等同变化，仍属于发明所涵盖的范围。