基于图像实现无人停车库运维安全智能检测的方法及装置制造方法及图纸

本公开揭示了一种基于图像实现无人停车库运维安全智能检测的方法及装置，属于计算机人工智能技术领域。所述方法包括：采用卷积神经网络算法对采集的无人停车库图像进行识别，确定停车库设备在所述无人停车库图像中的位置，根据所述停车库设备在所述无人停车库图像中的所述位置，从所述无人停车库图像中提取所述停车库设备的图像特征，对所述停车库设备的图像特征进行安全运维特征的存在性判断，如果所有的所述安全运维特征均存在，则确定所述无人停车库运维安全。上述基于图像实现无人停车库运维安全智能检测的方法及装置能够自动根据载车板上不同的停放车辆进行自适应性地判断，大大提高在载车板上停车时进行安全检测的精度，有效地解决载车板上停车时的安全隐患问题。

Method and device for intelligent detection of operation and maintenance safety of unmanned parking garage based on image

The invention discloses an image-based intelligent detection method and device for the operation and maintenance safety of an unmanned garage, belonging to the technical field of computer artificial intelligence. The method comprises the following steps: using convolution neural network algorithm to recognize the captured unmanned garage image, determining the position of the garage equipment in the unmanned garage image, and extracting the garage from the unmanned garage image according to the position of the garage equipment in the unmanned garage image. The image feature of the equipment determines the existence of the safety operation and maintenance feature of the image feature of the garage equipment, and determines the operation and maintenance safety of the unmanned garage if all the safety operation and maintenance features exist. The above image-based intelligent detection method and device for the operation and maintenance of unmanned parking garage can automatically judge the parking vehicles according to the different parking on the board, greatly improving the accuracy of safety detection when parking on the board, effectively solving the hidden safety problems when parking on the board.

【技术实现步骤摘要】
基于图像实现无人停车库运维安全智能检测的方法及装置
本公开涉及计算机应用
，特别涉及一种基于图像实现无人停车库运维安全智能检测的方法及装置。
技术介绍
在汽车数量迅速增长而土地越来越稀缺的今天,无人停车库的应用很大程度上缓解了停车难的问题。无人停车库的工作原理是车辆停放在载车板上,通过机械装置使载车板升降或横移,将车辆有序地、立体地停放,从而实现停车空间的有效拓展。为了保障无人停车库安全可靠的运营，需要对无人停车库进行运维安全的检测。传统的方法采用人员职守和安防视频监控，但在无人停车库的层数较多时，对人力的需求过高、工作强度过大且无法准确地时实现无人停车库的运维安全检测，同时传统的安防视频监控只能简单记录存储长时间的监控视频内容，无法实时地进行无人停车库的运维安全检测，在出现异常情况下，需要人工回放观察视频录像内容以进行安全问题的定位，造成效率极低。
技术实现思路
为了解决相关技术中无法实时对无人停车库进行运维安全检测，且效率较低的技术问题，本公开提供了一种基于图像实现无人停车库运维安全智能检测的方法、装置及终端。第一方面，提供了一种基于图像实现无人停车库运维安全智能检测的方法，包括：在预设的图像训练集中采用卷积神经网络算法对采集的无人停车库图像进行识别，确定所述无人停车库图像中的各目标区域；采用softmax函数(一种激励函数)对所述目标区域进行分类识别，在所述无人停车库图像中确定各停车库设备分别对应的所述目标区域；根据所述停车库设备在所述无人停车库图像中的所述位置，从所述无人停车库图像中提取所述停车库设备的图像特征；对所述停车库设备的图像特征进行安全运维特征的存在性判断；如果所有的所述安全运维特征均存在，则确定所述无人停车库运维安全。第二方面，提供了一种基于图像实现无人停车库运维安全智能检测的装置，包括：目标区域确定模块，用于在预设的图像训练集中采用卷积神经网络算法对采集的无人停车库图像进行识别，确定所述无人停车库图像中的各目标区域；目标区域识别模块，用于采用softmax函数对所述目标区域进行分类识别，在所述无人停车库图像中确定各停车库设备分别对应的所述目标区域；；图像特征提取模块，用于根据所述停车库设备在所述无人停车库图像中的所述位置，从所述无人停车库图像中提取所述停车库设备的图像特征；安全特征判断模块，用于对所述停车库设备的图像特征进行安全运维特征的存在性判断；安全确定模块，用于如果所有的所述安全运维特征均存在，则确定所述无人停车库运维安全。第三方面，提供了一种终端，包括存储器和处理器，所述存储器中存储有计算机可读指令，所述计算机可读指令被所述处理器执行时，使得所述处理器执行上述所述基于图像实现无人停车库运维安全智能检测的方法的步骤。第四方面，提供了一种存储有计算机可读指令的存储介质，所述计算机可读指令被一个或多个处理器执行时，使得一个或多个处理器执行上述所述基于图像实现无人停车库运维安全智能检测的方法的步骤。本公开的实施例提供的技术方案可以包括以下有益效果：在进行无人停车库的运维安全检测时，在预设的图像训练集中采用卷积神经网络算法对采集的无人停车库图像进行识别，确定无人停车库图像中的各目标区域，采用softmax函数对所述目标区域进行分类识别，在无人停车库图像中确定各停车库设备分别对应的所述目标区域，并根据停车库设备在无人停车库图像中的位置，从无人停车库图像中提取停车库设备的图像特征，再通过对停车库设备的图像特征进行安全运维特征的存在性判断，当所有的安全运维特征均存在时，则确定停车库运维安全，由于能够根据采集的无人停车库图像即可自动判断无人停车库的运维是否安全，从而实现对无人停车库的运维安全进行实时检测，并且大大提高了无人停车库的运维安全检测的准确性和效率。应当理解的是，以上的一般描述和后文的细节描述仅是示例性的，并不能限制本公开。附图说明此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本专利技术的实施例，并于说明书一起用于解释本专利技术的原理。图1是根据一示例性实施例示出的一种装置的框图。图2是根据一示例性实施例示出的一种基于图像实现无人停车库运维安全智能检测的方法的流程图。图3是图2对应实施例的基于图像实现无人停车库运维安全智能检测的方法中步骤S110的一种具体实现的流程图。图4是图2对应实施例的基于图像实现无人停车库运维安全智能检测的方法中步骤S110的另一种具体实现的流程图。图5是根据一示例性实施例示出的对输入的图像识别得到各目标区域的流程示意图。图6是图4对应实施例的步骤S115的一种具体实现的流程图。图7是图2对应实施例的基于图像实现无人停车库运维安全智能检测的方法中步骤S130的一种具体实现的流程图。图8是根据图7对应实施例示出的的基于图像实现无人停车库运维安全智能检测的方法中步骤S130的另一种具体实现的流程图。图9是图2对应实施例的基于图像实现无人停车库运维安全智能检测的方法中步骤S130的另一种具体实现的流程图。图10是根据一示例性实施例示出的一种基于图像实现无人停车库运维安全智能检测的装置的框图。图11是图10对应实施例示出的基于图像实现无人停车库运维安全智能检测的装置中位置确定模块110的一种框图。图12是图11对应实施例示出的目标区域识别模块120的一种框图。图13是图10对应实施例示出的基于图像实现无人停车库运维安全智能检测的装置中安全特征判断模块140的一种框图。图14是图13对应实施例示出的基于图像实现无人停车库运维安全智能检测的装置中安全特征判断模块140的另一种框图。图15是图10对应实施例示出的基于图像实现无人停车库运维安全智能检测的装置中安全特征判断模块140的另一种框图。具体实施方式这里将详细地对示例性实施例执行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本专利技术相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本专利技术的一些方面相一致的装置和方法的例子。图1是根据一示例性实施例示出的一种装置100的框图。装置100可以应用于智能手机、电脑等终端。参考图1，装置100可以包括以下一个或者多个组件：处理组件101，存储器102，电源组件103，多媒体组件104，音频组件105，传感器组件107以及通信组件108。处理组件101通常控制装置100的整体操作，诸如与显示，电话呼叫，数据通信，相机操作以及记录操作相关联的操作等。处理组件101可以包括一个或多个处理器109来执行指令，以完成上述的方法的全部或部分步骤。此外，处理组件101可以包括一个或多个模块，便于处理组件101和其他组件之间的交互。例如，处理组件101可以包括多媒体模块，以方便多媒体组件104和处理组件101之间的交互。存储器102被配置为存储各种类型的数据以支持在装置100的操作。这些数据的示例包括用于在装置100上操作的任何应用程序或方法的指令。存储器102可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(SRAM)，电可擦除可编程只读存储器(EEPROM)，可擦除可编程只读存储器(EPROM)，可编程只读存储器(PROM本文档来自技高网...

【技术保护点】
1.一种基于图像实现无人停车库运维安全智能检测的方法，其特征在于，所述方法包括：在预设的图像训练集中采用卷积神经网络算法对采集的无人停车库图像进行识别，确定所述无人停车库图像中的各目标区域；采用softmax函数(一种激励函数)对所述目标区域进行分类识别，在所述无人停车库图像中确定各停车库设备分别对应的所述目标区域；根据所述停车库设备在所述无人停车库图像中的所述位置，从所述无人停车库图像中提取所述停车库设备的图像特征；对所述停车库设备的图像特征进行安全运维特征的存在性判断；如果所有的所述安全运维特征均存在，则确定所述无人停车库运维安全。

【技术特征摘要】
1.一种基于图像实现无人停车库运维安全智能检测的方法，其特征在于，所述方法包括：在预设的图像训练集中采用卷积神经网络算法对采集的无人停车库图像进行识别，确定所述无人停车库图像中的各目标区域；采用softmax函数(一种激励函数)对所述目标区域进行分类识别，在所述无人停车库图像中确定各停车库设备分别对应的所述目标区域；根据所述停车库设备在所述无人停车库图像中的所述位置，从所述无人停车库图像中提取所述停车库设备的图像特征；对所述停车库设备的图像特征进行安全运维特征的存在性判断；如果所有的所述安全运维特征均存在，则确定所述无人停车库运维安全。2.根据权利要求1所述的方法，其特征在于，所述在预设的图像训练集中采用卷积神经网络算法对采集的无人停车库图像进行识别，确定所述无人停车库图像中的各目标区域的步骤包括：按照预设的图像尺寸对采集的无人停车库图像进行裁剪，得到裁剪图像；在预设的图像训练集中采用卷积神经网络算法对所述裁剪图像进行识别，确定所述无人停车库图像中的各目标区域。3.根据权利要求1所述的方法，其特征在于，所述采用softmax函数对所述目标区域进行分类识别，在所述无人停车库图像中确定各停车库设备分别对应的所述目标区域的步骤包括：采用softmax函数计算所述目标区域为各停车库设备的概率；通过所述概率在所述无人停车库图像中确定各停车库设备分别对应的所述目标区域。4.根据权利要求1所述的方法，其特征在于，所述停车库设备包括载车轨道和钢缆，所述安全运维特征包括无变形状态，所述对所述停车库设备的图像特征进行安全运维特征的存在性判断的步骤包括：根据所述载车轨道和钢缆的图像特征，分别提取所述载车轨道和钢缆的边缘形状；分别对所述载车轨道和钢缆的边缘形状进行直线检测，判断所述载车轨道和钢缆的边缘形状是否均为直线，若为是，则判定存在所述无变形状态。5.根据权利要求4所述的方法，其特征在于，所述方法还包括：在所述载车轨道和钢缆的边缘形状均为直线时，根据所述载车轨道和钢缆的图像特征，通过欧氏距离计算所述载车轨道和钢缆之间的相对距离；将所述相对距离达到预设的距离阈值进行比对，若所述相对距离达...

【专利技术属性】
技术研发人员：钟超，刘洋，
申请(专利权)人：上海极歌企业管理咨询中心有限合伙，
类型：发明
国别省市：上海,31