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 ...
【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
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。