The invention discloses a method for UAV patrolling and parking violations based on neural network model, which belongs to the field of artificial intelligence technology. Based on the image recognition algorithm in depth learning, the model for specific depth learning is trained and applied to UAV system to detect parking violations. The realization methods are as follows: collecting the image information of parking lot and demarcating the parking data set; training the parameters of neural network model with the parking data set obtained by S1; using the trained neural network model to recognize and classify the video images captured by UAV, classifying the classes corresponding to the parking data set and demarcating the target; The cruise images are sent to the control center, which determines whether the parking is illegal based on the image recognition algorithm, and sends the corresponding control commands to the UAV. The invention combines the image recognition technology with the UAV system, and can continuously optimize the management structure to realize the intelligent management of large parking lot.
【技术实现步骤摘要】
一种基于神经网络模型的无人机巡检违章停车的方法
本专利技术涉及人工智能
,具体地说是一种基于神经网络模型的无人机巡检违章停车的方法。
技术介绍
随着城市的迅速发展,城市车辆越来越多,停车难的问题也越来越突出,随之而来的是停车场的规模不断拓展。随着不断扩大的的停车场建设,停车场内停车产生的各种问题日益凸显,停车管理变的更加复杂。尤其是露天停车场,各种不合理停车的现象普遍存在,违规停车对人们的出行带来了很多麻烦,如果一辆车堵在路上或者停放位置不正,就有可能导致后面车辆都无法正常通行的情况。而由于停车场规模的不断扩大,传统的人工巡检、人工指挥和人工管理已经远远不能满足大型停车场的需求。在大数据应用日渐广泛的今天,如何能够有效利用停车场数据资源,将数据分析与停车管理有效结合,从而高效实现大型停车场快速智能管理,是目前需要解决的问题。
技术实现思路
本专利技术的技术任务是针对以上不足之处,提供一种基于神经网络模型的无人机巡检违章停车的方法,将数据分析与无人机系统相结合,不断优化管理结构,实现大型停车场的智能管理。本专利技术解决其技术问题所采用的技术方案是:一种基于神经网络模型的无人机巡检违章停车的方法,基于深度学习中的图像识别算法,训练特定深度学习的模型,并将该模型应用于无人机系统,实现停车场违规停车行为的检测;其实现方法如下:S1:采集停车场所图像信息,并标定停车数据集;S2:利用S1得到的停车数据集训练神经网络模型参数;S3:将训练完成的神经网络模型用于对无人机采集的视频图像进行识别分类,分类类别对应停车数据集标定目标;S4:无人机将巡航拍摄的图像发送至控制中 ...
【技术保护点】
1.一种基于神经网络模型的无人机巡检违章停车的方法,其特征在于基于深度学习中的图像识别算法,训练特定深度学习的模型,并将该模型应用于无人机系统,实现停车场违规停车行为的检测;其实现方法如下:S1:采集停车场所图像信息,并标定停车数据集;S2:利用S1得到的停车数据集训练神经网络模型参数;S3:将训练完成的神经网络模型用于对无人机采集的视频图像进行识别分类,分类类别对应停车数据集标定目标;S4:无人机将巡航拍摄的图像发送至控制中心,控制中心基于图像识别算法判定停车是否违规,并发送相应控制指令至无人机。
【技术特征摘要】
1.一种基于神经网络模型的无人机巡检违章停车的方法,其特征在于基于深度学习中的图像识别算法,训练特定深度学习的模型,并将该模型应用于无人机系统,实现停车场违规停车行为的检测;其实现方法如下:S1:采集停车场所图像信息,并标定停车数据集;S2:利用S1得到的停车数据集训练神经网络模型参数;S3:将训练完成的神经网络模型用于对无人机采集的视频图像进行识别分类,分类类别对应停车数据集标定目标;S4:无人机将巡航拍摄的图像发送至控制中心,控制中心基于图像识别算法判定停车是否违规,并发送相应控制指令至无人机。2.根据权利要求1所述的一种基于神经网络模型的无人机巡检违章停车的方法,其特征在于标定停车数据集是将采集到的停车场所的图像信息进行标注,标注目标包括车辆、车头、空置停车位、车牌和停车线。3.根据权利要求2所述的一种基于神经网络模型的无人机巡检违章停车的方法,其特征在于对无人机采集的视频图像分类类别包括车辆、车头、空置停车位、车牌和停车线;车头检测用于判断停车朝向是否满足规定;车牌检测用于检测到违规车辆后对车牌的拍照取证;空置停车位检测用于获得停车场当前空置停车位的数量和方位;停车线检测用于判断停车位上的车辆是否存在压线或超出停车位的情况。4.根据权利要求1或2所述的一种基于神经网络模型的无人机巡检违章停车的方法,其特征在于训练神经网络模型参数,选定SSD模型作为图像识别的神经网络模型,修改最后的全连接层,将分类类别设定为标定停车数据集的标注类...
【专利技术属性】
技术研发人员:周玉山,于治楼,姜凯,
申请(专利权)人:济南浪潮高新科技投资发展有限公司,
类型:发明
国别省市:山东,37
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。