识别停车库卷闸门开关状态的方法和系统技术方案

本申请公开一种识别停车库卷闸门开关状态的方法和系统，可以提高停车库监控效率，方法包括获取安装在停车库内的摄像头拍摄的正对停车库卷闸门处的图像，作为输入图像；采用第一卷积神经网络结构识别输入图像中沿第一方向的线条并统计线条数量，或采用第二卷积神经网络结构识别输入图像中沿第二方向的线条并统计线条数量；根据沿第一方向或沿第二方向的线条的数量识别卷闸门的开关状态，第一方向与水平方向形成的夹角小于第一预设角度，第二方向与竖直方向形成的夹角小于第二预设角度。

【技术实现步骤摘要】
识别停车库卷闸门开关状态的方法和系统
本申请涉及图像
，具体涉及一种识别停车库卷闸门开关状态的方法和系统。
技术介绍
卷闸门又称为“卷帘门”，是以很多关节活动的门片串联在一起，在固定的滑道内，以门上方卷轴为中心转动上下的门，如图1所示为目前常见的卷闸门的示意图。停车库是卷闸门适用的场所之一。目前，人们会在停车库内安装摄像头监控其安全状态。然而目前主要通过人工观察摄像头上传的视频来判断停车库处于安全状态或被非法闯入，效率低下。
技术实现思路
基于此，为了解决或改善现有技术的问题，本申请提供一种识别停车库卷闸门开关状态的方法和系统，可以提高停车库监控效率。第一方面，提供一种识别停车库卷闸门开关状态的方法，包括以下步骤：获取安装在停车库内的摄像头拍摄的正对所述停车库卷闸门处的图像，作为输入图像；采用第一卷积神经网络结构识别所述输入图像中沿第一方向的线条并统计线条数量，或采用第二卷积神经网络结构识别所述输入图像中沿第二方向的线条并统计线条数量；根据所述沿第一方向或沿第二方向的线条的数量识别所述卷闸门的开关状态，所述第一方向与水平方向形成的夹角小于第一预设角度，所述第二方向与竖直方向形成的夹角小于第二预设角度。其中一个实施例中，所述采用第一卷积神经网络识别所述输入图像中沿第一方向的线条的步骤包括：对输入图像各像素点的像素值进行归一化；利用N×N卷积核对所述输入图像进行卷积运算，其中，每次卷积运算时利用所述N×N卷积核的奇数行与所述输入图像的对应像素点进行相乘，再将乘积相加；识别进行了卷积运算的所述输入图像中的沿第一方向的线条。其中一个实施例中，所述第一卷积神经网络的网络结构包括多组沿信息传输方向依次顺序连接的卷积层和下采样层，以及一个全连接层；第一个卷积层的输入端用于接入输入图像，最后一个下采样层的输出端连接全连接层的输入端，除第一个卷积层外，剩余卷积层均为横线卷积层；其中，所述第一个卷积层用于提取输入图像中的特征；各个所述下采样层用于分别对各卷积层提取得到的特征进行降维；各个所述横线卷积层用于提取沿所述第一方向的线条特征，其中，利用卷积核对降维后的特征进行卷积运算，其中，每次卷积运算时利用所述卷积核的奇数行与所述输入图像的对应像素点进行相乘，再将乘积相加；所述全连接层的输出端用于输出降维后的每行特征是否为沿所述第一方向的线条的概率。其中一个实施例中，所述采用第二卷积神经网络识别所述输入图像中沿第二方向的线条的步骤包括：对输入图像各像素点的像素值进行归一化；利用N×N卷积核对所述输入图像进行卷积运算，其中，每次卷积运算时利用所述N×N卷积核的奇数列与所述输入图像的对应像素点进行相乘，再将乘积相加；识别进行了卷积运算的所述输入图像中的沿第二方向的线条。其中一个实施例中，所述第二卷积神经网络的网络结构包括多组沿信息传输方向依次顺序连接的卷积层和下采样层，以及一个全连接层；第一个卷积层的输入端用于接入输入图像，最后一个下采样层的输出端连接全连接层的输入端，除第一个卷积层外，剩余卷积层均为竖线卷积层；其中，所述第一个卷积层用于提取输入图像中的特征；各个所述下采样层用于分别对各卷积层提取得到的特征进行降维；各个所述竖线卷积层用于提取沿所述第二方向的线条特征，其中，利用卷积核对降维后的特征进行卷积运算，其中，每次卷积运算时利用所述卷积核的奇数列与所述输入图像的对应像素点进行相乘，再将乘积相加；所述全连接层的输出端用于输出降维后的每行特征是否为沿所述第二方向的线条的概率。其中一个实施例中，沿信息传输方向，各个横线卷积层采用的卷积核依次减小，每次减小至少一倍。其中一个实施例中，沿信息传输方向，各个竖线卷积层采用的卷积核依次减小，每次减小至少一倍。其中一个实施例中，所述卷闸门上排布多个沿水平方向的条状结构；根据所述沿第一方向的直线的数量识别所述卷闸门的开关状态时的步骤包括：若所述第一方向的直线的数量大于第一预设数量阈值，则判定所述卷闸门处于关闭状态，否则判定所述卷闸门处于打开状态；根据所述沿第二方向的直线的数量识别所述卷闸门的开关状态时的步骤包括：若所述第二方向的直线的数量大于第二预设数量阈值，则判定所述卷闸门处于打开状态，否则判定所述卷闸门处于关闭状态。上述识别停车库卷闸门开关状态的方法和系统，采用图像识别的方法，通过识别停车库卷闸门处的图像中的线条的数量识别卷闸门的开关状态，提高了停车库监控效率。附图说明为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍。应当理解的是，下面描述中的附图仅仅用以解释本专利技术，并不用于限定本专利技术。图1为目前常见的卷闸门的示意图；图2为本申请一个实施例中的一种识别停车库卷闸门开关状态的方法的流程示意图；图3为本申请一个实施例中的卷闸门的结构示意图；图4为本申请一个具体实施例中的对输入图像进行卷积运算的示意图；图5为本申请一个实施例中第一卷积神经网络的网络结构示意图；图6为本申请另一个具体实施例中的对输入图像进行卷积运算的示意图；图7为本申请一个实施例中第二卷积神经网络的网络结构示意图；图8为本申请另一个实施例中的一种识别停车库卷闸门开关状态的方法的流程示意图；图9为本申请再一个实施例中的一种识别停车库卷闸门开关状态的方法的流程示意图；图10为本申请一个实施中的一种识别停车库卷闸门开关状态的系统的结构示意图；图11为本申请一个实施中的一种识别停车库卷闸门开关状态的装置的结构示意图。具体实施方式下面结合附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本申请一部分实施例，而非全部实施例。应当理解，此处所描述的具体实施例仅仅用以解释本专利技术，并不用于限定本专利技术。如
技术介绍
所述，目前主要通过人工观察摄像头上传的视频来判断停车库处于安全状态或被非法闯入，效率低下。本申请实施例提出一种识别停车库卷闸门开关状态的方法，可以提高停车库监控效率。请参阅图2，其为一个实施例中的一种识别停车库卷闸门开关状态的方法的流程示意图，包括以下步骤：步骤202，获取安装在停车库内的摄像头拍摄的正对所述停车库卷闸门处的图像，作为输入图像；步骤204，采用第一卷积神经网络结构识别所述输入图像中沿第一方向的线条并统计线条数量，或采用第二卷积神经网络结构识别所述输入图像中沿第二方向的线条并统计线条数量；步骤206，根据所述沿第一方向或沿第二方向的线条的数量识别所述卷闸门的开关状态，所述第一方向与水平方向形成的夹角小于第一预设角度，所述第二方向与竖直方向形成的夹角小于第二预设角度。可以理解，通常卷闸门的典型特征是排布多个沿水平方向的条状结构(如图3所示)，卷闸门外的地面由于本文档来自技高网...

【技术保护点】
1.一种识别停车库卷闸门开关状态的方法，其特征在于，包括以下步骤：/n获取安装在停车库内的摄像头拍摄的正对所述停车库卷闸门处的图像，作为输入图像；/n采用第一卷积神经网络结构识别所述输入图像中沿第一方向的线条并统计线条数量，或采用第二卷积神经网络结构识别所述输入图像中沿第二方向的线条并统计线条数量；/n根据所述沿第一方向或沿第二方向的线条的数量识别所述卷闸门的开关状态，所述第一方向与水平方向形成的夹角小于第一预设角度，所述第二方向与竖直方向形成的夹角小于第二预设角度。/n

【技术特征摘要】
1.一种识别停车库卷闸门开关状态的方法，其特征在于，包括以下步骤：
获取安装在停车库内的摄像头拍摄的正对所述停车库卷闸门处的图像，作为输入图像；
采用第一卷积神经网络结构识别所述输入图像中沿第一方向的线条并统计线条数量，或采用第二卷积神经网络结构识别所述输入图像中沿第二方向的线条并统计线条数量；
根据所述沿第一方向或沿第二方向的线条的数量识别所述卷闸门的开关状态，所述第一方向与水平方向形成的夹角小于第一预设角度，所述第二方向与竖直方向形成的夹角小于第二预设角度。


2.根据权利要求1所述的识别停车库卷闸门开关状态的方法，其特征在于，所述采用第一卷积神经网络识别所述输入图像中沿第一方向的线条的步骤包括：
对输入图像各像素点的像素值进行归一化；
利用N×N卷积核对所述输入图像进行卷积运算，其中，每次卷积运算时利用所述N×N卷积核的奇数行与所述输入图像的对应像素点进行相乘，再将乘积相加；
识别进行了卷积运算的所述输入图像中的沿第一方向的线条。


3.根据权利要求2所述的识别停车库卷闸门开关状态的方法，其特征在于，所述第一卷积神经网络的网络结构包括多组沿信息传输方向依次顺序连接的卷积层和下采样层，以及一个全连接层；第一个卷积层的输入端用于接入输入图像，最后一个下采样层的输出端连接全连接层的输入端，除第一个卷积层外，剩余卷积层均为横线卷积层；其中，
所述第一个卷积层用于提取输入图像中的特征；
各个所述下采样层用于分别对各卷积层提取得到的特征进行降维；
各个所述横线卷积层用于提取沿所述第一方向的线条特征，其中，利用卷积核对降维后的特征进行卷积运算，其中，每次卷积运算时利用所述卷积核的奇数行与所述输入图像的对应像素点进行相乘，再将乘积相加；
所述全连接层的输出端用于输出降维后的每行特征是否为沿所述第一方向的线条的概率。


4.根据权利要求1所述的识别停车库卷闸门开关状态的方法，其特征在于，所述采用第二卷积神经网络识别所述输入图像中沿第二方向的线条的步骤包括：
对输入图像各像素点的像素值进行归一化；
利用N×N卷积核对所述输入图像进行卷积运算，其中，每次卷积运算时利用所述N×N卷积核的奇数列与所述输入图像的对应像素点进行相乘，再将乘积相加；
识别进行了卷积运算的所述输入图像中的沿第二方向的线条。


5.根据权利要求4所述的识别停车库卷闸门开关状态的方法，其特征在于，所述第二卷积神经网络的网络结构包括多组沿信息传输方向依次顺序连接的卷积层和下采样层，以及一个全连接层；第一个卷积...

【专利技术属性】
技术研发人员：肖海云，乔国坤，
申请(专利权)人：新疆爱华盈通信息技术有限公司，
类型：发明
国别省市：新疆;65