物流园区违规停车智能识别方法、装置、设备及存储介质制造方法及图纸

本发明专利技术公开了一种物流园区违规停车智能识别方法、装置、设备及存储介质，包括：获取非机动车停放区域的监控图像；基于所述监控图像进行标签定义；其中，根据所述监控图像进行标签定义包括：基于获取的所述监控图像截取预设目标对象；基于截取的所述目标对象根据预设条件进行分类，将标签定义为电动车乱停乱放、私自拉线充电、地面不洁，共享单车占道和三轮车无序挤在一起五个类别；输出分类结果；基于所述标签定义结果，识别符合预设条件的监控图像；基于识别结果，将符合预设条件的监控图像显示在预设终端上。该方法使用计算机视觉技术，智能识别园区内非机动车乱停乱放现象，有效进行实时监控，兼顾准确率和效率，为智慧园区的发展贡献力量。区的发展贡献力量。区的发展贡献力量。

Intelligent identification method, device, equipment and storage medium of illegal parking in Logistics Park

【技术实现步骤摘要】
物流园区违规停车智能识别方法、装置、设备及存储介质


[0001]本专利技术属于图像智能识别
，尤其涉及物流园区违规停车智能识别方法、装置、设备及存储介质。

技术介绍

[0002]随着电商产业的日益发展，快递迎来了空前的高速增长，同时对工作人员的需求也增大。工作人员的增加也增大了园区内非机动车管理的难度。非机动车的违规乱停容易占用其他车辆的道路，造成道路拥堵，影响园区内车辆的运输效率，甚至会引起事故。现在针对这种情况主要是园区保安人员进行巡检，管理车辆，通知到非机动车所有人。但是，不可避免的，增加了安保人员的工作量而且管理效率低下。

技术实现思路

[0003]为解决上述问题，本专利技术的目的是提供一种物流园区违规停车智能识别方法、装置、设备及存储介质，该方法使用计算机视觉技术，智能识别园区内非机动车乱停乱放现象，有效进行实时监控，兼顾准确率和效率，为智慧园区的发展贡献力量。
[0004]为实现上述目的，本专利技术的技术方案为：一种物流园区违规停车智能识别方法，包括以下步骤：获取非机动车停放区域的监控图像；基于所述监控图像进行标签定义；其中，根据所述监控图像进行标签定义包括：基于获取的所述监控图像截取预设目标对象；基于截取的所述目标对象根据预设条件进行分类，将标签定义为电动车乱停乱放、私自拉线充电、地面不洁，共享单车占道和三轮车无序挤在一起五个类别；输出分类结果；基于所述标签定义结果，识别符合预设条件的监控图像；基于识别结果，将符合预设条件的监控图像显示在预设终端上。
[0005]在其中一个实施例中，所述获取非机动车停放区域的监控图像包括：在接收到预设信号时，启动预设图像采集设备采集所述监控图像；在所述监控图像满足预设条件时，获取所述监控图像。
[0006]在其中一个实施例中，通过预设的监控设备，采集预设区域内的违规图像，将所述违规图像传输至预设的CoAtNets网络机制进行训练学习，构建对应的第一模型；其中，所述CoAtNets网络机制是基于神经结构搜索框架构建的图形分类架构；获取第一模型的第一权重信息，将所述第一权重信息传输至预设的语义分割网络进行蒸馏训练，分离若干个第二模型；其中，所述第二模型至少包括四个；通过所述第一模型和第二模型，部署违规停车智能识别分析机制，通过所述违规停车智能识别分析机制，对违规停车的违规情况进行识别和分类。
[0007]在其中一个实施例中，所述基于截取的所述目标对象根据预设条件进行分类包括：将卷积算法和自注意力算法拟合在一个基本计算块中；将所述计算块采用卷积
‑
卷积
‑
自注意力
‑
自注意力的方式垂直堆叠以形成CoAtNets网络；基于所述目标对象通过所述CoAtNets网络进行运算以获取分类结果。
[0008]在其中一个实施例中，所述将卷积算法和自注意力算法拟合在一个基本计算块中包括：基于所述目标对象，在Softmax归一化前或后，将全局静态卷积核与自适应注意矩阵求和。
[0009]在其中一个实施例中，在所述获取非机动车停放区域的监控图像之前还包括：通过预设监控系统随机截取包括非机动车停放规范和停放不规范两类样本以获取样本集；基于所述两类样本分别进行标签定义；将获取的样本集存储于对应的目录下。
[0010]基于相同的构思，本专利技术还提供一种物流园区违规停车智能识别装置，其特征在于，实现上述所述的物流园区非机动车乱停的智能识别方法，包括：获取模块，用于获取非机动车停放区域的监控图像；定义模块，用于基于所述监控图像进行标签定义；其中，根据所述监控图像进行标签定义包括：基于获取的所述监控图像截取预设目标对象；基于截取的所述目标对象根据预设条件进行分类，将标签定义为电动车乱停乱放、私自拉线充电、地面不洁，共享单车占道和三轮车无序挤在一起五个类别；输出分类结果；识别模块，用于基于所述标签定义结果，识别符合预设条件的监控图像；显示模块，用于基于识别结果，将符合预设条件的监控图像显示在预设终端上。
[0011]在其中一个实施例中，所述定义模块包括：捕捉单元，用于基于获取的所述监控图像截取预设目标对象；分类单元，用于基于截取的所述目标对象根据预设条件进行分类；输出单元，用于输出分类结果。
[0012]基于相同的构思，本专利技术还提供一种计算机设备，其特征在于，包括：存储器，所述存储器用于存储处理程序；处理器，所述处理器执行所述处理程序时实现上述所述的物流园区违规停车智能识别方法。
[0013]基于相同的构思，本专利技术还提供一种可读存储介质，其特征在于，所述可读存储介质上存储有处理程序，所述处理程序被处理器执行时实现上述所述的物流园区违规停车智能识别方法。
[0014]上述物流园区违规停车智能识别方法、装置、设备及存储介质，获取非机动车停放区域的监控图像；基于所述监控图像进行标签定义；基于所述标签定义结果，识别符合预设条件的监控图像；基于识别结果，将符合预设条件的监控图像显示在预设终端上。该方法使用计算机视觉技术，智能识别园区内非机动车乱停乱放现象，有效进行实时监控，兼顾准确率和效率，为智慧园区的发展贡献力量。
附图说明
[0015]下面结合附图对本专利技术的具体实施方式作进一步详细说明，其中：
[0016]图1为本专利技术一种物流园区违规停车智能识别方法一个实施例流程图；
[0017]图2为本专利技术一种物流园区违规停车智能识别方法一个实施例流程图；
[0018]图3为本专利技术一种物流园区违规停车智能识别方法一个实施例流程图；
[0019]图4为本专利技术一种物流园区违规停车智能识别方法一个实施例流程图；
[0020]图5为本专利技术一种物流园区违规停车智能识别方法一个实施例流程图；
[0021]图6为本专利技术一种物流园区违规停车智能识别方法一个实施例流程图；
[0022]图7为本专利技术一种物流园区违规停车智能识别装置一个实施例示意图；
[0023]图8为本专利技术实施例中计算机设备的一个实施例示意图。
具体实施方式
[0024]以下结合附图和具体实施例对本专利技术作进一步详细说明。根据下面说明和权利要求书，本专利技术的优点和特征将更清楚。需说明的是，附图均采用非常简化的形式且均使用非精准的比率，仅用以方便、明晰地辅助说明本专利技术实施例的目的。
[0025]需要说明，本专利技术实施例中所有方向性指示(诸如上、下、左、右、前、后
……
)仅用于解释在某一特定姿态(如附图所示)下各部件之间的相对位置关系、运动情况等，如果该特定姿态发生改变时，则该方向性指示也相应地随之改变。
[0026]实施例一
[0027]本实施例针对目前非机动车违规乱停、占用专用场所导致安保人员人为巡检耗时耗力等问题，提供了一种违规停车智能识别装置，使用计算机视觉技术，智能识别园区内非机动车乱停乱放现象，有效进行实时监控，兼顾准确率和效率，为智慧园区的发展贡献力量。
[0028]具体的，如图1所示，该物流园区违规停车智能识别方法，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种物流园区违规停车智能识别方法，其特征在于，包括以下步骤：获取非机动车停放区域的监控图像；基于所述监控图像进行标签定义；其中，根据所述监控图像进行标签定义包括：基于获取的所述监控图像截取预设目标对象；基于截取的所述目标对象根据预设条件进行分类，将标签定义为电动车乱停乱放、私自拉线充电、地面不洁，共享单车占道和三轮车无序挤在一起五个类别；输出分类结果；基于所述标签定义结果，识别符合预设条件的监控图像；基于识别结果，将符合预设条件的监控图像显示在预设终端上。2.根据权利要求1所述的物流园区违规停车智能识别方法，其特征在于，所述获取非机动车停放区域的监控图像包括：在接收到预设信号时，启动预设图像采集设备采集所述监控图像；在所述监控图像满足预设条件时，获取所述监控图像。3.根据权利要求2所述的物流园区违规停车智能识别方法，其特征在于，在获取到非机动车停放区域的监控图像后，通过预设的监控设备，采集预设区域内的违规图像，将所述违规图像传输至预设的CoAtNets网络机制进行训练学习，构建对应的第一模型；其中，所述CoAtNets网络机制是基于神经结构搜索框架构建的图形分类架构；获取第一模型的第一权重信息，将所述第一权重信息传输至预设的语义分割网络进行蒸馏训练，分离若干个第二模型；其中，所述第二模型至少包括四个；通过所述第一模型和第二模型，部署违规停车智能识别分析机制，通过所述违规停车智能识别分析机制，对违规停车的违规情况进行识别和分类。4.根据权利要求1所述的物流园区违规停车智能识别方法，其特征在于，所述基于截取的所述目标对象根据预设条件进行分类包括：将卷积算法和自注意力算法拟合在一个基本计算块中；将所述计算块采用卷积
‑
卷积
‑
自注意力
‑
自注意力的方式垂直堆叠以形成CoAtNets网络；基于所述目标对象通过所述CoAtNets网络进行运算以获取分类结果。...

【专利技术属性】
技术研发人员：徐梦佳，李斯，杨周龙，
申请(专利权)人：上海东普信息科技有限公司，
类型：发明
国别省市：