公路监控车辆检测系统技术方案

一种公路监控车辆检测系统，包括监控摄像机、控制箱以及网络设备；控制箱、位于监控摄像机所在位置的路旁；监控摄像机与控制箱内的网络设备连接，把拍摄到的视频通过网络设备向外传输。还包括检测模块，检测设备以计算机为核心；网络设备包括无线和/或有线通信模块，以及网络交换机；网络交换机还连接存储器；监控摄像机以及检测模块通过网线连接网络交换机；监控摄像机的视频通过网络交换机传给存储器；检测模块从存储器中调取所需视频流并截取单帧图片；所述检测模块包括定位单元和识别单元；所述定位单元得到车牌的位置信息；所述识别单元输出车牌文字。检测设备获取的车辆图片以及对应车牌文字信息存储到存储器中，供管理端调取。取。取。

【技术实现步骤摘要】
公路监控车辆检测系统


[0001]本专利技术涉及一种公路监控车辆检测系统，本系统通过检测视频检测车辆以及相应车牌，并进行识别，最后输出识别结果以及车辆图像。

技术介绍

[0002]传统的公路监控车辆检测主要是识别车辆的车牌并对应其违法信息。由于交通法律法规的更新完善，违法的种类也较多，除了传统的车辆违法之外，对司乘人员的行为也做出了规范。这就要求检测车辆照片与车牌相对应，为提高监督效率提供技术支撑。同时，由于公路监控系统建设已完成，如何低成本、高效地利用既有硬件设备实现新的功能，是需要解决的问题。

技术实现思路

[0003]为了解决现有技术中存在的上述问题，本专利技术提出一种公路监控车辆检测系统，本系统可以在现有公路监控系统的基础上增设检测模块来实现，也可以新建本专利技术的公路监控系统。本技术方案如下：
[0004]一种公路监控车辆检测系统，包括监控摄像机、控制箱以及网络设备；控制箱位于监控摄像机所在位置的路旁；监控摄像机与控制箱内的网络设备连接，把拍摄到的视频通过网络设备向外传输，其特征是还包括检测模块，检测设备以计算机为核心；
[0005]网络设备包括无线和/或有线通信模块，以及网络交换机；网络交换机还连接存储器；
[0006]监控摄像机以及检测模块通过网线连接网络交换机；监控摄像机的视频通过网络交换机传给存储器；检测模块从存储器中调取所需视频流并截取单帧图片；
[0007]所述检测模块包括定位单元和识别单元；
[0008]所述定位单元中：
[0009]首先对截取的单帧图片进行增强；
[0010]再采用车辆检测模型从增强的图片中获得车辆检测区域；
[0011]然后，根据车辆检测区域对原始的单帧图片进行裁剪，得到车辆部分的图片，再对车辆部分的图片进行增强；
[0012]最后，使用车牌检测模型对增强的车辆部分的图片进行检测，得到车牌的位置信息；
[0013]所述识别单元中：
[0014]首先根据车牌的位置信息，在车辆部分的图片截取车牌图片；
[0015]再用车牌识别模型识别车牌图片中的文字、字母以及数字信息；
[0016]最后根据车牌字符的编码，输出车牌文字。
[0017]检测设备获取的车辆图片以及对应车牌文字信息存储到存储器中，供管理端调取。
[0018]本系统把车辆车牌检测以及车牌识别功能从原检测系统中剥离出来，并采用神经网络技术对视频流图片进行处理，得到结果供管理端调取，减少了系统其它部分的运算量，减少了管理端与现场端之间的网络传输数据量。
附图说明
[0019]图1是公路监控车辆检测系统示意图。
具体实施方式
[0020]如图1，一种公路监控车辆检测系统，包括监控摄像机、控制箱以及网络设备；控制箱位于监控摄像机所在位置的路旁；监控摄像机与控制箱内的网络设备连接，把拍摄到的视频通过网络设备向外传输。还包括检测模块，检测设备是以CPU和GPU为核心的计算机系统。
[0021]网络设备包括无线和/或有线通信模块，以及网络交换机；网络交换机还连接存储器；无线、有线通信模块均可采用既有的成熟通信技术，例如4G、5G或有线网络传输技术。
[0022]监控摄像机以及检测模块通过网线连接网络交换机；监控摄像机的视频通过网络交换机传给存储器；检测模块从存储器中调取所需视频流并截取单帧图片；
[0023]所述检测模块包括定位单元和识别单元；
[0024]所述定位单元中：
[0025]首先对截取的单帧图片进行增强；
[0026]再采用车辆检测模型从增强的图片中获得车辆检测区域；
[0027]然后，根据车辆检测区域对原始的单帧图片进行裁剪，得到车辆部分的图片，再对车辆部分的图片进行增强；
[0028]最后，使用车牌检测模型对增强的车辆部分的图片进行检测，得到车牌的位置信息；
[0029]所述识别单元中：
[0030]首先根据车牌的位置信息，在车辆部分的图片截取车牌图片；
[0031]再用车牌识别模型识别车牌图片中的文字、字母以及数字信息；
[0032]最后根据车牌字符的编码，输出车牌文字。
[0033]检测设备获取的车辆图片以及对应车牌文字信息存储到存储器中，供管理端调取。
[0034]具体到本实施例：
[0035]定位单元中：
[0036]1)通过opencv读取视频流，截取单帧图片。
[0037]2)对图像进行HSV增强，其中H通道增强参数为0.014，S通道增强参数为0.68，V通道增强参数为0.36，将图像处理为416
×
416
×
3，先将图片以最长边与416的比值进行缩放，然后在短边方向补0像素，采取这种缩放方式不会改变图像的原比例。
[0038]3)使用DETRAC数据集训练大尺度YOLOv5车辆检测网络设置参数：网络深度参数为0.33，网络宽度参数为0.5，学习率learning_rate为0.01，随机梯度下降动量参数momentum为0.937，权重衰减为0.0005。设置YOLOv5车辆检测损失函数公式为：
[0039]L＝L
car_conf
+L
car_loc
[0040]其中，L
car_conf
为车辆目标置信度损失，L
car_loc
为车辆目标定位损失，由于只有车辆检测类别，因此没有类别损失。
[0041]表1是大尺度YOLOv5网络参数信息
[0042][0043][0044]4)使用CCPD2020数据集训练小尺度YOLOv5车牌检测网络设置参数：网络深度参数为0.2，网络宽度参数为0.25，学习率learning_rate为0.01，随机梯度下降动量参数momentum为0.937，权重衰减为0.0005。设置YOLOv5车牌检测损失函数公式为：
[0045]L＝L
LP_conf
+L
LP_loc
[0046]其中，L
LP_conf
为车牌目标置信度损失，L
LP_loc
为车牌目标定位损失。
[0047]表2小尺度YOLOv5网络参数信息
[0048][0049][0050]5)构建训练好的大尺度YOLOv5神经网络检测车辆，对输入图像进行检测，得到车辆检测ROI。
[0051]6)用检测ROI对原始输入图像进行裁剪，得到图像中的车辆部分，采用步骤2)的图像处理方法对车辆图片逐个处理。
[0052]7)构建训练好的小尺度YOLOv5神经网络检测车牌，对车辆图片逐个进行检测，得到每个车辆的车牌检测坐标。
[0053]8)将车牌检测的坐标映射回输入图片，实现在图片中的车辆车牌检测定位。
[0054]定位单元的设计，是通过大尺度YOLOv5检测出公路视频中的车辆，并以检测框为ROI，对框内本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种公路监控车辆检测系统，包括监控摄像机、控制箱以及网络设备；控制箱、位于监控摄像机所在位置的路旁；监控摄像机与控制箱内的网络设备连接，把拍摄到的视频通过网络设备向外传输，其特征是还包括检测模块，检测设备以计算机为核心；网络设备包括无线和/或有线通信模块，以及网络交换机；网络交换机还连接存储器；监控摄像机以及检测模块通过网线连接网络交换机；监控摄像机的视频通过网络交换机传给存储器；检测模块从存储器中调取所需视频流并截取单帧图片；所述检测模块包括定位单元和识别单元；所述定位单元中：首先对截取的单帧图片进行增强；再采用车辆检测模型从增强的图片中获得车辆检测区域；然后，根据车辆检测区域对原始的单帧图片进行裁剪，得到车辆部分的图片，再对车辆部分的图片进行增强；最后，使用车牌检测模型对增强的车辆部分的图片进行检测，得到车牌的位置信息；所述识别单元中：首先根据车牌的位置信息，在车辆部分的图片截取车牌图片；再用车牌识别模型识别车牌图片中的文字、字母以及数字信息；最后根据车牌字符的编码，输出车牌文字；检测设备获取的车辆图片以及对应车牌文字信息存储到存储器中，供管理端调取。2.根据权利要求1所述的公路监控车辆检测系统，其特征是所述定位单元中：车辆检测模型是大尺度YOLOv5网络，车牌检测模型是小尺度YOLOv5网络；所述识别单元中：...

【专利技术属性】
技术研发人员：张正，田青，
申请(专利权)人：北方工业大学，
类型：发明
国别省市：