[发明专利]一种基于路灯的路边停放管理系统

说明书

技术领域

本发明涉及车辆图像检测技术领域，尤其涉及一种基于路灯的路边停放管理系统

背景技术

随着经济的迅速发展，汽车的数量越来越多，因此对路边车辆停放的需求也越来越大，人们在车辆停放的过程中很难找到合适的位置进行停放，因此，人们在停车时，随意寻找空车位停放，甚至停放在非法的区域，给城市管理带来了一定的麻烦，以及造成交通堵塞，因此投入大量的人力物力进行监管，但由于停放车辆的区域面积较大，给监管人员带来了很大的难度，难以实现及时发现和处理，存在严重的管理隐患。

发明内容

本发明的目的在于：提供一种基于路灯的路边停放管理系统，解决现有路边非法停放问题严重以及发现处理不及时的问题。

本发明采用的技术方案如下：

一种基于路灯的路边停放管理系统，包括深度学习单元、道路检测单元和云数据平台，所述道路检测单元与路灯相结合，所述道路检测单元包括：

图像采集模块：通过摄像头对路旁车辆停放图像进行实时采集；

图像检测模块：将图像采集模块采集的图片输入到深度神经网络模型进行前向传播得到相关检测数据；

违规停放判定模块：对深度学习检测模块处理数据进行判定，判定车辆是否违规停放，并获取车辆实时位置和车牌号；

通信模块：将车辆检测与车辆违规判定结果传递到云数据平台。

进一步的，所述深度学习单元包括：

数据预处理模块：采集常见车型违规停放图片，并对采集的图片进行标注，形成训练集类别标签；

深度神经网络训练模块：将训练集类别标签进行处理、比对得到最终卷积神经网络模型。

进一步的，所述云数据平台包括:

通信模块：接收车辆检测与车辆违规判定结果信息；

信息存储模块：对接收到的车辆检测与车辆违规判定结果进行存储；

违规举报模块：将违规判定车辆信息发送到道路监管部门进行举报。

综上所述，由于采用了上述技术方案，本发明的有益效果是：

1、本发明中，利用深度学习训练模块，实现对路边车辆停放的实时监控。

2、通过对路边车辆进行实时监控和分析，能第一时间识别判定车辆是否违规停放，并进行举报。

3、通过对违规车辆进行拍照取证，便于城市监管人员进行违规处理。

附图说明

图1为本发明系统框图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。

实施例1

如图1所示，一种基于路灯的路边停放管理系统，包括深度学习单元、道路检测单元和云数据平台，所述道路检测单元与路灯相结合，所述道路检测单元包括：

图像采集模块：通过摄像头对路旁车辆停放图像进行实时采集；

图像检测模块：将图像采集模块采集的图片输入到深度神经网络模型进行前向传播得到相关检测数据；

违规停放判定模块：对深度学习检测模块处理数据进行判定，判定车辆是否违规停放，并获取车辆实时位置和车牌号；

通信模块：将车辆检测与车辆违规判定结果传递到云数据平台。

本方案中通过将道路检测单元和路口已有的路灯结合，由于每个路口都装有一定数量的路灯，因此便于对道路车辆的检测，且节约了实施成本，由于路灯高度较高，因此装配在路灯上的摄像头拍摄视角开阔。

道路检测单元工作具体流程如下：

图像采集：通过路灯上方摄像头对路边停放车辆图像进行实时采集。

车辆检测：将摄像头实时采集的图片输入到训练得到的神经网络模型中进行处理，并得出对应的特征标注。

违规停放判定：一般情况下，当神经网络模型判定车辆未违规停放时，违规停放判定设置为0，当判定违规停放时，违规停放判定设置为1。

信息传递：将车辆检测与车辆违规判定结果传递到道路监管部门云数据平台。

实施例2

在实施例1的基础上，所述深度学习单元包括：

数据预处理模块：采集常见车型违规停放图片，并对采集的图片进行标注，形成训练集类别标签；

深度神经网络训练模块：将训练集类别标签进行处理、比对得到最终卷积神经网络模型。