[发明专利]分布式车载实时智能违章抓拍上报系统

权利要求书

1.分布式车载实时智能违章抓拍上报系统，其特征在于,包括摄像头传感模块、数据处理模块和车联网模块，

所述摄像头传感模块负责采集车辆前方的图像视频数据，形成视频数据流并传输给数据处理模块；

所述数据处理模块负责视频数据流和计算能力之间的负载均衡，将视频数据流转换为能被即时处理的图片数据并存在缓存中，然后采用卷积神经网络对缓存的图片数据进行违章识别，最终得到是否违章结果；

所述车联网模块负责将处理后得到的违章信息上报给服务器端。

2.根据权利要求1所述的分布式车载实时智能违章抓拍上报系统，其特征在于，所述数据处理模块根据后续图片数据分析处理的实时负载情况，按时间间隔I将视频流转存为图片数据，放入缓存中，时间间隔I按下式计算：

I＝I_init+a*S+b*P+c*E

式中：

I_init代表初始的时间间隔；

S为缓存使用情况；

P为当前识别算法的进度；

E为当前车辆所处的环境信息；

a为缓存使用情况对时间间隔的影响系数；

b为当前识别算法的进度影响系数；

c为当前车辆所处的环境信息影响系数。

3.根据权利要求1所述的分布式车载实时智能违章抓拍上报系统，其特征在于，所述卷积神经网络的训练过程如下：输入层的数据为各种违章图片数据，通过卷积池化层进行特征提取，通过全连接层进行加权融合，最终输出向量代表不同类型的违章结果。

4.根据权利要求3所述的分布式车载实时智能违章抓拍上报系统，其特征在于，卷积神经网络的训练过程，隐藏层激活函数使用修正线性单元ReLU(x)：

ReLU(x)函数的输入值x代表隐藏层某个单元的加权后输入；

输出层激活函数为多分类问题，使用Softmax函数计算每个分类的概率，计算公式如下：

Si为当前分类的、归一化之后的概率概率，分子ei为向量中第i个元素的以e为底的指数形式，分母对ej求和，是对向量中所有元素求以e为底的指数的总和；

最终的损失函数为：

Loss＝-∑_iy_ilna_i；

其中yi为正确的分类结果值，ai为通过当前卷积神经网络计算得到的分类结果值。

5.根据权利要求4所述的分布式车载实时智能违章抓拍上报系统，其特征在于，所述数据处理模块对各种违章图片数据训练完成后，对实际采集到的图片数据进行违章识别，如果存在违章行为则保存该违章图片，对图片信息中的违章车辆车牌信息进行识别，生成对应的违章信息简报，和违章图片一起通过车联网模块上报服务器端，进入下一张图片信息的违章识别；如果没有发现违章行为，同样进入下一张图片的识别流程，如此反复直至缓存中的图片为空。

6.根据权利要求1所述的分布式车载实时智能违章抓拍上报系统，其特征在于，所述摄像头传感模块、数据处理模块和车联网模块均安装在车辆上，所述车联网模块通过无线网络与所述服务器端通信。

7.根据权利要求1所述的分布式车载实时智能违章抓拍上报系统，其特征在于，所述摄像头传感模块包括摄像头，所述摄像头安装在车辆前挡风玻璃处。