[发明专利]一种智慧加油站预警系统在审

专利信息
申请号: 202211164486.3 申请日: 2022-09-23
公开(公告)号: CN115546992A 公开(公告)日: 2022-12-30
发明(设计)人: 孙学真 申请(专利权)人: 苏州元极智能科技有限公司
主分类号: G08B21/02 分类号: G08B21/02;G08B31/00;H04L67/025;H04L67/12;H04L67/52;H04N7/18;G06V10/764;G06V10/774;G06V20/40;G06V20/62;G06V40/20
代理公司: 苏州根号专利代理事务所(普通合伙) 32276 代理人: 项丽
地址: 215000 江苏省苏州*** 国省代码: 江苏;32
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 智慧 加油站 预警系统
【权利要求书】:

1.一种智慧加油站预警系统,包括设置于所述的加油站各个区域用来获取视频数据的摄像头、与所述的摄像头相通信连接的智能盒分析服务器,其特征在于:所述的智能盒分析服务器包括:

人员/车辆检测模块、车牌及加油站台号识别模块、人员行为识别分析模块、业务分析调度模块、web界面展示模块;

所述的人员/车辆检测模块根据训练数据进行建模,得到人员位置框、车辆位置框、车牌位置框、火焰位置框以及加油站台号位置框等信息,以根据实际场景中摄像头采集的视频数据输出相应的检测框信息;

所述车牌及加油站台号识别模块和人员行为识别分析模块用于获取人员/车辆检测模块输出的信息进行识别以得到实际场景中的车牌号、加油站台号、人员行为等进行识别分析;

所述业务分析调度模块根据所述车牌及加油站台号识别模块和人员行为识别分析模块得到的分析结果,推送到所述web界面展示模块进行展示,根据识别信息判断是否发出预警。

2.根据权利要求1所述的一种智慧加油站预警系统,其特征在于:所述的人员/车辆检测模块,其基于优化的backbone和CenterNet网络结构,对训练数据进行增强操作,并对实景数据采用边缘计算提高实际场景下的人员、车辆以及车牌的检测准确度。

3.根据权利要求2所述的一种智慧加油站预警系统,其特征在于:所述的数据增强操作包括图像缩放、图像放射变换、图像颜色空间变换中的一种或多种,以增加训练样本的丰富性。

4.根据权利要求2所述的一种智慧加油站预警系统,其特征在于:所述的优化的backbone和CenterNet网络结构及检测方法如下:

(1)所述的backbone由a个卷积层,b个池化层、c个bn层以及d个concat层组成,删除所述centernet网络中FPN结构,改变网络结构中输入图形的尺寸,以降低网络整体的计算量;

(2)对训练数据形成的ImageNet数据集进行一个分类网络的训练,得到一个初始的分类模型;

(3)在所述的分类模型基础上,进行数据调整,基于加油站真实场景图像增广后的数据,得到最终的检测模型,从而输出相应的检测结果。

5.根据权利要求1所述的一种智慧加油站预警系统,其特征在于:所述的车牌及加油站台号识别模块,通过所述的人员/车辆检测模块得到车牌位置框以及加油站展台号位置框,采用如下步骤建立识别模型:

(1)基于所述人员/车辆检测模块得到的初始的分类模型,拼接上Istm和结合ctc loss结构,识别网络结构;

(2)采用真实车牌数据以及加油站站台数据,和仿真生成的数据,形成最终的训练数据;

(3)基于优化后的网络结构,对分类模型进行优化,得到最终的识别模型,在实际检测时,基于该识别模型输出识别结果。

6.根据权利要求1所述的一种智慧加油站预警系统,其特征在于:所述的人员行为识别分析模块,通过所述的人员/车辆检测模块得到人员位置框后采用如下步骤建立人员行为识别模型:

(1)基于mobilenet-v3结构基础上进行网络优化,修改网络的输入分辨率,删除部分层结构,拼接人员行为的多个分支结构;

(2)在优化的网络结构上,对预设数据集进行预训练,得到分类模型;

(3)对加油站场景中的人员行为进行数据标定,包括但不限于打电话、抽烟、人员离岗、打瞌睡情景;

(4)利用标定好的数据,以及搭建好的网络结构,调整得到的分类模型并进行训练,得到最终的人员行为识别分析模型。

7.根据权利要求1所述的一种智慧加油站预警系统,其特征在于:所述的web界面展示模块还具有功能选择、模式选择以及相机配置在内的其他相关配置。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于苏州元极智能科技有限公司,未经苏州元极智能科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202211164486.3/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top