[发明专利]一种用于停车异常检测预警方法及系统

权利要求书

1.一种用于停车异常检测预警方法，其特征在于，所述方法包括：

连接目标区域道路监测系统，获得预设时间窗口内所述目标区域的道路图像数据；

对所述道路图像数据进行预处理，获得道路图像处理结果；

基于卷积神经网络构建异常停车识别模型；

通过所述异常停车识别模型对所述道路图像处理结果进行异常停车识别，获得异常停车识别结果，其中所述异常停车识别结果包括车辆位置信息、异常停车状态、车辆信息；

基于所述车辆位置信息对所述异常停车状态进行危险等级划分，获得异常停车危险级别；

将所述车辆信息输入所述目标区域车联网系统，获得异常车辆画像信息；

基于异常停车危险级别和所述异常车辆画像信息生成预警信息，并将所述预警信息发送至车主和目标区域交通负责人。

2.如权利要求1所述的方法，其特征在于，所述对所述道路图像数据进行预处理，获得道路图像处理结果，还包括：

获得最近一次所述预设时间窗口内所述目标区域的道路图像数据，并将所述道路图像数据作为图像对比数据；

基于所述图像对比数据对所述道路图像数据进行去噪处理，获得道路图像去噪数据；

对所述道路图像去噪数据进行的图像增强处理，获得所述道路图像处理结果。

3.如权利要求1所述的方法，其特征在于，所述基于卷积神经网络构建异常停车识别模型，还包括：

所述异常停车识别模型包括异常停车识别子模型和车辆特征提取子模型；

基于BP神经网络，构建异常停车识别子模型；

所述异常停车识别子模型包括违停区域判断模块和违停区域异常停车识别模块；

通过图像采集装置获得所述目标区域的违停区域多角度的图像信息，根据所述图像信息构建区域样本数据集；

通过所述区域样本数据集对所述异常停车识别子模型进行监督训练，获得所述违停区域判断模块；

基于大数据进行多种违停车辆图像信息采集，根据违停车辆图像信息采集结果构建车辆样本数据集；

通过所述车辆样本数据集对所述违停区域异常停车识别模块进行监督训练，获得所述违停区域异常停车识别模块。

4.如权利要求3所述的方法，其特征在于，所述方法还包括：

基于卷积神经网络，构建所述车辆特征提取子模型；

所述车辆特征提取子模型包括输入层、卷积层和输出层，其中所述输入层与所述异常停车识别子模型相连接；

根据历史车辆图像信息和历史车辆图像特征提取结果构建样本数据集；

通过所述样本数据集对所述车辆特征提取子模型进行监督训练，获得特征提取卷积核，并将所述特征提取卷积核嵌入所述车辆特征提取子模型的卷积层。

5.如权利要求1所述的方法，其特征在于，所述基于所述车辆位置信息对所述异常停车状态进行危险等级划分，获得异常停车危险级别，还包括：

对所述目标区域的违停区域进行违停危险等级划分，获得违停区域危险等级；

根据所述违停区域危险等级对所述车辆位置进行危险等级匹配，获得所述车辆位置违停危险等级；

基于所述车辆位置违停危险等级和所述车辆信息对所述异常停车状态进行危险等级划分，获得所述异常停车危险级别。

6.如权利要求1所述的方法，其特征在于，所述将所述车辆信息输入所述目标区域车联网系统，获得异常车辆画像信息，还包括：

对所述目标区域历史违停事件的车辆信息进行查询并记录，获得历史违停车辆信息集合；

根据所述历史违停车辆信息集合构建违停车辆画像数据库，并将所述违停车辆数据库嵌入所述目标区域车辆网系统；

将所述车辆信息输入所述目标区域车辆网系统，通过所述车辆画像数据库进行信息匹配，获得所述异常车辆画像信息。