[发明专利]一种用于停车异常检测预警方法及系统

说明书

本申请涉及车辆监测技术领域，提供了一种用于停车异常检测预警方法及系统，包括：获得道路图像数据；对道路图像数据进行预处理，获得道路图像处理结果；构建异常停车识别模型；对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；基于车辆位置获得异常停车危险级别；获得异常车辆画像信息；基于异常停车危险级别和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。能够解决通过人工对交通影像数据进行异常停车行为识别效率和准确率低的问题，可以提高异常停车行为检测的准确率和效率，通过生成预警信息进行异常预警，从而可以降低交通事故发生的概率。

技术领域

本申请涉及车辆监测技术领域，具体涉及一种用于停车异常检测预警方法及系统。

背景技术

随着人们生活水平的提高，家用轿车的数量也越来越多，随之而来的是日益严重的交通拥堵问题和日渐增多的交通事故。目前存在的交通拥堵问题和交通事故大部分是由于违规停车、乱停乱放等现象造成的。传统的停车异常识别通常是通过人工对已有的交通影像数据进行识别，这种方法很大程度上降低了交通异常识别的效率和准确率，也影响了后期的处理速度。

综上所述，现有技术中存在通过人工对交通影像数据进行异常停车行为识别效率和准确率低的问题。

发明内容

基于此，有必要针对上述技术问题，提供一种用于停车异常检测预警方法及系统。

一种用于停车异常检测预警方法，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。

在一个实施例中，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。

在一个实施例中，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。

在一个实施例中，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。

在一个实施例中，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。