CN106780246A - 一种智能车辆管理系统 - Google Patents
一种智能车辆管理系统 Download PDFInfo
- Publication number
- CN106780246A CN106780246A CN201611069179.1A CN201611069179A CN106780246A CN 106780246 A CN106780246 A CN 106780246A CN 201611069179 A CN201611069179 A CN 201611069179A CN 106780246 A CN106780246 A CN 106780246A
- Authority
- CN
- China
- Prior art keywords
- information
- vehicles
- cloud service
- vehicle
- administrative center
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000012545 processing Methods 0.000 claims abstract description 11
- 238000004891 communication Methods 0.000 claims abstract description 4
- 230000002452 interceptive effect Effects 0.000 claims abstract description 4
- 238000012423 maintenance Methods 0.000 claims description 2
- 230000005540 biological transmission Effects 0.000 abstract description 2
- 230000004927 fusion Effects 0.000 description 14
- 238000011156 evaluation Methods 0.000 description 10
- 230000009466 transformation Effects 0.000 description 9
- 238000006243 chemical reaction Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 238000005259 measurement Methods 0.000 description 4
- 230000002068 genetic effect Effects 0.000 description 3
- 238000000844 transformation Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000000034 method Methods 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 238000013441 quality evaluation Methods 0.000 description 2
- 238000007619 statistical method Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10048—Infrared image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20212—Image combination
- G06T2207/20221—Image fusion; Image merging
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30236—Traffic on road, railway or crossing
Landscapes
- Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种智能车辆管理系统,包括车辆信息获取子系统、智能用户终端、以及分别与车辆信息获取子系统和智能用户终端进行无线通信的云服务管理中心;其中,所述车辆信息获取子系统用于获取车辆的车辆信息,并将车辆信息发送至云服务管理中心,或者从云服务管理中心获取控制指令;所述智能用户终端,从云服务管理中心获取车辆信息,并发送控制指令至云服务管理中心;所述云服务管理中心,用于接收和处理车辆信息获取子系统的车辆信息和智能用户终端的控制指令,并分别向车辆信息获取子系统和智能用户终端发送交互信息。本发明使用户通过智能用户终端了解车辆信息,并对其车辆进行控制,方便用户对车辆进行实时了解及控制。
Description
技术领域
本发明涉及车辆管理领域,具体涉及一种智能车辆管理系统。
背景技术
相关技术中,对车辆的管理(尤其是对摩托车的管理),用的比较多的是对车辆的安防、监控等的简单管理,无法实现对摩托车等车辆的智能化远程管理控制。
发明内容
为解决上述问题,本发明旨在提供一种智能车辆管理系统。
本发明的目的采用以下技术方案来实现:
一种智能车辆管理系统,包括车辆信息获取子系统、智能用户终端、以及分别与车辆信息获取子系统和智能用户终端进行无线通信的云服务管理中心;其中,所述车辆信息获取子系统用于获取车辆的车辆信息,并将车辆信息发送至云服务管理中心,或者从云服务管理中心获取控制指令;所述智能用户终端,从云服务管理中心获取车辆信息,并发送控制指令至云服务管理中心;所述云服务管理中心,用于接收和处理车辆信息获取子系统的车辆信息和智能用户终端的控制指令,并分别向车辆信息获取子系统和智能用户终端发送交互信息。
本发明的有益效果为:通过车辆信息获取子系统采集车辆信息并发送至云服务管理中心,云服务管理中心进行统计分析并将其结果共享给智能用户终端,进而使用户通过智能用户终端了解车辆信息,并对其车辆进行控制,方便用户对车辆进行实时了解及控制。
附图说明
利用附图对本发明作进一步说明,但附图中的实施例不构成对本发明的任何限制,对于本领域的普通技术人员,在不付出创造性劳动的前提下,还可以根据以下附图获得其它的附图。
图1是本发明的结构连接示意图;
图2是本发明图像处理装置的结构连接示意图。
附图标记:
车辆信息获取子系统1、智能用户终端2、云服务管理中心3、图像处理装置4、图像获取单元11、图像预处理单元12、图像融合单元13、图像评价单元14。
具体实施方式
结合以下实施例对本发明作进一步描述。
参见图1、图2,本实施例的一种智能车辆管理系统包括车辆信息获取子系统1、智能用户终端2、以及分别与车辆信息获取子系统1和智能用户终端2进行无线通信的云服务管理中心3;其中,所述车辆信息获取子系统1用于获取车辆的车辆信息,并将车辆信息发送至云服务管理中心3,或者从云服务管理中心3获取控制指令;所述智能用户终端2,从云服务管理中心3获取车辆信息,并发送控制指令至云服务管理中心3;所述云服务管理中心3,用于接收和处理车辆信息获取子系统1的车辆信息和智能用户终端2的控制指令,并分别向车辆信息获取子系统1和智能用户终端2发送交互信息。
优选的,所述车辆信息包括车辆行驶信息、车辆状态信息、车辆位置信息、车辆图像信息、车辆保养信息。
优选的,所述云服务管理中心3包括用于处理所述车辆图像信息的图像处理装置4。
本发明上述实施例通过车辆信息获取子系统1采集车辆信息并发送至云服务管理中心3,云服务管理中心3进行统计分析并将其结果共享给智能用户终端2,进而使用户通过智能用户终端2了解车辆信息,并对其车辆进行控制,方便用户对车辆进行实时了解及控制。
优选的,所述图像处理装置4包括图像获取单元11、图像预处理单元12、图像融合单元13和图像评价单元14;所述图像获取单元11用于获取关于车辆图像信息的源可见光图像和源红外图像;所述图像预处理单元12对聚焦不同的源可见光图像和源红外图像进行图像配准;所述图像融合单元13用于对配准后的图像进行融合处理;所述图像评价单元14用于对融合后的图像进行评价,选择评价合格的图像作为最终的图像。
本优选实施例设计了图像处理装置4的单元架构,从而实现车辆图像处理的功能。
优选的,所述图像获取单元11在采集时淘汰低质量的图像,其建立图像质量评价函数采用了主观评价和客观评价相结合的方式:
式中,b1、b2、b3为各种评价因素所占比重,b1<b2<b3且b1+b2+b3=1,Fi为第i次通过主观评价而给予图像的分数,Zi为第i次通过客观评价而给予图像的分数,x表示图像的峰值信噪比,N为进行主观评价的次数,G为进行客观评价的次数。
本优选实施例引入图像质量评价函数,能够剔除质量差的图像,提高车辆图像的后期处理效率。
优选的,所述图像预处理单元12包括线段特征子模块、投影变换子模块、度量子模块和遗传计算子模块;所述线段特征子模块以源红外图像作为参考图像,源可见光图像作为待配准图像,检测源可见光图像的线段特征作为配准的依据;所述投影变换子模块:采用投影变换对源可见光图像中的线段特征实施变换,变换参数构成的矢量为所述度量子模块:采用基于方向一致性的度量准则构建度量函数,度量源红外图像线段特征和变换后的源可见光图像线段特征的相似性,如果满足预设要求,则返回参数若不满足要求,则转入参数更新模块;所述遗传计算子模块采用遗传算法对进行更新。本优选实施例在融合前对车辆图像进行配准,极大的提高了融合效率。
优选的,所述图像融合单元13包括:
(1)HSV变换子模块:用于对预处理后的源可见光图像进行HSV变换并提取色调分量H、饱和度分量S和明度分量V;
(2)分量获取子模块:用于将预处理后的源红外图像和明度分量V分别作二代Curvelet变换,以得到各自在(x,y)位置的低频分量和高频分量,在此设源红外图像对应的低频分量为Dy(x,y)、高频分量为Gy(x,y);明度分量V对应的低频分量为DV(x,y),高频分量为GV(x,y);
(3)融合子模块,包括低频分量融合单元和高频分量融合单元:
A、低频分量融合单元,用于对所述低频分量Dy(x,y)、DV(x,y)进行融合,融合后的低频分量DyV(x,y)为:
a、若Dy(x,y)=0或DV(x,y)=0时:
DyV(x,y)=Dy(x,y)+DV(x,y);
b、若Dy(x,y)≠0或DV(x,y)≠0时:
B、高频分量融合单元,用于对高频分量Gy(x,y)、GV(x,y)进行融合,所述高频分量融合单元对高频分量My(x,y)、MV(x,y)进行融合时,引入匹配测度因子:
其中,F=1,...ψ,,其中,F=1,...ψ,F表示二代Curvelet变换的分解级数,ψ为二代Curvelet变换的最大分解级;F=1,...ψ-1时,为计算的源可见光图像的像素点信息质量均值,为源红外图像的像素点信息质量均值;F=ψ时,为源可见光图像中高频子带与低频子带的方向对比度,为源红外图像中高频子带与低频子带的方向对比度;
表示源可见光图像在最高分辨率λ下、α方向上、3×3窗口内的区域信号强度;表示源红外图像在最高分辨率λ下、α方向上、3×3窗口内的区域信号强度;
若Pj(x,y)≤T,则融合后的高频分量GyV(x,y)的选取公式为:
若Pj(x,y)>T,则融合后的高频分量GyV(x,y)的选取公式为:
a、时:
b、时:
其中,T为设定的阈值;
(4)二代Curvelet逆变换子模块,用于对融合后的低频分量DyV(x,y)和融合后的高频分量GyV(x,y)进行二代Curvelet逆变换,以获得新的明度分量VΩ;
(5)HSV逆变换子模块,用于对H、S、VΩ三个分量做HSV逆变换,最终得到融合图像Q。
发明人采用本实施例进行了一系列测试,以下是进行测试得到的实验数据:
车辆图像信息 | 图像点锐度 | 识别率 |
固定车辆车牌号码 | 86.29 | 100% |
活动车辆车牌号码 | 83.99 | 99% |
固定车辆上人体目标 | 82.39 | 96% |
活动车辆上人体目标 | 80.95 | 94% |
本优选实施例结合低频分量融合单元和高频分量融合单元,对高频分量和低频分量采用不同的融合公式进行融合,更具有针对性,能够较好地描述车辆图像中的目标特征信息;引入加权因子来计算融合后的高频分量,能够较好地保留源图像中的有用信息;引入匹配测度因子来计算融合后的高频分量,充分提取了源红外图像的热目标特征信息与源可见光图像丰富的背景特征信息,融合图像细节清晰、边缘平滑,具有更佳的融合性能和视觉效果。
优选的,所述图像评价单元14包括:
(1)第一评价单元:采用第一评估因子P1对融合效果进行评估:
P1=(R1-I0)(R1-V0)
其中,R1为融合后图像的辨识率,I0为融合前源红外图像的辨识率,V0为融合前源可见光图像的辨识率;当P1>0,判定融合效果合格;
(2)第二评价单元:采用第二评估因子P2对融合速度进行评估:
P2=(T1-I1)(T1-V1)
其中,T1为融合后图像的辨识时间,I1为融合前源红外图像的辨识时间,V1为融合前源可见光图像的辨识时间;
若P2<0,则融合速度合格。
本优选实施例能够切实提高车辆图像处理的实用性。
结合上述实施例,对采集的车辆图像的融合效果相对提高了30%,融合速度相对提高了10%。
最后应当说明的是,以上实施例仅用以说明本发明的技术方案,而非对本发明保护范围的限制,尽管参照较佳实施例对本发明作了详细地说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本发明技术方案的实质和范围。
Claims (3)
1.一种智能车辆管理系统,其特征是:包括车辆信息获取子系统、智能用户终端、以及分别与车辆信息获取子系统和智能用户终端进行无线通信的云服务管理中心;其中,所述车辆信息获取子系统用于获取车辆的车辆信息,并将车辆信息发送至云服务管理中心,或者从云服务管理中心获取控制指令;所述智能用户终端,从云服务管理中心获取车辆信息,并发送控制指令至云服务管理中心;所述云服务管理中心,用于接收和处理车辆信息获取子系统的车辆信息和智能用户终端的控制指令,并分别向车辆信息获取子系统和智能用户终端发送交互信息。
2.根据权利要求1所述的一种智能车辆管理系统,其特征是:所述车辆信息包括车辆行驶信息、车辆状态信息、车辆位置信息、车辆图像信息、车辆保养信息。
3.根据权利要求2所述的一种智能车辆管理系统,其特征是:所述云服务管理中心包括用于处理所述车辆图像信息的图像处理装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611069179.1A CN106780246A (zh) | 2016-11-28 | 2016-11-28 | 一种智能车辆管理系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611069179.1A CN106780246A (zh) | 2016-11-28 | 2016-11-28 | 一种智能车辆管理系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106780246A true CN106780246A (zh) | 2017-05-31 |
Family
ID=58904121
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611069179.1A Pending CN106780246A (zh) | 2016-11-28 | 2016-11-28 | 一种智能车辆管理系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106780246A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110111581A (zh) * | 2019-05-21 | 2019-08-09 | 哈工大机器人(山东)智能装备研究院 | 目标识别方法、装置、计算机设备及存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103870931A (zh) * | 2014-03-17 | 2014-06-18 | 龙岩市海德馨汽车有限公司 | 特种车辆智能管理服务系统及服务方法 |
CN104517455A (zh) * | 2015-01-12 | 2015-04-15 | 重庆银钢科技(集团)有限公司 | 智能车辆管理系统 |
CN104802734A (zh) * | 2015-04-25 | 2015-07-29 | 深圳市几米电子有限公司 | 智能车辆管理系统及方法 |
-
2016
- 2016-11-28 CN CN201611069179.1A patent/CN106780246A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103870931A (zh) * | 2014-03-17 | 2014-06-18 | 龙岩市海德馨汽车有限公司 | 特种车辆智能管理服务系统及服务方法 |
CN104517455A (zh) * | 2015-01-12 | 2015-04-15 | 重庆银钢科技(集团)有限公司 | 智能车辆管理系统 |
CN104802734A (zh) * | 2015-04-25 | 2015-07-29 | 深圳市几米电子有限公司 | 智能车辆管理系统及方法 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110111581A (zh) * | 2019-05-21 | 2019-08-09 | 哈工大机器人(山东)智能装备研究院 | 目标识别方法、装置、计算机设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107483920B (zh) | 一种基于多层级质量因子的全景视频评估方法及系统 | |
CN109543640B (zh) | 一种基于图像转换的活体检测方法 | |
Chen et al. | Haze removal using radial basis function networks for visibility restoration applications | |
CN109800710B (zh) | 行人重识别系统及方法 | |
CN108109385A (zh) | 一种输电线防外破的车辆识别与危险行为判别系统与方法 | |
CN107133575A (zh) | 一种基于时空特征的监控视频行人重识别方法 | |
CN106758712A (zh) | 一种城市道路路面日常巡检装置 | |
CN108197669B (zh) | 卷积神经网络的特征训练方法及装置 | |
CN104143091B (zh) | 基于改进mLBP的单样本人脸识别方法 | |
CN108710896A (zh) | 基于产生式对抗学习网络的领域学习方法 | |
CN112001950B (zh) | 一种基于目标检测与特征提取结合模型的多目标跟踪算法 | |
CN113947555A (zh) | 基于深度神经网络的红外与可见光融合的视觉系统及方法 | |
CN110351548B (zh) | 一种深度学习及视差图加权指导的立体图像质量评价方法 | |
CN111291669A (zh) | 一种双通道俯角人脸融合校正gan网络及人脸融合校正方法 | |
Yeh et al. | Single image dehazing via deep learning-based image restoration | |
Cheng et al. | Enhancement of weakly illuminated images by deep fusion networks | |
Swami et al. | Candy: Conditional adversarial networks based fully end-to-end system for single image haze removal | |
Zhang et al. | MSGAN: generative adversarial networks for image seasonal style transfer | |
CN108875555A (zh) | 基于神经网络的视频兴趣区域和显著目标提取与定位系统 | |
CN114187221A (zh) | 基于自适应权重学习的红外与可见光图像融合方法 | |
CN110222647B (zh) | 一种基于卷积神经网络的人脸活体检测方法 | |
CN106780246A (zh) | 一种智能车辆管理系统 | |
CN112232292B (zh) | 应用于移动端的人脸检测方法及装置 | |
CN113628143A (zh) | 一种基于多尺度卷积的加权融合图像去雾方法及装置 | |
CN110503049B (zh) | 基于生成对抗网络的卫星视频车辆数目估计方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170531 |