CN108269407A - 一种自动管理人流、物流的安防机器人 - Google Patents

Abstract

本发明公开了一种自动管理人流、物流的安防机器人，属于车辆管理系统领域。所述的自动管理人流、物流的安防机器人包括对车辆进行管理的车辆管理系统，所述的车辆管理系统包括具有对车辆进出进行统计的车辆统计模块，对车辆停车位置状态进行监控的车辆监督模块和对车辆行进路径引导的车位引导模块；所述的移动式安防机器人对进入车辆进行跟踪识别，对园区车辆停车状态和车位状态进行采集识别；与车辆管理系统、移动式安防机器人进行数据交互的后台服务器。本发明有效协助保安人员完成常规车辆管理任务，及时了解园区内的车辆状况，准确实时锁定所有车辆，对园区内部的车辆和外来车辆进行识别，方便园区的车辆管理。

Description

一种自动管理人流、物流的安防机器人

技术领域

本发明属于车辆管理系统领域，更具体的说涉及一种自动管理人流、物流的安防机器人。

背景技术

伴随着汽车进入家庭步伐的加快，由此而来的车辆停放的静态交通问题日益突出。园区内企业众多，也是一个巨大的数目，所以提高园区停车场区域运营效率的问题成为了解决停车难的关键。目前国内外大部分园区或者小区的违停均采用人工监控的方式，定点采集违停车辆的信息，极大地消耗园区物业管理部门的人力、物力、财力。

在园区，许多公车、私车乱停乱放，挤占园区的通道、广场，甚至停放在绿地上，使园区内本来就不宽松的活动空间变的更加狭小和凌乱，而且排放大量有毒气体和噪声。这不仅污染了园区的环境，也给园区人员的工作带来很多不便和诸多的安全隐患。园区内车辆乱停乱放，除了影响环境和通行，更重要的问题在于阻塞了消防车通道。乱停乱放的现象如此之多，如果仅仅依靠安防人员去巡视治理，则即使耗费众多人力物力，也难以有效的去监督。所以参考城市道路的车辆违规抓拍方法，利用摄像机等硬件去发现乱停乱放的现象，能有效降低安防人员的工作量。

随着图像处理技术的不断发展，为提供园区停车区域车位的实时信息，目前，传统的区域车位引导方式通过每个车位设置的超声波探测、红外探测、地感线圈探测、视频探测、射频探测等探测终端执行装置采集车位占用与否的状态信息，将车位占用与否的状态信息数据通过总线装置上传到信息数据处理服务器,并由信息数据处理服务器对车位占用与否的状态信息数据归类、汇总、分析、处理，之后得到闲置空余车位信息数据,并在终端车位引导信息屏(如LED屏)中发布相应区域内闲置空余车位信息，引导司机依据车位信息子系统发布的信息内容迅速找到有空余的区域，实现停车，但是上述方法成本高，维修保养不方便。基于移动式安防机器人和监控摄像机的视频图像，率先设计了针对园区停车区域的车位监测、引导的功能，旨在司机能够更加快捷的找到最便利的停车位。

发明内容

针对上述问题，本发明提供了一种自动管理人流、物流的安防机器人，包括移动式安防机器人和园区内布置的安防配置等设施，本发明有效协助保安人员完成常规车辆管理任务，及时了解园区内的车辆状况，准确实时锁定所有车辆，对园区内部的车辆和外来车辆进行识别，方便园区的车辆管理，及时反映车辆乱停乱放，引导车辆停放；同时，还能通过移动式安防机器人的巡逻，地毯式巡视园区内安防摄像机的盲点对可疑人员进行监督。

为了实现上述目的，本发明是通过以下技术方案实现的：所述的自动管理人流、物流的安防机器人主要包括：

对车辆进行管理的车辆管理系统，所述的车辆管理系统包括具有对车辆进出进行统计的车辆统计模块，对车辆停车位置状态进行监控的车辆监督模块和对车辆行进路径引导的车位引导模块；

在园区内具备自动巡逻和图像采集的移动式安防机器人，所述的移动式安防机器人对进入车辆进行跟踪识别，对园区车辆停车状态和车位状态进行采集识别；与车辆管理系统、移动式安防机器人进行数据交互的后台服务器。

进一步的，所述的车辆统计模块包括终端自动统计模块、人工辅助统计模块，其中，

终端自动统计模块包括车牌识别一体机，对出入车辆信息进行自动采集，采集信息包括通行时间、地点、方向、车辆前端、车牌、车辆全貌、驾驶室内司乘人员面部特征；人工辅助统计模块利用人工手段对车辆信息进行人工采集，统计信息包括车牌、车型、车主、车主联系方式、所属企业、相应车位、车辆图像；终端自动统计模块、人工辅助统计模块采集的信息相匹配，传入后台服务器建立车辆管理系统数据库，为后续的车辆监督模块和车位引导模块所使用。

进一步的，所述的移动式安防机器人上设有高清摄像头，在巡逻过程中通过高清摄像头对园区车位、停放的车辆进行拍照。

进一步的，所述的车辆监督模块包括园区监控摄像头，车辆监督模块和移动式安防机器人相互配合，对园区内车辆的车位状态进行识别和车辆违停进行识别，并将图像数据传入后台服务器进行处理识别。

进一步的，所述的车辆违停分为禁停区域违停现象、跨区停放现象、不规范停车现象，针对不同的车辆违停现象采取不同的识别技术。

进一步的，所述的车位状态识别包括车位检测、车位占用检测、车位状态的判定。

进一步的，所述的车位引导模块通过车位状态信息，对车辆停放规划最优路径，并通过后台服务器将最优停车路径以短信、微信、手机APP等形式发送给车主，具体步骤为：

步骤1.根据采集的车位状态信息，通过Dijkstra算法进行路径的系统优化，构建车位引导最佳路径；

步骤2.将最优停车路径以短信、微信、手机APP形式发送给车主，对车主进行引导或将路径发送给移动式安防机器人，对车辆进行引导。

进一步的，所述的车辆监督模块通过以下步骤实现对车辆是否违停进行判断：

步骤1.通过背景减法算法，建立混合高斯模型和码本模型的背景模型并检测出静止物体，判断禁停区域是否有违停现象；

步骤2.通过EasyPR车牌识别技术，识别出车辆车牌号码；

步骤3.通过源于影像掩蔽的局部对应算法，对车辆是否压线进行鉴别；

步骤4.与车辆管理系统中的数据库进行匹配，匹配相应的车主信息，查看该车辆停放区域是否正确；

步骤5.如果该车辆存在违停现象则通知相关车主对违停车辆进行处理。

进一步的，所述的车位状态检测是通过以下步骤实现：

步骤1.利用改进基于区域的区域生长法，对车位线区域进行分割，达到检测车位线区域的目的；

步骤2.通过可用于直线检测的Hough变换，对车位轮廓进行提取；

步骤3.应用检测出来的Hough直线方程，求出直线的交点，即为车位在图像中的位置，对车位进行存储和编号。

进一步的，所述的跨区停放现象是通过以下步骤实现的：

步骤1.通过目标检测的帧差法和背景差法对车位占用情况进行检测；

步骤2.根据检测情况对数据库内的车位信息进行相关的更新；

步骤3.对车位状态进行判断，如果车位为空则通知控制终端，结合车辆管理模块，告知可以将属于此停车区域的车辆引导到此停车位；车位非空，识别其位置上的车辆车牌，由车辆监督模块进行处理，判定其是否为违停现象，并进行处理，若识别不出车牌，又发现车位上有物体，将情况反映到物业办公室。

上述方法在车辆管理系统中的应用，但不限其在潜在应用领域如1、刑事侦察；2、出入境关口；3、军事要地的人员与车辆实时监控；4、政府机关和住宅小区进出口安全检查；5、停车场所和公路收费站收费管理。

本发明有益效果：

1.可有效解决园区等车辆流动性大，车位众多的场所中，对来访车辆进行管理的问题。移动式安防机器人和园区内布置的安防配置等设施，有效协助保安人员完成常规车辆管理任务，及时了解园区内的车辆状况，准确实时锁定所有车辆，对园区内部的车辆和外来车辆进行识别，方便园区的车辆管理，及时反映车辆乱停乱放，引导车辆停放；同时，还能通过移动式安防机器人的巡逻，地毯式巡视园区内安防摄像机的盲点。本系统能协助物业部门治理车辆乱停乱放，引导车辆停放，并解决保安人员劳动力成本过高，有效安排、管理保安人员等问题，所有功能由通过升级安防系统中控主机为控制终端。

2.本发明具有人脸识别功能适用范围广泛，还可用于刑事侦察、出入境关口、军事要地的人员与车辆实时监控,政府机关和住宅小区进出口安全检查、停车场所和公路收费站收费管理等领域。

3.利用移动式安防机器人的全角度巡逻和监控摄像头的全方位覆盖，用基于视觉的检测技术，不需要另外布置一般园区安防系统中非必要的车位灯、超声波、红外线等传感器设备。

附图说明

图1为本发明系统图；

图2为本发明车辆统计模块流程图；

图3为本发明车辆监督模块流程图；

图4为本发明车位引导模块流程图；

图5为两个采样点之间的可行椭圆区域；

图6为EasyPR车牌识别技术算法流程图。

具体实施方式

下面将结合本发明实施例和附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

如图1-6所示，所述的自动管理人流、物流的安防机器人主要包括：对车辆进行管理的车辆管理系统，所述的车辆管理系统包括具有对车辆进出进行统计的车辆统计模块，对车辆停车位置状态进行监控的车辆监督模块和对车辆行进路径引导的车位引导模块；在园区内具备自动巡逻和图像采集的移动式安防机器人，所述的移动式安防机器人对进入车辆进行跟踪识别，对园区车辆停车状态和车位状态进行采集识别；与车辆管理系统、移动式安防机器人进行数据交互的后台服务器。

所述的车辆统计模块包括终端自动统计模块、人工辅助统计模块，其中，终端自动统计模块包括车牌识别一体机，对出入车辆信息进行自动采集，采集信息包括通行时间、地点、方向、车辆前端、车牌、车辆全貌、驾驶室内司乘人员面部特征；人工辅助统计模块利用人工手段对车辆信息进行人工采集，统计信息包括车牌、车型、车主、车主联系方式、所属企业、相应车位、车辆图像；终端自动统计模块、人工辅助统计模块采集的信息相匹配，传入后台服务器建立车辆管理系统数据库，为后续的车辆监督模块和车位引导模块所使用。

如图2所示，所述的车辆统计模块当车辆进入园区后，移动式安防机器人和园区监控摄像头，抓拍到车辆图像，把车辆图像传输到车辆管理系统，车辆管理系统对车辆图像信息进行识别，判断是否为已登记车辆，如果是已登记车辆则判断等级的车辆信息是否齐全，车辆信息登记不齐全，则通知物业进行人工辅助统计，如果车辆信息登记齐全则车辆统计结束；如果车辆管理系统判断该车辆为没有办理登记车辆，则通知物业进行人工辅助统计。

所述的移动式安防机器人上设有高清摄像头，在巡逻过程中通过高清摄像头对园区车位、停放的车辆进行拍照。

所述的车辆监督模块包括园区监控摄像头，车辆监督模块和移动式安防机器人相互配合，对园区内车辆的车位状态进行识别和车辆违停进行识别，并将图像数据传入台服务器进行处理识别。

违停现象分为禁停区域违停现象、跨区停放现象、不规范停车现象，违停检测技术包括停放车辆的检测技术，车辆压线鉴别技术，车牌识别技术。

车辆监督模块通过以下步骤实现对车辆是否违停进行判断：

步骤1.通过背景减法算法，建立混合高斯模型和码本模型的背景模型并检测出静止物体，判断禁停区域是否有违停现象；

车辆的运动状态(尤其低速行驶和静止)的有效检测是实现违章停车检测与识别的基础。背景减法是目前使用的主要方法，这种方法的原理是在检测前先把场景背景用一个模型表示出来，即所谓的背景模型，然后通过对背景和观察到的图像进行差分来实现运动目标的检测。本发明采用的背景建模方法为混合高斯模型和码本模型。

混合高斯模型：是在像素域的时间尺度上对像素进行分类，区分背景和前景。利用自适应的混合高斯模型实现复杂园区场景下的背景抽取，是该方法鲁棒地克服光线、树枝摇动等造成的影响，同时能够满足检测区内存在连续运动物体(如上下班高峰期)的检测条件。混合高斯模型是指具有以下形式的概率分布模型：

其中，α_k是系数，α_k≥0，φ(y|θ_k)是高斯分布密度，

称为第K个分模型。

码本模型：该模型的基本思想是对图像序列进行学习，根据每个像素点连续采样值的颜色距离和亮度范围为每个像素点生成一个码本，然后根据前景点的背景点在图像序列中的分布特性分离出背景码字，利用背景码字构造出背景，再利用背景减除法检测运动目标。该算法抗干扰能力强，误检率低，计算复杂度小，适合做实时检测。

假设X＝{x₁,x₂,...,x_n}是一个像素点的序列采样值，其中x_i(i＝1,...,n)是该像素点的RGB颜色分量。设C＝{c₁,c₂,...,c_L}是该像素点的码本模型，每个码字c_i(i＝1,...,L)一般包含以下两个信息：

一个RGB向量:V_i＝(R_i,G_i,B_i) (3)

一个6元组：U_i＝{I_mix,I_max,F_i,X_i,P_i,Q_i} (4)

其中，R_i,G_i,B_i分别表示该码字三个颜色分量；I_mix,I_max分别表示该码字所对应的像素点的最小亮度值和最大亮度值，F_i表示该码字出线的次数，X_i表示该码字在模型训练过程中没有再次出现的最大时间间隔，P_i和Q_i分别表示该码字出现后的第1次匹配时间和最后一次匹配时间。

步骤2.通过EasyPR车牌识别技术，识别出车辆车牌号码；EasyPR也就是Easy todo Plate Recognition的意思；相比于其他的车牌识别技术，EasyPR有如下特点：

1)它基于OpenCV这个开源库，意味着它的代码都可以轻易更加的容易编写。

2)它能够识别中文，可以准确的输出std:string类型的带有中文的结果。

3)它的识别率较高。目前情况下，字符识别已经可以达到90％以上的精度。

步骤3.通过源于影像掩蔽的局部对应算法，对车辆是否压线进行鉴别；

路面上黄色线的走向基本上是直线型的，所以对车辆是否压线的鉴别一般意义上都采用源于直线鉴别的算法和源于黄线地带鉴别的局部比较法，符合人的正常思维，但是电脑实施起来却有很大的难度，原因在于交通现场环境影响因素太多，会影响黄线的色彩和范围，并且运算量大。本发明提出的源于影像掩蔽的局部对应算法，是对局部比较法的进一步改进。具体算法过程是通过以下方法实现的：

a.将要检测的黄线地带用小波变换的影像划分技术从影像中划分出来作为模板地带。可以达到掩蔽示例影像中的其它背景，降低环境因素对检测结果的影响。

b.接着将划分出来的模板地带分成4×4格局，按从左到右、从上到下的顺序，分别运算各子块的颜色直方图，运算这些子块的相近度，接着求出这些子块的相近度平均值，作为模板地带的相近度M_m。

c.根据表达式|M_m-M_s|≤f(f为设置的精确度阈值)的值可以判断影像的车辆是否碾压黄线，加入表达式为真，表明车辆缺少倾轧黄线地带，否则表明影像中的黄线地带有车辆进入了。

步骤4.与车辆管理系统中的数据库进行匹配，匹配相应的车主信息，查看该车辆停放区域是否正确；

步骤5.如果该车辆存在违停现象则通知相关车主对违停车辆进行处理。

进一步的，所述的车位检测是通过以下步骤实现的：

步骤1.利用改进基于区域的区域生长法，对车位线区域进行分割，达到检测车位线区域的目的；

步骤2.通过可用于直线检测的Hough变换，对车位轮廓进行提取；Hough变换是一个非常重要的检测间断点边界形状的方法。它通过将图像坐标空间变换到参数空间，来实现直线与曲线的拟合。用于直线坐标参数空间是通过以下步骤实现的：

在图像x-y坐标空间中，经过点(x_i,y_i)的直线表示为：

y_i＝ax_i+b (5)，

其中，参数a为斜率，b为截距。

通过点(x_i,y_i)的直线有无数条，且对应于不同的a和b值。如果将x_i和y_i视为常数，而将原本的参数a和b看作变量，则式(1)可以表示为：

b＝-x_ia+y_i (6)，

这样就变换到了参数平面a-b。这个变换就是直角坐标系中对于(x_i,y_i)点的Hough变换。但是在实际操作过程中直线的斜率变化范围很大，可能是无穷大也可能为零，笛卡尔坐标系下对直线的描述和刻画会受到斜率变化的限制而带来众多不便。所以，采用极坐标的方式表示对式(5)进行转换为

ρ＝x cosθ+y sinθ (7)，

其中，ρ表示原点到直线的法线距离，θ是x轴与法线的夹角。这样图像上的任意一点都能够与空间中的任意一条曲线相对应。

步骤3.应用检测出来的Hough直线方程，求出直线的交点，即为车位在图像中的位置，对车位进行存储和编号。

进一步的，所述的车位占用检测技术是通过以下步骤实现的：

步骤1.通过目标检测的帧差法和背景差法对车位占用情况进行检测；

步骤2.根据检测情况对数据库内的车位信息进行相关的更新；

步骤3.对车位状态进行判断，如果车位为空则通知控制终端，结合车辆管理系统，告知可以将属于此停车区域的车辆引导到此停车位；车位非空，识别其位置上的车辆车牌，由车辆监督模块进行处理，判定其是否为违停现象，并进行处理，若识别不出车牌，又发现车位上有物体，将情况反映到物业办公室。

车位引导模块通过车位状态信息，对车辆停放规划最优路径，并通过后台服务器将最优停车路径以短信、微信、手机APP等形式发送给车主。

具体是通过以下步骤实现的：

步骤1.通过Dijkstra算法进行路径的系统优化，构建车位引导最佳路径；

利用深度优化后的Di-jstra算法计算两点间的最短路径，引入采样误差椭圆的概念,假设相邻的两个采样点Pi和Pi+1,按公式(4)确定的椭圆区域包含了Pi和Pi+1时间段内可能经过的所有路径如(图5)其中Vpi表示采样点Pi处的速度,tPi表示Pi处的时刻。计算Pi至Pi+1所有可能的中间子路径,结合行车限制对Pi前得到的阶段总体路径集进行修正与更新。

步骤2.将最优停车路径以短信、微信、手机APP等形式发送给车主或将路径发送给移动式安防机器人，对车辆进行引导。如果控制终端发现有相近且空闲的移动式安防机器人(或者移动式安防机器人任务路径与车辆停放的最优路径相近)，通知移动式安防机器人发出提示声音，告知车主可跟随其到达相应的空闲车位。

如图3所示，当车辆进入园区停放好后，园区监控摄像头或者移动式安防机器人拍摄静止物体照片，判断是否为车辆，静止物体不是车辆则移动式安防机器人继续移动，如果静止物体为车辆，则判断是否有禁停区域违停现象、跨区停放现象、不规范停车现象中的一种或多种违章现象，如果有则通知车主、企业、物业到现场进行处理，处理完成移动式安防机器人则继续开始巡逻。

车辆监督模块为主要管理功能，能有效降低物业的人力成本；最后，车位引导系统能够挺高园区内企业车主的用户体验，并且服务于车辆监督模块。而从技术成本角度考虑，本系统的优势是在于利用移动式安防机器人的全角度巡逻和监控摄像头的全方位覆盖，用基于视觉的检测技术，不需要另外布置一般园区安防系统中非必要的车位灯、超声波、红外线等传感器设备。所有功能由通过升级安防系统中控主机为控制终端，指导移动式智能安防机器人协助，并结合安防摄像机实现。

最终，以上实施例和附图仅用以说明本发明的技术方案而非限制，尽管通过上述实施例已经对本发明进行了详细的描述，但本领域技术人员应当理解，可以在形式上和细节上对其做出各种各样的改变，而不偏离本发明权利要求书所限定的范围。

Claims (10)

1.一种自动管理人流、物流的安防机器人，其特征在于：所述的自动管理人流、物流的安防机器人主要包括：

对车辆进行管理的车辆管理系统，所述的车辆管理系统包括具有对车辆进出进行统计的车辆统计模块，对车辆停车位置状态进行监控的车辆监督模块和对车辆行进路径引导的车位引导模块；

在园区内具备自动巡逻和图像采集的移动式安防机器人，所述的移动式安防机器人对进入车辆进行跟踪识别，对园区车辆停车状态和车位状态进行采集识别；

与车辆管理系统、移动式安防机器人进行数据交互的后台服务器。

2.根据权利要求1所述的一种自动管理人流、物流的安防机器人，其特征在于：所述的车辆统计模块包括终端自动统计模块、人工辅助统计模块，其中，

终端自动统计模块包括车牌识别一体机，对出入车辆信息进行自动采集，采集信息包括通行时间、地点、方向、车辆前端、车牌、车辆全貌、驾驶室内司乘人员面部特征；

人工辅助统计模块利用人工手段对车辆信息进行人工采集，统计信息包括车牌、车型、车主、车主联系方式、所属企业、相应车位、车辆图像； 终端自动统计模块、人工辅助统计模块采集的信息相匹配，传入后台服务器建立车辆管理数据库，为后续的车辆监督模块和车位引导模块所使用。

3.根据权利要求1所述的一种自动管理人流、物流的安防机器人，其特征在于：所述的移动式安防机器人上设有高清摄像头，在巡逻过程中通过高清摄像头对园区车位、停放的车辆进行拍照。

4.根据权利要求1所述的一种自动管理人流、物流的安防机器人，其特征在于：所述的车辆监督模块包括园区监控摄像头，车辆监督模块和移动式安防机器人相互配合，对园区内车辆的车位状态进行识别和车辆违停进行识别，并将图像数据传入后台服务器进行处理识别。

5.根据权利要求4所述的一种自动管理人流、物流的安防机器人，其特征在于：所述的车辆违停分为禁停区域违停现象、跨区停放现象、不规范停车现象，针对不同的车辆违停现象采取不同的识别技术。

6.根据权利要求4所述的一种自动管理人流、物流的安防机器人其特征在于：所述的车位状态识别包括车位检测、车位占用检测、车位状态的判定。

7.根据权利要求1所述的一种自动管理人流、物流的安防机器人，其特征在于：所述的车位引导模块通过车位状态信息，对车辆停放规划最优路径，并通过后台服务器将最优停车路径以短信、微信、手机APP等形式发送给车主，具体步骤为：

步骤1.根据采集的车位状态信息，通过Dijkstra算法进行路径的系统优化，构建车位引导最佳路径；

步骤2.将最优停车路径以短信、微信、手机APP形式发送给车主，对车主进行引导或将路径发送给移动式安防机器人，对车辆进行引导。

8.根据权利要求1所述的一种自动管理人流、物流的安防机器人，其特征在于：所述的车辆监督模块通过以下步骤实现对车辆是否违停进行判断：

步骤1.通过背景减法算法，建立混合高斯模型和码本模型的背景模型并检测出静止物体，判断禁停区域是否有违停现象；

步骤2.通过EasyPR车牌识别技术，识别出车辆车牌号码；

步骤3.通过源于影像掩蔽的局部对应算法，对车辆是否压线进行鉴别；

步骤4.与车辆管理系统中的数据库进行匹配，匹配相应的车主信息，查看该车辆停放区域是否正确；

步骤5.如果该车辆存在违停现象则通知相关车主对违停车辆进行处理。

9.根据权利要求1所述的一种自动管理人流、物流的安防机器人，其特征在于：所述的车位状态检测是通过以下步骤实现：

步骤1.利用改进基于区域的区域生长法，对车位线区域进行分割，达到检测车位线区域的目的；

步骤2.通过可用于直线检测的Hough变换，对车位轮廓进行提取；

步骤3.应用检测出来的Hough直线方程，求出直线的交点，即为车位在图像中的位置，对车位进行存储和编号。

10.根据权利要求5所述的一种自动管理人流、物流的安防机器人，其特征在于：所述的跨区停放现象是通过以下步骤实现的：

步骤1.通过目标检测的帧差法和背景差法对车位占用情况进行检测；

步骤2.根据检测情况对数据库内的车位信息进行相关的更新；

步骤3.对车位状态进行判断，如果车位为空则通知控制终端，结合车辆管理系统，告知可以将属于此停车区域的车辆引导到此停车位；车位非空，识别其位置上的车辆车牌，由车辆监督模块进行处理，判定其是否为违停现象，并进行处理，若识别不出车牌，又发现车位上有物体，将情况反映到物业办公室。