CN109686109A - 一种基于人工智能的停车场安全监控管理系统 - Google Patents
一种基于人工智能的停车场安全监控管理系统 Download PDFInfo
- Publication number
- CN109686109A CN109686109A CN201910000495.0A CN201910000495A CN109686109A CN 109686109 A CN109686109 A CN 109686109A CN 201910000495 A CN201910000495 A CN 201910000495A CN 109686109 A CN109686109 A CN 109686109A
- Authority
- CN
- China
- Prior art keywords
- module
- parking
- vehicle
- image
- personnel
- 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.)
- Granted
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 69
- 238000013473 artificial intelligence Methods 0.000 title claims abstract description 17
- 238000000034 method Methods 0.000 claims abstract description 56
- 238000003860 storage Methods 0.000 claims abstract description 12
- 238000001514 detection method Methods 0.000 claims description 87
- 238000007726 management method Methods 0.000 claims description 87
- 238000012545 processing Methods 0.000 claims description 25
- 230000008569 process Effects 0.000 claims description 22
- 206010000117 Abnormal behaviour Diseases 0.000 claims description 20
- 238000004458 analytical method Methods 0.000 claims description 19
- 230000002159 abnormal effect Effects 0.000 claims description 11
- 238000000605 extraction Methods 0.000 claims description 11
- 230000005856 abnormality Effects 0.000 claims description 10
- 230000006870 function Effects 0.000 claims description 9
- 230000008520 organization Effects 0.000 claims description 9
- 230000008859 change Effects 0.000 claims description 8
- 230000003542 behavioural effect Effects 0.000 claims description 7
- 238000012790 confirmation Methods 0.000 claims description 7
- 238000009826 distribution Methods 0.000 claims description 6
- 239000000284 extract Substances 0.000 claims description 6
- 230000001815 facial effect Effects 0.000 claims description 6
- 230000005855 radiation Effects 0.000 claims description 6
- 238000013475 authorization Methods 0.000 claims description 5
- 238000001914 filtration Methods 0.000 claims description 5
- 230000005236 sound signal Effects 0.000 claims description 5
- 238000010191 image analysis Methods 0.000 claims description 3
- 238000005192 partition Methods 0.000 claims description 3
- 238000012216 screening Methods 0.000 claims description 3
- 238000012546 transfer Methods 0.000 claims description 3
- 238000012795 verification Methods 0.000 claims description 3
- 230000006399 behavior Effects 0.000 description 21
- 230000033001 locomotion Effects 0.000 description 19
- 238000005516 engineering process Methods 0.000 description 15
- 230000000694 effects Effects 0.000 description 9
- 238000001228 spectrum Methods 0.000 description 7
- 238000004891 communication Methods 0.000 description 6
- 230000009545 invasion Effects 0.000 description 6
- 230000005540 biological transmission Effects 0.000 description 5
- 230000010365 information processing Effects 0.000 description 5
- 230000007123 defense Effects 0.000 description 4
- 239000000203 mixture Substances 0.000 description 4
- 239000000523 sample Substances 0.000 description 4
- 238000002604 ultrasonography Methods 0.000 description 4
- 230000006872 improvement Effects 0.000 description 3
- 239000003550 marker Substances 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 230000003044 adaptive effect Effects 0.000 description 2
- 230000002776 aggregation Effects 0.000 description 2
- 238000004220 aggregation Methods 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 239000003795 chemical substances by application Substances 0.000 description 2
- 230000000052 comparative effect Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000005265 energy consumption Methods 0.000 description 2
- 239000011521 glass Substances 0.000 description 2
- 238000005286 illumination Methods 0.000 description 2
- 230000006698 induction Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000012806 monitoring device Methods 0.000 description 2
- 230000006855 networking Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 230000002123 temporal effect Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000003321 amplification Effects 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000009833 condensation Methods 0.000 description 1
- 230000005494 condensation Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 239000013078 crystal Substances 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000000105 evaporative light scattering detection Methods 0.000 description 1
- 230000004907 flux Effects 0.000 description 1
- 238000003475 lamination Methods 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 230000009329 sexual behaviour Effects 0.000 description 1
- 239000000779 smoke Substances 0.000 description 1
- 238000011895 specific detection Methods 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 230000032258 transport Effects 0.000 description 1
- 230000001755 vocal effect Effects 0.000 description 1
- 230000003245 working effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/04—Detecting movement of traffic to be counted or controlled using optical or ultrasonic detectors
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/017—Detecting movement of traffic to be counted or controlled identifying vehicles
- G08G1/0175—Detecting movement of traffic to be counted or controlled identifying vehicles by photographing vehicles, e.g. when violating traffic rules
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/14—Traffic control systems for road vehicles indicating individual free spaces in parking areas
- G08G1/149—Traffic control systems for road vehicles indicating individual free spaces in parking areas coupled to means for restricting the access to the parking space, e.g. authorization, access barriers, indicative lights
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
- G10L25/48—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use
- G10L25/51—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use for comparison or discrimination
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
- G10L25/48—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use
- G10L25/51—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use for comparison or discrimination
- G10L25/57—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use for comparison or discrimination for processing of video signals
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N7/00—Television systems
- H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
- H04N7/181—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast for receiving images from a plurality of remote sources
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Signal Processing (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Human Computer Interaction (AREA)
- Health & Medical Sciences (AREA)
- Acoustics & Sound (AREA)
- Computational Linguistics (AREA)
- Computer Security & Cryptography (AREA)
- Traffic Control Systems (AREA)
- Alarm Systems (AREA)
Abstract
本发明提供一种人工智能停车场安全管理系统及方法,包括视频图像目标检测子系统模块,停车管理模块,异常行为检测模块,数据库存储模块,显示模块,以及硬件设备模块,以及与上述模块或子系统组相连的中央控制系统的管理服务器。本发明系统可实现对停车场出现的车辆、行人进行智能化安全监控管理,提高停车场的安防管理效率,减少人工工作量。
Description
技术领域
本发明涉及人工智能监控领域,特别地涉及一种用于停车场的基于人工智能的停车场安全管理系统及方法。
背景技术
近年来,各行各业对视频监控的需求不断上升。但是,目前视频监控主要用于录制视频图像,没有充分发挥实时主动的智能监控作用,尤其是主动的智能安防监控系统应用较少,实际的监控任务仍需要较多的人工工作。
安防监控系统的核心为基于计算机视觉的物体和场景感知的监控系统。人们用摄像机获得环境图像并将其转换成数字信号,并尝试用计算机实现对视觉信息处理,随着图像视频处理技术和人工智能技术的迅猛发展,计算机视觉技术也在快速的进步,从而出现了人工智能视频监控。这类系统的主要目标是自动完成对复杂环境中人和车辆等进行实时观测以及对感兴趣的对象的行为进行分析和描述,涉及:背景分析、对象提取、对象描述、对象跟踪、对象识别和对象行为分析,主要利用计算机视觉和图像处理的方法对图像序列进行运动检测、运动目标分类、运动目标跟踪以及对监视场景中目标行为的理解与描述。其中,运动检测、目标分类、目标跟踪属于低级中级处理部分,现有技术已有多种成熟的算法软件,可集成到监控系统中,属于广泛应用的商业性模块。
具体地,运动检测的目的是从序列图像中将变化区域从背景图像中提取出来。处理过程仅仅考虑图像中对应于运动区域的像素。目前常用的方法有:背景减除、时间差分、光流、扩展的EM算法、能量运动检测、基于数学形态学的场景变化检测等。
目标分类的目的是识别运动目标类别。不同的运动区域可能对应于不同的运动目标,比如行人出入口监控摄像机所捕捉的序列图像中主要包括行人,停车场出入口主要包括车辆。
运动目标跟踪等价于在连续的图像帧之间创建基于位置、速度、形状、等有关特征的对应匹配问题,常用的数学工具有卡尔曼滤波、Condensation算法、动态贝叶斯网络等。目标跟踪的方法主要有基于模型的跟踪、基于区域的跟踪、基于活动轮廓的跟踪和基于特征的跟踪,均为现有技术比较成熟的方法。
行为理解与描述是指对运动模式进行分析和识别,可以被认为是时变数据的分类问题,将测试序列与预先标定的代表典型行为的参考序列进行匹配,不过存在误报的可能,可以作为人工干预的参考。
随着经济的发展,车辆的保有量量不断攀升,导致城市出现了大量的室外或室内停车场,并随之出现了大量安全问题,许多违法行为也借助车辆进行,或者违法人员需要出入停车场。因此,人工智能化监控管理停车场是安防领域的新区域,具有重要的研究价值。
值得一提的是,在数字化和网络化的智能社会时代,目前智能安防监控系统也可以较低的成本进入停车场监控管理领域,使停车智能安防管理系统更加经济可行。
目前的停车场智能化系统主要用于停车智能化、自动化,能够建立车位与车辆状态的对应关系,实现准确的区域定位,同时实时监控车辆存放情况,一定程度上弥补了传统停车安防措施的不足。
虽然目前出现了智能停车场管理系统,且以其管理智能化、操作简便化、通行无障碍等优点受到青睐,但是效果仅限于智能停车,减少管理人员的直接工作量,以及减少停车管理人员,并没有解决停车场安全管理仅仅依赖于人工监控视频画面的弊端,不能有效识别违法车辆及人员,因此,现有的停车场的智能管理系统在人工智能安防领域具有巨大的空白,不能够对停车场进行全方位的人工智能化安全管理和防范。
现有的停车场智能管理系统技术可列举如下。
CN201521098451公开了一种基于物联网与云计算的小区停车全方位智能安防监控系统,它是由多个小区停车智能安防监控器和全方位智能安防监控中心组成,所述的小区停车智能安防监控器包括无线通信模块、微处理器、入位检测器、离位检测器、非法入侵感应器、报警器和电源,所述的全方位智能安防监控中心包括无线中继器、云服务器、中央监控器、个人移动监控终端。该基于物联网与云计算的小区停车全方位智能安防监控系统,具有结构简单、覆盖范围广、智能化、人性化、安全可靠等优点。
CN201610844625.5公开了一种智能停车场管理系统,包括停车场综合管理系统、车位预定系统、车位检测系统、车位状态显示系统、计时收费系统、Windows应用程序管理平台以及为整个系统供电的电源系统,车位预定系统、车位检测系统、车位状态显示系统和计时收费系统分别与停车场综合管理系统相连接,车位预定系统与车位检测系统相连接。该系统实现了对车辆的进出检测自动起落闸杆、计时收费、车位状态实时监测、停车指引、停车场实况监控等,实现智能化管理,节省了人员管理的麻烦。
CN201611152657公开了一种基于物联网的停车系统及其控制方法,本发明包括停车场智能监控装置、车辆终端和服务器,所述停车场智能监控装置包括进车检测装置、出车检测装置和控制装置,车辆终端包括与服务器连接的连接装置、车辆定位装置和显示装置。还涉及一种基于物联网的停车系统的控制方法:a、停车场智能监控装置的进车检测装置和出车检测装置通过进出车辆的监测,控制装置计算剩余车位数,并将该信息实时发送至服务器上;b、车辆行驶至某一区域向停车时,车辆终端的连接装置获取服务器的信息,通过显示装置查看附近停车场及停车场所剩停车位数,避免了司机在某一地方停车时过长时间的去等待停车位,大大节约了司机的时间。
CN 201810020544公开一种智能化停车场停车管理系统,基于FPGA的车辆车牌号码识别技术,在车辆进出停车场时对车辆进行识别与记录,并记录车辆在停车场的停留时间以及车辆进出停车场的时间,然后通过用户信息处理端实现对车辆停车费用的计算以及车辆其它信息的存储与查询,避免了进停车场刷卡或填写单据的需要,并对信息进行存储以防止发生不必要的纠纷,通过信息化管理提高了车辆进出停车场的速度,提高了工作效率,缓解了高峰期车辆容易拥堵的状况。
CN201810434317公开了一种无人停车库运维安全的人工智能检测方法及装置,属于计算机人工智能技术领域。所述方法包括:获取无人停车库运维过程中对升降机设备采集的声音信号,将所述声音信号转换为声音频谱,采用预设的三层卷积层与平均池化层交错对所述声音频谱进行处理,提取所述声音频谱的频谱特征,根据所述频谱特征进行运维安全的识别。上述无人停车库运维安全的人工智能检测方法及装置能够实时对无人停车库进行运维安全检测,提高无人停车库的运维安全检测效率。
CN20181072762公开了一种基于图像识别的智能停车系统,包括停车服务器,所述停车服务器连接停车场终端、车主移动终端、存储器、紧急救助中心、拨号模块、地图导航模块和语音通知模块,车主移动终端设置有预约模块、出入切换模块和线路收藏模块,停车场终端连接有烟雾传感器、有害气体检测器、自动识别摄像机、车流监控摄像机和诱导终端机,是集全方位诱导、热点车位预约、专属引导的高端停车服务系统。
上述的停车场智能管理系统,主要用于智能停车管理方面,以实现高度自动化的停车管理(例如自动开关拦道机)、收费管理。而安防管理主要依靠人工监视视频,但在无人停车库的层数较多时或停车场较大时,对管理人员的需求较高、人员工作强度过大且无法准确地时实现实时安全监控,造成安防管理效率极低。
因此,现有技术迫切需要一种基于人工智能的停车场安全监控管理系统,其具有更高程度的智能化、网络化、集成化、自动化特点,除了具有管理、收费自动化,还应具有出入口人员检测跟踪、车辆识别监控、停车场异常行为识别等功能,以实现人工智能化安全监控管理。
发明内容
本发明旨在提供一种基于人工智能的停车场安全监控管理系统及方法。
本发明所要解决的技术问题是克服现有技术中智能停车管理系统仅侧重于停车管理、对车辆和行人智能化安全监控管理不足的缺陷,实现对停车场出现的车辆、行人进行智能化安全监控管理,提高停车场的安防管理效率。
本发明主要方案基于利用移动物体检测技术及计算机视觉技术对停车场的车辆和行人信息进行实时监控及采集,并将采集结果发送至服务器的信息处理模块,信息处理模块将收到信息进行分析比对,判断是否存在影响安全的异常行为,并反馈给控制终端以供人工管理干预时参考。在具体实现上,初始信息的采集依赖设置在停车场中的图像采集模块以及可选的声音采集模块,其主要依赖于实时的完整停车场图像。
具体地,第一个方面,本发明提供一种基于人工智能的停车场安全监控管理系统,其至少包括以下功能模块:
1)视频图像采集模块,用于采集停车场出入口及停车场的视频信息;优选地,采用包含云台摄像机子系统与固定摄像机子系统的多摄像机协同系统。
其中,停车场出入口位置至少一组摄像机连接人脸识别模块和车牌识别模块。
2)图像处理模块,与图像采集模块连接,用于对采集的图像信息进行背景处理、特征提取等图像处理。
3)目标识别比对模块,包含人脸识别模块和车辆识别模块,与图像处理模块连接,用于识别、比对确认视频图像帧序列中目标特征。
所述的比对包括将车辆特征、人脸特征与数据库中的预存数据进行比对。
必要时,还进一步包括跟踪模块,用于对停车场内出现的人员目标进行跟踪及记录。
4)停车管理模块及车辆/人员异常行为检测模块;
停车管理模块包括车位管理模块、计时计费模块。
车位管理模块至少包括基于超声波检测或红外线检测的车位检测传感网络,用于实时监测停车场内空余车位及非正常停车情形。
计时计费模块用于在车辆进出停车场时,将车牌识别模块检测的车牌信息上传到信息处理端,同时控制计时模块开始或停止计时,并控制计费模块根据车辆停留时间及计费规则进行计费,在出口显示屏上显示。
其中,所述的车辆异常行为包括非停车区停车、与其他车辆相撞或剐蹭等接触性行为。
所述的人员异常行为包括停车场内长时间滞留、徘徊,争吵,倒地,多人聚集等非常规行为。
数据库存储模块,用于储存进入停车场的车辆信息、人员信息,车辆停留时间以及车辆进出停车场的时间信息,以及图像数据、视频数据等;
此外,所述数据库存储模块还进一步包括公安机构授权的嫌疑车辆子数据库及敏感人员子数据库。
所述车辆信息包括车牌及绑定的车主信息;所述人员信息包括车主及乘客人脸识别信息及绑定的手机号等资料;其中与车辆绑定的车主信息及资料适用于车主在停车场具有固定车位的情况;
6)中央处理服务器模块及显示模块;所述中央处理器可包含多个子服务器,各显示模块与服务器相连,用于显示信息提示。
优选的,本发明所述的图像处理模块、目标识别模块可与摄像机集成为一体,从而与视频图像采集模块组成基于人工智能的图像目标检测子系统。
优选的,在上述图像处理模块、目标识别模块及视频图像采集模块集成的出入口摄像机装置中,还可以包括顺次相接的高清晰光学镜头、微处理器和数据输出接口;所述的微处理器包含自动检测移动物体算法软件的检测模块(包括人体检测软件和车辆检测软件)、图像抓拍控制软件模块。检测模块根据T0帧与T1帧数据比对,判断移动物体出现时发送抓拍指令,控制图像抓拍模块输出抓拍信息进行图像获取;并通过数据输出接口输出图像至图像处理模块。
其中,所述的云台摄像机可在控制下进行缩小放大、云台转动、预置位设置等控制操作。
其中,当检测到人员行为异常时,系统会触发提示报警功能,在系统前端界面上进行实时提示,并同步接入现场监控视频以及对视频片段进行自动保存。
优选地,在本发明的停车场安全监控管理系统中,当停车场为立体结构时,可由包含上述模块的多个安全监控管理子系统组成。除了上述软件模块,每个监控管理子系统还可以包括与微处理器相连的有线/无线通信设备、车辆离位入位检测器、超声波检测设备、红外线检测设备、报警器和电源等必要的硬件设备,以及用于监控中心的与云服务器相连的无线中继器、中央监控器、移动监控终端等设备。
本发明第二个方面,提供一种基于人工智能的停车场安全监控管理方法,包括以下步骤:
S1:在停车场入口处检测车辆入场,同步显示停车场车位信息,并实时采集车辆及驾乘人员图像信息;
S2:基于车辆图像分析进行车辆目标的识别,与嫌疑车辆子数据库信息进行比对,以筛选敏感车辆;
S3:基于人脸图像分析进行驾、乘人员目标的检测识别,与车辆登记人员信息或敏感人员子数据库进行比对确认,以筛选敏感人员;
S4:停车场内基于智能化视频监控的异常行为检测及警示;
所述的异常行为检测包括1)车辆异常行为检测;2)人员异常行为检测;并在客户端给予信息提示,由人工介入管理。
S5:车辆管理,包括停车位检测及实时更新、自动收费。
本发明上述方法中,在步骤S1中,将采集到的车辆及驾乘人员图像信息存入存储数据库中,以备后续比对。
优选地,至少在停车场行人通道出入口处(例如电梯间或人行通道)设置一组高清摄像头,采集下车后的驾乘人员人脸图像。
优选地,采用包含云台摄像机子系统与固定摄像机子系统的多摄像机协同系统;且行人出入口至少有一组摄像机连接人脸识别模块。
在步骤S2中,车辆识别是指基于车牌或车载射频识别标志等特征来自动识别车辆。
具体地,可基于车辆识别模块,借助数字摄像技术、图像处理技术和模式识别技术实时自动识别出车牌信息(含数字、字母及汉字字符),并在客户端显示识别结果。
其中,所述车辆识别模块包括视频采集图像预处理、车牌定位、车牌矫正、车牌字符识别等子模块,或者车载射频识别标志检测、接收子模块。其中,所述的图像预处理是指对动态采集到的图像进行滤波、边界增强等处理,除去噪声干扰和复杂背景,提高车牌定位和字符识别的精度。
其中,车辆的比对包括将识别的车辆特征与数据库预存信息进行比对,根据数据库预存信息区分登记车辆和临时车辆,并重点将临时车辆信息与数据库中嫌疑车辆子数据库的车辆信息进行比对,进行敏感车辆的筛选。
具体地,所述嫌疑车辆子数据库为获取自公安机构的嫌疑车辆信息数据库,所述嫌疑车辆包括但不限于被盗车辆、套牌车辆,以及被通缉的在逃车辆等。
另外,当车辆识别仅依赖车牌识别时,单独的车牌识别为现有技术的已知成熟技术,目前已广泛应用于停车管理,可以从市场上购买任意的商业软件实现。
在步骤S3中,人员识别是指基于人脸识别模块检测人脸特征,从而自动识别驾乘人员是否为车主及相关人员(适用于车辆有固定车位时),以及车辆驾乘人员是否为公安登记的敏感人群(适用于外来的临时车辆)。
其中,所述的敏感人群信息获取自公安机构授权的通缉人员、走失人员等敏感人员信息;敏感人群数据库通过公安官方提供的人员照片图像加工处理,从而得到可以进行比对的人脸特征数据信息。
其中,人脸特征数据的提取及检测可以采用本领域已知的任意算法。人脸检测是本领域熟知的,例如可以采取基于Haar-like特征(HLF)的AdaBoost人脸检测算法,这也是本领域常用的人脸检测算法。
具体的操作为,当检测到出入口处车辆出现或驾乘人员下车后,图像采集模块和人脸识别模块进行图像采集并进行人脸检测,提取人脸特征数据并进行识别确认(用于登记车辆的车主,以及经过至少一次识别比对的其他人员)或比对(用于第一次出现的临时人员)。
在步骤S4中,车辆异常行为检测包括非停车位停车、非空余车位入侵(存在碰撞可能)等异常行为。
所述的非停车位停车检测可通过在非停车区设置超声波检测仪或红外检测仪进行检测;也可以通过停车场图像的智能分析检测。
其中,通过图像智能分析进行检测的流程如下。
1)对停车位之外的道路等区域运用计算机视觉技术中的直线检测法(例如ELSD法,Ellipse and Line Segment Detector)或四边形检测技术对非停车位进行标定,进行轮廓检测并作为背景图像;或者对非停车区进行分区,分成若干个子分区,然后基于标定的若干个非停车区创建直方图数组,记录每一个非停车区的直方图信息;
2)图像采集模块定时采集停车场图像并传送给图像处理模块,图片经过高斯滤波消噪,进行轮廓检测或计算当前的非停车区直方图,与对应的背景进行比对检测,设立相似度阈值,从而识别和判断非停车区的占用情况,并给出信息提示。
其中,非空余车位入侵可基于停车位上设置的超声波或红外检测仪实现,所述超声波或红外检测仪用于检测车位是否空余。具体操作上,当检测仪检测到移动车辆入侵非空车位时,即可判定两车存在碰撞可能并在控制中心显示端给出信息警示。
停车场人员异常行为检测包括人员长时间滞留或徘徊、争吵斗殴、人员聚集以及首次进入的非驾乘人员等异常行为。
其中,所述的非驾乘人员首次进入停车场是指首次步行进入停车场的非驾乘人员目标,尤其是由行人通道进入停车场但却未在行人出入口处被摄像机采集过并存储人脸数据的人员。一般地,驾乘人员停车下车离开停车场进入行人通道时均已被图像采集模块采集人脸数据并存入数据库,再次进入停车场驾车离开时属于二次采集并可实现逐一识别比对。而首次由行人通道进入停车场的非驾乘人员(不含工作人员)未被数据库收录人脸信息,对于该类人员在显示端进行信息提示或标记,可选地,可由人工介入进一步监控或由跟踪模块控制进行行人跟踪(如果存在跟踪模块的话)。
具体流程为,
1)建立进入停车场的当前帧中检测到的人脸目标是否存在于系统中;
2)对首次出现的未存储的新人脸目标进行检测识别,执行步骤S3步骤以确认是否属于敏感人员;
3)结果为是,系统给出警告提示;结果为否,进行信息提示,进一步由人工介入监控或由跟踪模块进行目标跟踪。
其中,基于图像监控的人员异常行为检测流程为:
S1:监控摄像头间隔时间t定时截取停车场图像,所述图像由处理器预处理后由无线传输系统发送至信息平台,从而获得停车场实时图像;
S2:人员检测步骤:对画面进行处理得到前景图像,利用人体轮廓分类器扫描检测前景图像中是否包含行人轮廓尤其是头肩部位,从而进行人员检测;或者直接利用人体检测模块检测是否有人员进入停车场监控区域;
S3:信息平台调取上一帧t0时刻的实时图像P0及初始停车场模型,比较间隔时间(t-t0)前后的人员分布图,即可得到停车场内行人动态变化分布图;
S4:通过所述行人动态变化图随时间的变化从而检测行人异常行为,包括:人数骤增(可能存在人员聚集)、长时间滞留徘徊、倒地等;控制中心信息平台根据人员异常行为发出警示提醒管理人员,或由跟踪模块对异常人员进行持续跟踪。
其中,所述图像由处理器预处理包括提取前景图像,对前景图像的阴影进行滤除。例如,通过比较前景像素点和对应的背景像素在色度分量、亮度分量的差别,滤除阴影并对前景图像进行形态学运算,从而对进入监控区域的人员目标进行检测。
当停车场为室外停车场时,可对背景进行自适应建模,克服光照变化、阴影、雨雪天气等影响。
包括行人在内的移动物体进入检测模块主要使用的技术有:基于混合高斯模型的背景差分技术、基于图像形态学的前景分析技术和基于Kalman滤波的目标跟踪技术。本领域技术人员可以选择与停车场环境相应的移动检测算法技术。
针对人员的异常行为识别也可以采取基于人体行为的识别模块。
现有技术中,人体行为识别存在多种算法,主要有模板匹配、状态空间和基于模型三种方法。
1)模板匹配方法采用模板匹配技术的行为识别方法,具体流程为:首先将图像序列转换为一组静态形状模板,然后在识别过程中和预先存储的行为标本相比较。例如利用二维网格的特征进行人的运动识别,计算连续帧间的光流场并将每个光流帧在空间栅格上沿X和Y方向分解,将每个单元格的幅度累加从而形成用于识别的高维特征向量;为了归一化运动的持续时间,假设人体运动行为具有周期性,并将整个序列分解运动行为的循环过程;后,采用近邻算法进行行为识别。
2)基于状态空间模型的方法,将每个静态姿势或运动状态作为图中的一个节点或状态,对应于各个姿势或运动状态节点之间的依存关系通过某种概率联系起来,任何运动序列可以看作在图中不同节点或状态之间的一次遍历过程。在人的运动识别领域内采用的概率网络主要有两种:动态贝叶斯网络(Dynamic Bayesian Networks,简称DBNs)和隐马尔可夫模型(Hidden Markov Models,简称HMM),二者均是比较成熟的常用算法。
另外还有隐马尔可夫及其改进模型(HMMs)。在人的运动识别中,HMMs及其改进模型逐渐成为主流的方法。隐马尔可夫模型是一种更加成熟的匹配时变数据的技术。HMMs结构只能对单一的动态过程进行较好地建模。HMMs用马尔可夫过程建立相邻实例之间的相互关系,并假设观察序列由固定个数的隐状态构成的隐过程决定,是一种随机状态机制。它是人的运动识别中应用广泛的数学模型。
HMMs改进模型主要包括:耦合隐马尔可夫模型(Coupled Hidden Markov models,CHMM),其可以建模行为中两个相互关联的随机过程,并用CHMM对手势进行识别;层级隐马尔可夫模型,具有多层隐马尔可夫模型的结构,能够更为清楚地表达出人运动中不同层次的行为细节。此外还有抽象隐马尔可夫模型(Abstract Hidden Markov Model,AHMM)、可变长马尔可夫模型(Variable Length Markov Model,VLMM),如隐马尔可夫模型和分层隐马尔可夫模型(Layered Hidden Markov Model,LHMM)等也被用于复杂行为的识别。
3)基于模型的方法:将三维人体看作由关节点连接的刚体的集合,用三维的人体骨架来描述人体运动。通常需要3D模型来进行识别。基于模型的方法对于计算量和设备要求都很高,因而准确性好。
在本发明中,优选地,把每一个截图时的人体轮廓当作一个样本,将复杂的人体运动分解成以时间为线索的图像序列。同样,也可以通过预存人体运动动作序列的数据库进行人体行为进行识别。
进一步优选地,采取隐马尔科夫模型对人员行为序列进行分类和识别。
对于上述车辆和人员的异常行为识别,还可以通过音频信号检测的辅助手段。
音频信号获取与异常声音辨识:音频信号是智能监控系统除视频以外最主要的监控信息来源。基于音频可扩大监控的范围,受遮挡影响较小。另外,由于音频是一维信号,音频监控的计算时间短,所以可提高监控系统的速度。
音频监控尤其适用于室内或地下停车环境。
音频监控管理主要步骤包括:
1)声音特征提取:
现有技术中存在多种声音特征提取方法,被用于不同的音频信息分类应用。包括:谱中心、零通率、低能量帧百分比、谱通量等。
其中,MFCC(Mel-Frequency Cepstral Coefficient,MFCC)在本领域中被用来表示音频信号。MFCC是声音片段能量谱参数的一种表示方式。MFCC特征已经成功的用于语音识别,用于监控领域。
示例性地,从波形中提取MFCC特征的步骤如下:
第一步:将波形的幅值归一化,用平衡窗口将波形窗口化;
第二步:将波形分成N帧,例如10-20帧/秒;对每帧采用快速傅立叶(FFT)变换,以得到每帧的频域信息;
第三步:对得到的FFT数据进行滤波、降维(例如用PCA算法)处理,可选地,采用声音分类器进行声音分类。
其中,可直接基于已有的声效数据库进行声音分类,异常声音可包括:玻璃破碎声、尖叫声、吵闹声、撞击声等。
2)将提取的音频等声音特征与声音数据库预存信息进行比对,并预设异常情况阀值。
3)最后,将可能的车辆及人员异常行为在控制中心用户端进行显示。
根据本发明的优选实施方式,如果音频特征超过预设阀值,向监控中心上传报警信息,并对当前视频进行记录,记录的视频可以保存在存储模块中。
优选地,在室内停车环境采用音频监控模块辅助。
步骤S5中,所述车辆管理方法包括:通过车位检测设备检测车位空余数量及非正常停车。
采用多个超声波检测设备或红外线检测设备,所述多个超声波检测设备或红外线检测设备设置在停车位上方、前方或后方,用于对对应的停车位上是否存在车辆进行检测,优选设置于停车位上方。
单车位检测方式通过在停车场每个车位上安装检测传感器,除了可以实时地测当前各个车位的空闲或忙碌的信息,还可以通过分割线检测停车规范性,从而获得停车场内的空车位数及非规范停车情况,准确度高,是目前逐渐开始主流应用的停车检测方式。
由于超声波指向性强,能量消耗缓慢,因此利用超声波检测往往比较迅速、方便、计算简单、易于做到实时控制,并且在测量精度方面能达到工业要求。
因此,优选地,停车场内的车位检测采用超声波检测法。可选地,停车规范性检测可采取基于车位划线的红外检测法。
超声波车位检测器通常采用时间差测距法测量距离来实现车位检测。将超声波传感器安装在车位的正上方,由发射器向下发送超声波,超声波经过地面或车辆顶部反射由超声波接收器接收,可获取超声波传输的时间,从而可确定从传感器到路面或车辆表面的距离,进而判断车位上有无车辆停放。
目前,现有技术中存在多种超声波发生器,总体上讲,可以分为两大类:电气方式产生超声波,以及机械方式产生超声波。电气方式包括压电型、磁致伸缩型和电动型等;机械方式有加尔统笛、液哨和气流旋笛等,目前通常采用压电式超声波发生器。
压电式超声波发生器原理为压电晶体的谐振,超声波发生器内部有两个压电晶片和一个共振板,当他两极外加脉冲信号,压电晶片将会发生共振,并带动共振板振动,产生超声波。如果两电极间未外加电压,当共振板接收到超声波时,将压迫压电晶片作振动,将机械能转换为电信号,成为超声波接收器。
其中,所属车辆管理方法还包括基于自动计时模块的自动费用显示;并通过相应app或收款二维码进行收费,这是本领域熟知的收费手段,在此不再赘述。
本发明的系统架构中,优选采用无线传感器。无线传感器部署简单,有利于降低成本及应用难度。
优选地,包括至少一组无线传感器网络,所述无线传感器网络包括若干不同类型的无线传感器并设置在监控区域的相应位置。所述无线传感器网络由相连的网关通过有线传输或者无线传输与智能分析平台相连,智能分析平台连接至若干用户终端以供用户查阅系统的实时信息,实现远程监控管理,提高系统安全性。
其中,以声音识别为例,无线传感器的基本工作流程如下:
存储无线传感器网络采集传感数据,并对传感数据进行预处理,例如格式转换和特征提取/标引;3)分析模块对传感数据进行计算,判断传感数据是否处以正常范围;对超出阈值的传感数据依据模型数据库进行对比判断、分类;4)在用户端对异常数据进行结果输出,发布警示信息,以便人工干预。
当停车场包含多层停车楼或若干个相对独立的停车区时,优选采用多Agent架构的自主管理架构系统,由若干个相互独立的自主管理节点组成,每个自主管理节点连接各自的视频监控及分析算法模块,从而构成一个综合性得视频分析层向应用层提供视频分析服务。
进一步地,例如,应用层接收来自各自主管理节点的服务,任意一个自主管理节点都可升级为主控节点向相邻对等节点发起协作请求,并监督协作的完成;自主管理节点的结构包括视频监控模块,算法检测模块,控制管理服务器,存储数据库,报警器。其中,算法检测模块调用视频图像并完成监测分析任务,将超出阈值的分析结果向主控端的管理服务器反馈;服务器综合所反馈的结果,发出警示信息。
附图说明
图1是本发明的停车场安全监控管理系统主要组成图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面将结合本发明实施例及附图进行清楚、完整地描述。应该了解,模块序号如1、2、3等仅仅是用于区分各个不同的操作模块,序号本身不代表任何的执行顺序或数目限定。另外,体系组成仅仅是示例性,其还可以包括更多或更少的模块,并且这些模块可以单独并存或进行集成化。另外,所描述的实施例仅仅是本发明一部分,而不是全部的实施例。基于本发明中的实施例,本领域技术人员在没有作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。
本技术领域技术人员可以理解,除非另外定义,这里使用的所有术语(包括技术术语和科学术语),具有与本发明所属领域中的普通技术人员的一般理解相同的意义。
实施例1
如图1所示,本发明所述的智能停车场安全管理系统,包括视频图像目标检测子系统模块1,其中包含视频图像采集模块、图像处理模块、识别比对模块、跟踪模块;停车管理模块2,其中包含车位检测模块、计时计费模块;异常行为检测模块3,其中包含车辆异常行为检测模块、人员异常行为检测模块;数据库存储模块4;显示模块5;以及硬件设备模块6,包括有线/无线通信设备、车位检测器(例如超声波检测设备、红外线检测设备)、报警器和电源等其他必要的硬件设备;以及与上述模块或子系统组相连的中央控制系统的管理服务器。
其中,视频图像采集模块采用包含云台摄像机子系统与固定摄像机子系统的多摄像机协同系统,用于采集停车场出入口及停车场的视频信息。
其中,优选停车场行人通道出入口位置至少设置一组连接人脸识别及跟踪模块的摄像机。
图像处理模块与图像采集模块连接,用于对采集的图像信息进行背景处理、特征提取等图像处理。
目标识别比对模块包含人脸识别模块和车辆识别模块,与图像处理模块连接,用于识别、比对确认视频图像帧序列中目标特征。所述的比对包括将车辆特征、人脸特征与数据库中的预存数据进行比对。
进一步地还包括跟踪模块,用于对停车场内出现的人员目标进行跟踪及记录。
在本发明系统中,所述的图像处理模块、目标识别模块与摄像机设备可集成为一体,从而与视频图像采集模块以及可选的跟踪模块组成图像目标检测子系统。
停车管理模块包括车位管理模块、计时计费模块。
车位管理模块至少包括基于超声波检测或红外线检测的车位检测传感网络,用于实时监测停车场内空余车位及非正常停车情形。
计时计费模块用于在车辆进出停车场时,将车牌识别模块检测的车牌信息上传到信息处理端,同时控制计时模块开始或停止计时,并控制计费模块根据车辆停留时间及计费规则进行计费,在出口显示屏上显示。其中,所述的车辆异常行为包括非停车区停车、与其他车辆相撞或剐蹭等接触性行为。所述的人员异常行为包括停车场内长时间滞留、徘徊,争吵,倒地,多人聚集等非常规行为。
数据库存储模块,用于储存进入停车场的车辆信息、人员信息,车辆停留时间以及车辆进出停车场的时间信息,以及图像数据、视频数据等;此外,所述数据库存储模块还进一步包括公安机构授权的嫌疑车辆子数据库及敏感人员子数据库。
中央控制系统的处理服务器连接各模块组,显示模块与服务器相连,用于在用户终端显示信息提示。
在具体操作上,出入口摄像机装置还包括顺次相接的高清晰光学镜头、微处理器和数据输出接口;示例性地,所述的微处理器包含自动检测移动物体算法软件的检测模块(包括人体检测软件和车辆检测软件)、图像抓拍控制软件模块。检测模块根据Tn-1帧与Tn(n为正整数)帧数据比对,判断移动物体出现时发送抓拍指令,控制图像抓拍模块输出抓拍信息进行图像获取;并通过数据输出接口输出图像至图像处理模块。
在本发明的停车场安全监控管理系统的通信网络中,当停车场为多层立体结构时,由于各停车区距离一般都较近,在通信管理网络架构上优先采用星型或树型网络,即借助协调器节点、路由节点和终端节点组成网状的停车场管理网络。其中协调器负责网络初始化、设备控制、数据采集等功能。系统的各个路由节点负责存储和转发相应终端节点采集的数据,并具有允许各个终端设备加入网络,维护路由表等功能。终端节点则完成查询响应、控制设备等功能。按应用类型,系统的终端节点分为出入口车辆行人检测识别节点、车位检测节点、异常行为检测节点等,与每种终端节点连接的是完成相应功能的现场设备,如车辆行人检测摄像组、出入口控制机、显示屏等。停车场各个现场设备与终端节点进行通信,各现场设备数据被终端节点采集后转化为通信协议包(例如ZigBee通信协议),传送给就近的路由节点。路由节点根据表驱动路由算法选择最佳通信路径,并通过其它的路由节点把数据包传送给协调器节点。中央控制系统服务器可采用高速单片机作为核心主控器,处理速度快、功耗低。
实施例2
一种包含如实施例1所述系统的停车场安全监控管理方法,包括如下步骤:
S1:在停车场入口处检测车辆入场,同步显示停车场车位信息,并实时采集车辆及驾乘人员图像信息。
其中,至少在停车场行人通道出入口处(例如电梯间或人行通道)设置一组连接人脸识别模块的高清摄像头,采集下车后的驾乘人员人脸图像。另外,将摄像设备采集到的车辆及驾乘人员图像信息存入存储数据库中,以备后续比对。
S2:基于车辆图像分析进行车辆目标的识别,与嫌疑车辆子数据库信息进行比对,以筛选敏感车辆。
车辆识别可基于车牌或车载射频识别标志等特征来自动识别车辆。车牌识别为现有技术的已知成熟技术,目前已广泛应用于停车管理,可以从市场上购买任意的商业软件实现。
其中,车辆的比对包括将识别的车辆特征与数据库预存信息进行比对,根据数据库预存信息区分登记车辆和临时车辆,并将临时车辆信息与数据库中嫌疑车辆子数据库的车辆信息进行比对,进行敏感车辆的筛选。所述嫌疑车辆子数据库为获取自公安机构的嫌疑车辆信息数据库,所述嫌疑车辆包括但不限于被盗车辆、套牌车辆,以及被通缉的在逃车辆等。
S3:基于人脸图像分析进行驾、乘人员目标的检测识别,与车辆登记人员信息或敏感人员子数据库进行比对确认,以筛选敏感人员。
其中,人员识别是指基于人脸识别模块检测人脸特征,从而自动识别驾乘人员是否为车主及相关人员(适用于车辆有固定车位时),以及车辆驾乘人员是否为公安登记的敏感人群(适用于外来的临时车辆)。所述的敏感人群信息获取自公安机构授权的通缉人员、走失人员等敏感人员信息;敏感人群数据库通过公安官方提供的人员照片图像加工处理,从而得到可以进行比对的人脸特征数据信息。其中,人脸特征数据的提取及检测采用本领域熟知的基于Haar-like特征(HLF)的AdaBoost人脸检测算法,也可采用其他商业化的人脸检测算法。
具体的流程为,当检测到行人出入口处的驾乘人员,图像采集模块和人脸识别模块进行图像采集并进行人脸检测,提取人脸特征数据并与数据库数据进行识别确认(用于登记车辆的车主,以及经过至少一次识别比对的其他人员)或比对(用于第一次出现的临时人员)。
S4:停车场内基于智能化视频监控的异常行为检测及警示。
所述的异常行为检测包括1)车辆异常行为检测;2)人员异常行为检测;并在客户端给予信息提示,由人工介入管理。
车辆异常行为检测包括非停车位停车、非空余车位入侵(存在碰撞可能)等异常行为。
所述的非停车位停车检测可通过在非停车区设置超声波检测仪或红外检测仪进行检测;也可以通过停车场图像的智能分析检测。
其中,通过图像智能分析进行检测的流程如下。
1)对停车位之外的道路等区域运用计算机视觉技术中的直线检测法或四边形检测技术对非停车位进行标定作为背景图像;
2)图像采集模块定时采集停车场图像并传送给图像处理模块,图片经过高斯滤波消噪,进行轮廓检测并与对应的背景进行比对检测,设立相似度阈值,从而识别和判断非停车区的占用情况,并给出信息提示。
其中,非空余车位入侵可基于停车位上设置的超声波或红外检测仪实现。具体操作上,当检测仪检测到移动车辆入侵非空车位时,即可判定两车存在碰撞可能并在控制中心显示端给出信息警示。
停车场人员异常行为检测包括人员长时间滞留或徘徊、争吵斗殴、人员聚集以及首次进入的非驾乘人员等异常行为。
其中,所述的非驾乘人员首次进入停车场是指首次步行进入停车场的非驾乘人员目标,尤其是由行人通道进入停车场但却未在行人出入口处被摄像机采集过并存储人脸数据的人员。首次由行人通道进入停车场的非驾乘人员(不含工作人员)未被数据库收录人脸信息,对于该类人员在显示端进行信息提示或标记,可选地,可由人工介入进一步监控或由含跟踪模块的监控摄像头控制进行跟踪。
跟踪具体流程为:
1)检测进入停车场的当前帧中检测到的人脸目标是否存在于系统中;
2)对首次出现的未存储的新人脸目标进行检测识别,执行步骤S3的人脸识别步骤以确认是否属于敏感人员;
3)结果为是,系统给出警告提示;结果为否,进行信息提示,进一步由人工介入监控或由跟踪模块进行目标跟踪。
其中,基于图像监控的人员异常行为检测流程为:
1)监控摄像头间隔时间t定时截取停车场图像,所述图像由处理器预处理后由无线传输系统发送至信息平台,从而获得停车场实时图像;
2)人员检测步骤:对画面进行处理得到前景图像,利用人体轮廓分类器扫描检测前景图像中是否包含行人轮廓尤其是头肩部位,从而进行人员检测;或者直接利用人体检测模块检测是否有人员进入停车场监控区域;
3)信息平台调取上一帧t0时刻的实时图像P0及初始停车场模型,比较间隔时间(t-t0)前后的人员分布图,即可得到停车场内行人动态变化分布图;
4)通过所述行人动态变化图随时间的变化从而检测行人异常行为,包括:人数骤增(可能存在人员聚集)、长时间滞留徘徊、静置或倒地(速度为零,无位移)等;控制中心信息平台根据人员异常行为发出警示提醒管理人员,或由跟踪模块对异常人员进行持续跟踪。
当停车场为室外停车场时,可对背景进行自适应建模,克服光照变化、阴影、雨雪天气等影响。
在室内或地下停车环境时,对于上述车辆和人员的异常行为识别,进一步通过音频信号检测的音频监控管理进行辅助。
音频监控管理主要步骤包括:
1)声音特征提取,从波形中提取MFCC特征的步骤如下:
第一步:将波形的幅值归一化;
第二步:将波形分成N帧,例如10帧/秒;对每帧采用快速傅立叶变换,以得到每帧的频域信息;
第三步:对得到的FFT数据进行滤波处理,以供采用声音分类器基于声效数据库进行声音分类。
其中,声效数据库异常声音包括:玻璃破碎声、尖叫声、吵闹声、撞击声等。
2)将提取的音频等声音特征与声音数据库预存信息进行比对,并预设异常情况阀值。
3)最后,如果音频特征超过预设阀值,向监控中心上传报警信息,并对当前视频进行记录,记录的视频可以保存在存储模块中。
S5:车辆管理,包括停车位检测及实时更新、自动收费。
所述车辆管理方法包括:通过车位检测设备检测车位空余数量及非正常停车。
采用多个超声波检测设备或红外线检测设备进行车位空余数量检测,所述多个超声波检测设备或红外线检测设备设置在停车位上方、前方或后方,用于对对应的停车位上是否存在车辆进行检测,优选设置于停车位上方。
具体操作上,单车位检测方式通过在停车场每个车位上安装超声波检测传感器,基于车位分割线设置红外检测设备以检测停车异常行为,从而获得停车场内的空车位数及非规范停车情况,准确度高。
具体地,超声波发生器采用压电式超声波发生器。
超声波传感器安装在每个停车位对应的上方天花板上,每个超声波车位检测设备由电路模块、超声波发送模块、超声波接收模块以及温度补偿模块等组成。超声波传感器(探头)完成超声波的发射或接收功能,探头主要由压电晶片组成,用于发射40-45kHZ的超声波和接收超声波。
超声波对车位进行探测后将探测的车位信息经无线方式发送给中继节点,再汇聚到主控节点。具体探测设置为:假设停车场的高度为3m米,汽车最低高度1.2-1.3m,可以设定探测阈值2m。当超声波测得距离小于阈值时证明车位被占用,否则为空闲状态。
另外,所述自动计时模块的显示费用,通过相应app或收款二维码进行收费。
当停车场包含多层停车楼或若干个相对独立的停车区时,采用多Agent架构的自主管理架构系统,由若干个相互独立的自主管理节点组成,每个自主管理节点连接各自的视频监控及分析算法模块,从而构成一个综合性得视频分析层向应用层提供视频分析服务。应用层接收来自各自主管理节点的服务;自主管理节点的结构包括视频监控模块,算法检测模块,控制管理服务器,存储数据库,报警器等。其中,算法检测模块调用视频图像并完成监测分析任务,将超出阈值的分析结果向主控端的管理服务器反馈;服务器综合所反馈的结果,发出警示信息。
在本申请所提供的实施例中,应该理解到,所揭露的系统、装置、模块和/或单元,可以通过其它的方式实现。例如,以上所描述的方法实施例仅仅是示意性的,例如,所述模块的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个模块或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
以上所述仅是本发明的部分实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进也应视为本发明的保护范围。
Claims (9)
1.一种基于人工智能的停车场安全监控管理系统,其特征在于,至少包括以下功能模块:1)视频图像目标检测子系统模块,其中包含视频图像采集模块、图像处理模块、识别比对模块、跟踪模块;2)停车管理模块,其中包含车位检测模块、计时计费模块;3)异常行为检测模块,其中包含车辆异常行为检测模块、人员异常行为检测模块;4)数据库存储模块;5)显示模块;6)硬件设备模块,包括有线/无线通信设备、车位检测器、报警器和电源等其他必要的硬件设备;以及与上述模块或子系统组相连的中央控制系统管理服务器;其中,图像处理模块与图像采集模块连接,用于对采集的图像信息进行背景处理、特征提取等图像处理;目标识别比对模块包含人脸识别模块和车辆识别模块,与图像处理模块连接,用于识别、比对确认视频图像帧序列中目标特征。
2.如权利要求1所述的管理系统,其特征在于,所述的视频图像采集模块、图像处理模块、目标识别模块、跟踪模块与摄像机设备集成为一体。
3.一种基于人工智能的停车场安全监控管理方法,其特征在于,包括以下步骤:
S1:在停车场入口处检测车辆入场,同步显示停车场车位信息,并实时采集车辆及驾乘人员图像信息;
S2:基于车辆图像分析进行车辆目标的识别,与嫌疑车辆子数据库信息进行比对,以筛选敏感车辆;
其中,所述嫌疑车辆子数据库为获取自公安机构的嫌疑车辆信息数据库,所述嫌疑车辆包括但不限于被盗车辆、套牌车辆,以及被通缉的在逃车辆等非正常车辆;
S3:基于人脸图像分析进行驾、乘人员目标的检测识别,与车辆登记人员信息或敏感人员子数据库进行比对确认,以筛选敏感人员;
S4:停车场内基于智能化视频监控的异常行为检测及警示;
所述的异常行为检测包括1)车辆异常行为检测;2)人员异常行为检测;并在客户端给予信息提示,由人工介入管理;
S5:车辆管理,包括停车位检测及实时更新、自动收费。
4.如权利要求3所述的管理系统,其特征在于,步骤S1中,在停车场行人通道出入口处至少设置一组连接人脸识别模块的高清摄像头,用以采集下车后的驾乘人员人脸图像;步骤S2中车辆的比对包括将识别的车辆特征与数据库预存信息进行比对,根据数据库预存信息区分登记车辆和临时车辆,并将临时车辆信息与数据库中嫌疑车辆子数据库的车辆信息进行比对,进行敏感车辆的筛选。
5.如权利要求3所述的管理系统,其特征在于,在步骤S3中,人员识别是指基于人脸识别模块检测人脸特征,自动识别驾乘人员是否为公安登记的敏感人群,所述的敏感人群信息获取自公安机构授权的通缉人员、走失人员等人员信息;敏感人群数据库通过公安机构提供的人员照片图像加工处理,从而得到可以进行比对的人脸特征数据信息;优选地,所述人脸特征数据的提取及检测采取基于Haar-like特征的AdaBoost人脸检测算法,具体的操作为:当检测到行人通道出入口处驾乘人员出现,图像采集模块和人脸识别模块进行图像采集并进行人脸检测,提取人脸特征数据并进行识别确认或比对。
6.如权利要求3所述的管理系统,其特征在于,步骤S4中,车辆异常行为检测包括非停车位停车、非空余车位入侵异常行为;所述的非停车位停车检测可通过在非停车区设置超声波检测仪或红外检测仪进行检测,或通过停车场图像的智能分析检测;其中,通过图像智能分析进行检测的步骤为:
1)对停车位之外的道路等区域运用计算机视觉技术中的直线检测法或四边形检测技术对非停车位进行标定,作为背景图像;或者对非停车区进行分区,分成若干个子分区,然后基于标定的若干个非停车区创建直方图数组,记录每一个非停车区的直方图信息;
2)图像采集模块定时采集停车场图像并传送给图像处理模块,图片经过滤波消噪后,进行轮廓检测;或计算当前的非停车区直方图,与对应的背景进行比对检测,设立相似度阈值,从而识别和判断非停车区的占用情况,并给出信息提示。
7.如权利要求3所述的管理系统,其特征在于,步骤S4中,停车场中人员异常行为检测包括:人员长时间滞留或徘徊、争吵斗殴、人员聚集以及首次进入的非驾乘人员等异常行为;其中,首次进入的非驾乘人员检测步骤为:
1)检测进入停车场的当前帧中检测到的人脸目标是否存在于系统中;
2)对首次出现的未存储的新人脸目标进行检测识别,执行步骤S3步骤以确认是否属于敏感人员;
3)若确认结果为是,系统给出警告提示;若结果为否,进行信息提示,进一步由人工介入监控或由跟踪模块进行目标跟踪;
其中,所述的人员异常行为检测基于视频图像监控,具体流程为:
1)监控摄像头定时截取停车场图像,所述图像由处理器预处理后由无线传输系统发送至信息平台,从而获得停车场实时图像;
2)人员检测步骤:对截取画面进行处理得到前景图像,利用人体轮廓分类器扫描检测前景图像中是否包含行人轮廓尤其是头肩部位,从而进行人员检测;或者直接利用人体检测模块检测是否有人员进入停车场监控区域;
3)信息平台调取上一帧t0时刻的实时前景图像P0及初始停车场模型,比较间隔时间前后的人员分布图,即可得到停车场内行人动态变化分布图;
4)通过所述行人动态变化图检测行人异常行为,包括:人数骤增、长时间滞留徘徊、倒地等;控制中心信息平台根据人员异常行为发出警示提醒管理人员,或由跟踪模块对异常人员进行持续跟踪;
5)在室内或地下停车环境,由音频监控进行辅助,获取音频信号并辨识异常声音。
8.如权利要求7所述的管理系统,其特征在于,所述的音频监控管理主要步骤包括:
1)声音特征提取;
2)将提取的音频等声音特征与声音数据库预存信息进行比对,并预设异常情况阀值;
3)如果音频特征超过预设阀值,向监控中心上传报警信息,并对当前视频进行记录,记录的视频保存在存储模块中。
9.如权利要求3所述的管理系统,其特征在于,步骤S5中,所述车辆管理方法包括通过车位检测设备检测车位空余数量及非正常停车;优选地,采用多个超声波检测设备或红外线检测设备,所述多个超声波检测设备或红外线检测设备设置在停车位上方、前方或后方,用于对对应的停车位上是否存在车辆进行检测,优选设置于停车位上方。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910000495.0A CN109686109B (zh) | 2019-01-02 | 2019-01-02 | 一种基于人工智能的停车场安全监控管理系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910000495.0A CN109686109B (zh) | 2019-01-02 | 2019-01-02 | 一种基于人工智能的停车场安全监控管理系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109686109A true CN109686109A (zh) | 2019-04-26 |
CN109686109B CN109686109B (zh) | 2021-08-10 |
Family
ID=66190375
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910000495.0A Active CN109686109B (zh) | 2019-01-02 | 2019-01-02 | 一种基于人工智能的停车场安全监控管理系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109686109B (zh) |
Cited By (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110148305A (zh) * | 2019-05-16 | 2019-08-20 | 安徽三联学院 | 一种基于车联网的车辆驾驶行为共享平台 |
CN110188717A (zh) * | 2019-06-03 | 2019-08-30 | 中国通信建设第四工程局有限公司 | 图像获取方法及装置 |
CN110246338A (zh) * | 2019-05-28 | 2019-09-17 | 安徽安科智能有限公司 | 一种用于出入口智能车闸远程控制系统及方法 |
CN110298278A (zh) * | 2019-06-19 | 2019-10-01 | 中国计量大学 | 一种基于人工智能的地下停车库行人车辆监测方法 |
CN110414325A (zh) * | 2019-06-18 | 2019-11-05 | 北京优位智停科技有限公司 | 一种生物识别与车辆识别联合检测方法 |
CN110544386A (zh) * | 2019-09-18 | 2019-12-06 | 奇瑞汽车股份有限公司 | 车位识别方法、装置及存储介质 |
CN110570177A (zh) * | 2019-09-09 | 2019-12-13 | 贵州博众金服科技有限公司 | 一种停车云值守管理平台 |
CN110852306A (zh) * | 2019-11-26 | 2020-02-28 | 南京智能仿真技术研究院有限公司 | 一种基于人工智能的安全监控系统 |
CN111260930A (zh) * | 2020-01-17 | 2020-06-09 | 江苏苏宁物流有限公司 | 车辆管理系统、装置、方法及计算机系统 |
CN111277795A (zh) * | 2020-01-15 | 2020-06-12 | 重庆特斯联智慧科技股份有限公司 | 一种基于人工智能的停车场监控方法和系统 |
CN111340398A (zh) * | 2020-03-24 | 2020-06-26 | 张为海 | 一种智能无人安防服务平台系统 |
CN111523797A (zh) * | 2020-04-21 | 2020-08-11 | 深圳中科慧据科技有限公司 | 轨道交通预警事件调度方法、装置、计算机设备及存储介质 |
CN111695449A (zh) * | 2020-05-27 | 2020-09-22 | 北京华夏电通科技有限公司 | 基于图像检测的行为识别方法及装置 |
CN112562352A (zh) * | 2020-12-07 | 2021-03-26 | 合肥诺必达信息技术有限责任公司 | 一种小区停车智能监控系统 |
CN112804489A (zh) * | 2020-12-31 | 2021-05-14 | 重庆文理学院 | 基于互联网+的智慧工地管理系统及方法 |
CN113112852A (zh) * | 2021-03-22 | 2021-07-13 | 厦门市车泊易交通设备有限公司 | 一种路边停车通讯故障管理系统和方法 |
US20210241547A1 (en) * | 2016-11-15 | 2021-08-05 | At&T Mobility Ii Llc | Facilitation of smart communications hub to support driverless vehicles in 5g networks or other next generation networks |
CN113553986A (zh) * | 2021-08-02 | 2021-10-26 | 浙江索思科技有限公司 | 一种船舶上运动目标检测方法及系统 |
CN114202953A (zh) * | 2021-12-22 | 2022-03-18 | 广东艾科智泊科技股份有限公司 | 一种基于全景停车场的寻车方法 |
CN114613192A (zh) * | 2022-03-15 | 2022-06-10 | 西湾智慧(广东)信息科技有限公司 | 一种公共停车位综合管理系统及方法 |
CN114882734A (zh) * | 2022-07-12 | 2022-08-09 | 车位管家(深圳)科技有限公司 | 一种基于人工智能的停车场安全监控管理系统 |
CN115410324A (zh) * | 2022-10-28 | 2022-11-29 | 山东世拓房车集团有限公司 | 一种基于人工智能的房车夜间安防系统及方法 |
CN117037067A (zh) * | 2023-08-21 | 2023-11-10 | 湖北顺安伟业科技有限公司 | 一种停车场安防管理系统 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1790422A (zh) * | 2005-11-18 | 2006-06-21 | 肖一峰 | 公共停车场实时集中收费管理及静态交通管理方法及其系统 |
CN102426786A (zh) * | 2011-11-15 | 2012-04-25 | 无锡港湾网络科技有限公司 | 一种自动识别套牌车辆的智能视频分析系统及方法 |
CN105096390A (zh) * | 2015-06-23 | 2015-11-25 | 公安部交通管理科学研究所 | 基于汽车电子标识的停车场管理系统 |
CN106373426A (zh) * | 2016-09-29 | 2017-02-01 | 成都通甲优博科技有限责任公司 | 基于计算机视觉的停车位及违规占道停车监控方法 |
CN107730898A (zh) * | 2016-11-08 | 2018-02-23 | 北京奥斯达兴业科技有限公司 | 停车场非法车辆识别方法及系统 |
CN107967817A (zh) * | 2017-11-17 | 2018-04-27 | 张慧 | 基于多路摄像头深度学习的停车场智能管理系统及方法 |
CN108961466A (zh) * | 2018-06-19 | 2018-12-07 | 宇龙计算机通信科技(深圳)有限公司 | 一种异常行为的采集方法和设备 |
-
2019
- 2019-01-02 CN CN201910000495.0A patent/CN109686109B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1790422A (zh) * | 2005-11-18 | 2006-06-21 | 肖一峰 | 公共停车场实时集中收费管理及静态交通管理方法及其系统 |
CN102426786A (zh) * | 2011-11-15 | 2012-04-25 | 无锡港湾网络科技有限公司 | 一种自动识别套牌车辆的智能视频分析系统及方法 |
CN105096390A (zh) * | 2015-06-23 | 2015-11-25 | 公安部交通管理科学研究所 | 基于汽车电子标识的停车场管理系统 |
CN106373426A (zh) * | 2016-09-29 | 2017-02-01 | 成都通甲优博科技有限责任公司 | 基于计算机视觉的停车位及违规占道停车监控方法 |
CN107730898A (zh) * | 2016-11-08 | 2018-02-23 | 北京奥斯达兴业科技有限公司 | 停车场非法车辆识别方法及系统 |
CN107967817A (zh) * | 2017-11-17 | 2018-04-27 | 张慧 | 基于多路摄像头深度学习的停车场智能管理系统及方法 |
CN108961466A (zh) * | 2018-06-19 | 2018-12-07 | 宇龙计算机通信科技(深圳)有限公司 | 一种异常行为的采集方法和设备 |
Cited By (27)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11631286B2 (en) * | 2016-11-15 | 2023-04-18 | At&T Mobility Ii Llc | Facilitation of smart communications hub to support registering, monitoring, and managing a driverless vehicle |
US20210241547A1 (en) * | 2016-11-15 | 2021-08-05 | At&T Mobility Ii Llc | Facilitation of smart communications hub to support driverless vehicles in 5g networks or other next generation networks |
US20230215224A1 (en) * | 2016-11-15 | 2023-07-06 | At&T Mobility Ii Llc | Facilitation of smart communications hub to support driverless vehicles in 5g networks or other next generation networks |
US11978288B2 (en) * | 2016-11-15 | 2024-05-07 | At&T Mobility Ii Llc | Method, apparatus, and non-transitory machine-readable medium for activating public entity imaging device for observing vehicle status |
CN110148305A (zh) * | 2019-05-16 | 2019-08-20 | 安徽三联学院 | 一种基于车联网的车辆驾驶行为共享平台 |
CN110246338A (zh) * | 2019-05-28 | 2019-09-17 | 安徽安科智能有限公司 | 一种用于出入口智能车闸远程控制系统及方法 |
CN110188717A (zh) * | 2019-06-03 | 2019-08-30 | 中国通信建设第四工程局有限公司 | 图像获取方法及装置 |
CN110414325A (zh) * | 2019-06-18 | 2019-11-05 | 北京优位智停科技有限公司 | 一种生物识别与车辆识别联合检测方法 |
CN110298278A (zh) * | 2019-06-19 | 2019-10-01 | 中国计量大学 | 一种基于人工智能的地下停车库行人车辆监测方法 |
CN110570177A (zh) * | 2019-09-09 | 2019-12-13 | 贵州博众金服科技有限公司 | 一种停车云值守管理平台 |
CN110544386A (zh) * | 2019-09-18 | 2019-12-06 | 奇瑞汽车股份有限公司 | 车位识别方法、装置及存储介质 |
CN110852306A (zh) * | 2019-11-26 | 2020-02-28 | 南京智能仿真技术研究院有限公司 | 一种基于人工智能的安全监控系统 |
CN111277795A (zh) * | 2020-01-15 | 2020-06-12 | 重庆特斯联智慧科技股份有限公司 | 一种基于人工智能的停车场监控方法和系统 |
CN111260930A (zh) * | 2020-01-17 | 2020-06-09 | 江苏苏宁物流有限公司 | 车辆管理系统、装置、方法及计算机系统 |
CN111340398A (zh) * | 2020-03-24 | 2020-06-26 | 张为海 | 一种智能无人安防服务平台系统 |
CN111523797A (zh) * | 2020-04-21 | 2020-08-11 | 深圳中科慧据科技有限公司 | 轨道交通预警事件调度方法、装置、计算机设备及存储介质 |
CN111695449A (zh) * | 2020-05-27 | 2020-09-22 | 北京华夏电通科技有限公司 | 基于图像检测的行为识别方法及装置 |
CN112562352A (zh) * | 2020-12-07 | 2021-03-26 | 合肥诺必达信息技术有限责任公司 | 一种小区停车智能监控系统 |
CN112804489A (zh) * | 2020-12-31 | 2021-05-14 | 重庆文理学院 | 基于互联网+的智慧工地管理系统及方法 |
CN113112852A (zh) * | 2021-03-22 | 2021-07-13 | 厦门市车泊易交通设备有限公司 | 一种路边停车通讯故障管理系统和方法 |
CN113553986A (zh) * | 2021-08-02 | 2021-10-26 | 浙江索思科技有限公司 | 一种船舶上运动目标检测方法及系统 |
CN113553986B (zh) * | 2021-08-02 | 2022-02-08 | 浙江索思科技有限公司 | 一种船舶上运动目标检测方法及系统 |
CN114202953A (zh) * | 2021-12-22 | 2022-03-18 | 广东艾科智泊科技股份有限公司 | 一种基于全景停车场的寻车方法 |
CN114613192A (zh) * | 2022-03-15 | 2022-06-10 | 西湾智慧(广东)信息科技有限公司 | 一种公共停车位综合管理系统及方法 |
CN114882734A (zh) * | 2022-07-12 | 2022-08-09 | 车位管家(深圳)科技有限公司 | 一种基于人工智能的停车场安全监控管理系统 |
CN115410324A (zh) * | 2022-10-28 | 2022-11-29 | 山东世拓房车集团有限公司 | 一种基于人工智能的房车夜间安防系统及方法 |
CN117037067A (zh) * | 2023-08-21 | 2023-11-10 | 湖北顺安伟业科技有限公司 | 一种停车场安防管理系统 |
Also Published As
Publication number | Publication date |
---|---|
CN109686109B (zh) | 2021-08-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109686109A (zh) | 一种基于人工智能的停车场安全监控管理系统 | |
US11394933B2 (en) | System and method for gate monitoring during departure or arrival of an autonomous vehicle | |
WO2018113602A1 (zh) | 停车管理机器人及停车管理方法和系统 | |
CN208521463U (zh) | 停车场管理系统及其车位管理系统、车牌识别收费系统 | |
CN103839346B (zh) | 一种智能门窗防入侵装置以及系统、智能门禁系统 | |
US10997430B1 (en) | Dangerous driver detection and response system | |
CN108986539A (zh) | 停车管理系统、方法、车辆信息采集装置及管理服务器 | |
CN107045800A (zh) | 一种智慧社区车位管理方法 | |
CN203346814U (zh) | 基于车牌识别技术的双车道一体化小区智能道闸管理系统 | |
CN105894700A (zh) | 基于图像的车内活动物体远程观测、报警装置及方法 | |
CN106485927A (zh) | 一种智能交通违章信息采集装置及采集方法 | |
CN108710827B (zh) | 一种社区微警务巡查和信息自动分析系统及方法 | |
CN103366565A (zh) | 一种基于Kinect的行人闯红灯检测方法及其系统 | |
CN108205896A (zh) | 一种校园交通安全智能监控管理系统 | |
CN110322726A (zh) | 一种基于高位视频的半封闭路侧停车管理系统及方法 | |
CN102254394A (zh) | 一种基于视频差异分析的输电线路杆塔防盗监控方法 | |
CN110390232A (zh) | 确认违法驾驶的方法、装置、服务器和系统 | |
CN110189524A (zh) | 一种主动式违章违规识别方法、系统和电子设备 | |
CN110263623A (zh) | 列车攀爬监测方法、装置、终端及存储介质 | |
CN111950499A (zh) | 一种检测车载人员统计信息的方法 | |
CN112150831A (zh) | 基于大数据的智慧城市路灯信息控制处理方法 | |
CN107135371A (zh) | 在线式电子保安服务系统 | |
CN111258252B (zh) | 旅游景点热度实时监测系统和方法 | |
CN107991953A (zh) | 一种建筑中枢系统 | |
CN112532928A (zh) | 一种基于5g和人脸识别的公交车车载系统及使用方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |