CN114998787A - 智慧停车场车损监测处理方法、装置、系统及介质 - Google Patents
智慧停车场车损监测处理方法、装置、系统及介质 Download PDFInfo
- Publication number
- CN114998787A CN114998787A CN202210582481.6A CN202210582481A CN114998787A CN 114998787 A CN114998787 A CN 114998787A CN 202210582481 A CN202210582481 A CN 202210582481A CN 114998787 A CN114998787 A CN 114998787A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- vehicles
- parking lot
- vehicle loss
- license plate
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
- G06V20/41—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
- G06V20/46—Extracting features or characteristics from the video content, e.g. video fingerprints, representative shots or key frames
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Software Systems (AREA)
- Multimedia (AREA)
- Artificial Intelligence (AREA)
- General Health & Medical Sciences (AREA)
- Computational Linguistics (AREA)
- Evolutionary Computation (AREA)
- Computing Systems (AREA)
- Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Databases & Information Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Medical Informatics (AREA)
- Data Mining & Analysis (AREA)
- Molecular Biology (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了智慧停车场车损监测处理方法、装置、系统及介质,方法包括:通过预先设置在停车场车辆进出必经之路的摄像装置,对进入停车场的车辆进行视频和图像采集,并通过基于深度学习技术的车损鉴定模型提取进场车辆的车损特征和车牌号;并拍摄获取车辆出场时的视频和图像,提取出场车辆的车损特征和车牌号;判断同一车牌号对应的车辆出场的车损特征与车辆进场的车损特征是否一致;当同一车牌号对应的车辆出场的车损特征与车辆进场的车损特征对比不一致,则判断为有新车损情况,并自动发送车损提醒到指定终端。本发明在不增加太多成本的基础上可以及时检测到是否有在停车场内发生车损情况,并可及时提醒,提高了停车场停车的安全性。
Description
技术领域
本发明涉及智慧停车场技术领域,尤其涉及的是一种智慧停车场车损监测处理方法、装置、系统及介质。
背景技术
随着汽车技术的发展和人们生活水平的不断提高,家用汽车的使用越来越普及,家用汽车已经成为人们生活中常用的代步工具。而对于用于停车的停车场的管理使用也很关键。
现有技术中绝大部分停车场(包括收费停车场)只负责停车,不负责看管。车子在停车场内发生被撞、剐蹭等情况,几乎找不到作案人员也得不到赔偿。好一点的停车场会有人配合调取监控,如果事故刚好处于监控范围,可以找到肇事者然后协商处理。现有停车场的摄像机一般安装在停车场的主干路上,监控死角太多了,几乎很难通过调监控找到肇事者。如果在停车场的各角落增加摄像机会大幅增加停车场的建设和维护成本,而且也很难做到全场监控,即现有技术无法及时监控到停车场内发生被撞、剐蹭等情况,给用户使用造成不方便。
因此,现有技术还有待改进和发展。
发明内容
本发明的主要目的在于提供一种智慧停车场车损监测处理方法、装置、系统及计算机可读存储介质,旨在解决现有技术无法及时监控到停车场内发生被撞、剐蹭等情况,给用户使用造成不方便的技术问题。本发明在不增加太多成本的基础上可以及时检测到是否有在停车场内发生车损情况,并可及时提醒,提高了停车场停车的安全性。
为了实现上述目的,本发明第一方面提供一种智慧停车场车损监测处理方法,其中,所述方法包括:
一种智慧停车场车损监测处理方法,其中,所述方法包括:
通过预先设置在停车场车辆进出必经之路的摄像装置,对进入停车场的车辆进行视频和图像采集,并通过基于深度学习技术的车损鉴定模型提取进场车辆的车损特征和车牌号;
通过所述摄像装置,拍摄获取车辆出场时的视频和图像,并通过基于深度学习技术的车损鉴定模型提取出场车辆的车损特征和车牌号;
将同一车牌号对应的车辆出场的车损特征与车辆进场的车损特征进行对比;判断同一车牌号对应的车辆出场的车损特征与车辆进场的车损特征是否一致;
当同一车牌号对应的车辆出场的车损特征与车辆进场的车损特征对比不一致,则判断为有新车损情况,并自动发送车损提醒到指定终端。
所述的智慧停车场车损监测处理方法,其中,所述通过预先设置在停车场车辆进出必经之路的摄像装置,对进入停车场的车辆进行视频和图像采集,并通过基于深度学习技术的车损鉴定模型提取进场车辆的车损特征和车牌号的步骤之前包括:
预先在停车场的车辆进出必经之路的四角设置四个高清摄像机。
所述当同一车牌号对应的车辆出场的车损特征与车辆进场的车损特征对比不一致,则判断为有新车损情况,并自动发送车损提醒到指定终端步骤之后包括:
当判断为有车损,接收操作指令调取与车损提醒对应的视频和图像。
所述的智慧停车场车损监测处理方法,其特征在于,所述车损特征的提取步骤包括:
获取车辆整体外观图像,提取实际车辆外观损伤图像并进行损伤类型和位置标注;
搭建深度卷积神经网络;进行模型训练,得到训练后的深度卷积神经网络模型;
利用训练得到的深度卷积神经网络模型进行车辆外观损伤识别和评估,得到车损特征。
所述的智慧停车场车损监测处理方法,其中,所述通过预先设置在停车场车辆进出必经之路的摄像装置,对进入停车场的车辆进行视频和图像采集,并通过基于深度学习技术的车损鉴定模型提取进场车辆的车损特征和车牌号步骤包括:
检测是否有车辆进入停车场;
当检测到有车辆进入停车场,通过预先设置在停车场车辆进出必经之路的高清摄像机,对进入停车场的车辆进行视频和图像采集;采集车前、车后和车侧面的整体视频和图像;
并对采集的入场车辆的视频和图像通过基于深度学习技术的车损鉴定模型进行分析处理,提取进场车辆的车损特征和车牌号,并存储为与车牌号对应的车辆进场状态的车损特征。
所述的智慧停车场车损监测处理方法,其中,所述通过所述摄像装置,拍摄获取车辆出场时的视频和图像,并通过基于深度学习技术的车损鉴定模型提取出场车辆的车损特征和车牌号步骤包括:
检测是否有车辆要出场;
当检测有车辆要出场,通过预先设置在停车场车辆进出必经之路的高清摄像机,对准备出停车场的车辆进行视频和图像采集;采集车前、车后和车侧面的整体视频和图像;
并对采集的出停车场的视频和图像通过基于深度学习技术的车损鉴定模型进行分析处理,提取出停车场车辆的车损特征和车牌号,并存储为与车牌号对应的出停车场车辆的车损特征。
所述的智慧停车场车损监测处理方法,其中,所述将同一车牌号对应的车辆出场的车损特征与车辆进场的车损特征进行对比;判断同一车牌号对应的车辆出场的车损特征与车辆进场的车损特征是否一致步骤包括:
将同一车牌号对应的车辆出场的车损特征与车辆进场的车损特征进行对比,比对原则是同一车辆的同一位置的车辆出场的车损特征与车辆进场的车损特征进行一一对比;
判断同一车牌号对应的车辆出场的车损特征与车辆进场的车损特征是否一致;
如果一致,则判定为没有新车损情况,则不做处理。
所述的智慧停车场车损监测处理方法,其中,所述当同一车牌号对应的车辆出场的车损特征与车辆进场的车损特征对比不一致,则判断为有新车损情况,并自动发送车损提醒到指定终端的步骤之后还包括:
将在指定时间段出现新车损情况的所有车辆的车损特征进行相互比对,判断出现新车损情况的各车辆的车损特征位置是否匹配吻合;
将车损特征位置匹配吻合的车辆的车牌号输出提醒。
一种智慧停车场车损监测处理装置,其中,包括:
入场采集模块,用于通过预先设置在停车场车辆进出必经之路的摄像装置,对进入停车场的车辆进行视频和图像采集,并通过基于深度学习技术的车损鉴定模型提取进场车辆的车损特征和车牌号;
出场采集模块,用于通过所述摄像装置,拍摄获取车辆出场时的视频和图像,并通过基于深度学习技术的车损鉴定模型提取出场车辆的车损特征和车牌号;
特征比对模块,用于将同一车牌号对应的车辆出场的车损特征与车辆进场的车损特征进行对比;判断同一车牌号对应的车辆出场的车损特征与车辆进场的车损特征是否一致;
提醒控制模块,用于当同一车牌号对应的车辆出场的车损特征与车辆进场的车损特征对比不一致,则判断为有新车损情况,并自动发送车损提醒到指定终端。
一种智慧停车场车损监测处理系统,其中,包括:设置在停车场车辆进出必经之路的摄像装置,以与通过网络与所述摄像装置通讯连接的智能终端,所述智能终端包括:包括有存储器,处理器;所述存储器上存储有可在所述处理器上运行的智慧停车场车损监测处理程序,所述智慧停车场车损监测处理程序被所述处理器执行时实现任意一项所述智慧停车场车损监测处理方法的步骤。
一种计算机可读存储介质,其中,所述计算机可读存储介质上存储有智慧停车场车损监测处理程序,所述智慧停车场车损监测处理程序被处理器执行时实现任意一项所述智慧停车场车损监测处理方法的步骤。
由上可见,本发明提供了一种智慧停车场车损监测处理方法、装置、系统及计算机可读存储介质,本发明通过预先在停车场的车辆进出必经之路设置四个高清摄像机;当有车辆经过时,对经过的车辆进行视频和图像采集,可以采集到车前、车后和车侧的状态;获取经过车辆的视频,通过基于深度学习技术的车损鉴定模型提取车损特征和车牌号。当车辆进场时,会记录车辆进场状态。当车辆出场时,会记录车辆出场状态,并与车辆进场状态进行比较,如果发现状态不一致,则自动发送车损提醒,以通知值班员和车主;值班员和车主可以通过电话或当面的方式对这一情况进行调查、记录、留存车主行车记录近期影像。当有车主对自身的车辆损失提出异议时,可以根据记录模块的近期异常记录、留存的行车记录仪影像、调取发生时间的存储模块的影像,可以很快的对事发的现场进行复原。本发明使停车场增加了新功能:具有在停车场检测到车损发生时及时提醒功能,为用户的使用提供了方便。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其它的附图。
图1是本发明实施例提供的一种智慧停车场车损监测处理方法的流程示意图。
图2是本发明实施例提供的一种智慧停车场车损监测处理方法的摄像头安装结构示意图。
图3是本发明实施例提供的一种智慧停车场车损监测处理装置原理框示意图。
图4是本发明实施例提供的一种智慧停车场车损监测处理系统整体架构图。
图5是本发明实施例提供的一种智慧停车场车损监测处理系统的智能终端的内部结构原理框图。
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定装置结构、技术之类的具体细节,以便透彻理解本发明实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况下,省略对众所周知的装置、装置、电路以及方法的详细说明,以免不必要的细节妨碍本发明的描述。
应当理解,当在本说明书和所附权利要求书中使用时,术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在,但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解,在本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样,除非上下文清楚地指明其它情况,否则单数形式的“一”、“一个”及“该”意在包括复数形式。
还应当进一步理解,在本发明说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合,并且包括这些组合。
如在本说明书和所附权利要求书中所使用的那样,术语“如果”可以依据上下文被解释为“当…时”或“一旦”或“响应于确定”或“响应于检测到”。类似的,短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述的条件或事件]”或“响应于检测到[所描述条件或事件]”。
下面结合本发明实施例的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明的一部分实施例,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它实施例,都属于本发明保护的范围。
在下面的描述中阐述了很多具体细节以便于充分理解本发明,但是本发明还可以采用其它不同于在此描述的其它方式来实施,本领域技术人员可以在不违背本发明内涵的情况下做类似推广,因此本发明不受下面公开的具体实施例的限制。
现有技术中绝大部分停车场(包括收费停车场)只负责停车,不负责看管。车子在停车场内发生被撞、剐蹭等情况,几乎找不到作案人员也得不到赔偿。好一点的停车场会有人配合调取监控,如果事故刚好处于监控范围,可以找到肇事者然后协商处理。现有停车场的摄像机一般安装在停车场的主干路上,监控死角太多了,几乎很难通过调监控找到肇事者。如果在停车场的各角落增加摄像机会大幅增加停车场的建设和维护成本,而且也很难做到全场监控,即现有技术无法及时监控到停车场内发生被撞、剐蹭等情况,给用户使用造成不方便。
为了解决现有技术的问题,本发明实施例提供了一种智慧停车场车损监测处理方法、装置;本发明可以在不增加太多成本的基础上解决上述问题,提升停车场的用户体验。具体如下所述:
如图2所示,本发明实施例的智慧停车场车损监测处理方法包括以下步骤:
步骤S100、通过预先设置在停车场车辆进出必经之路的摄像装置,对进入停车场的车辆进行视频和图像采集,并通过基于深度学习技术的车损鉴定模型提取进场车辆的车损特征和车牌号。
本发明在具体实施时,需要在停车场的必经之路上设置摄像装置,负责对车辆外观进行提取;主要是通过摄像机对全车身进行拍照和录像。照片和视频通过存储模块进行存储。例如图2所示,例如在进出停车场门闸口不远的必经之路两边四个对角,设置四个高清摄像机,用于当有车辆经过时,对车辆进行视频和图像采集,可以采集到车前、车后和车侧的状态。
具体地,当有车辆进入该停车场时,预先设置好的高清摄像机自动对进入停车场的车辆进行视频和图像采集,并通过基于深度学习技术的车损鉴定模型提取进场车辆的车损特征和车牌号。本发实施例中会对进入停车场的车辆拍摄的视频和图像中提取整车外观图像,并对有车损的地方例如有颜色不一样的外观地方或破损的外观地方进行标注,标注为车损特征。而本发明中关于车牌号的提取现有技术中有很成熟的车牌号提取方法,在此不在重复论述。
本发明实施例中提取到车辆进场图像的车损特征后,存储为与对应车辆车牌号对应的进场车辆的车损特征,方便后面的比对。
步骤S200、通过所述摄像装置,拍摄获取车辆出场时的视频和图像,并通过基于深度学习技术的车损鉴定模型提取出场车辆的车损特征和车牌号。
即本发明实施例中,当车辆出场时,也会在车辆经过出场必经之路时,拍摄获取车辆出场时的视频和图像,并通过基于深度学习技术的车损鉴定模型提取出场车辆的车损特征和车牌号。即通过同样车损特征提取方法提取出车辆出停车场的车损特征和车牌号,并存储为与对应车辆车牌号对应的出场车辆的车损特征,方便车损特征的比对。
步骤S300、将同一车牌号对应的车辆出场的车损特征与车辆进场的车损特征进行对比;判断同一车牌号对应的车辆出场的车损特征与车辆进场的车损特征是否一致;
本发明中,可以设置每次车辆出场时,将提取的同一车牌号对应的车辆出场的车损特征与车辆进场的车损特征,进行比对;判断同一车牌号对应的车辆出场的车损特征与车辆进场的车损特征是否一致,本发明实施例中,具体比对的主要是进场和出场的车损特征进行比较,看看两者是不是一样,是否有新增加的车损特征。如果没有新增加的车损特征则认为车在停车场内没有发生被撞、剐蹭等情况。
步骤S400、当同一车牌号对应的车辆出场的车损特征与车辆进场的车损特征对比不一致,则判断为有新车损情况,并自动发送车损提醒到指定终端。
本发明实施例中,当同一车牌号对应的车辆出场的车损特征与车辆进场的车损特征对比不一致,例如车辆出停车场有新增加了车损特征,则判断为有新车损情况,则本发明实施例中会自动发送车损提醒到指定终端。
即本发明实施例中,当车辆进场时,会记录车辆进场状态。当车辆出场时,会记录车辆出场状态,并与车辆进场状态进行比较,如果发现状态不一致,则通知值班员和车主。
在可选地实施例中,本发明,所述步骤S100具体包括:
步骤S101、检测是否有车辆进入停车场;
本发明实施例中停车场的高清摄像机,会对进入停车场的车辆进行自动检测;例如可以通过高清摄像机的动态检测,只要有动的车辆经过必经之路,本发明的停车场的高清摄像机会自动检测到。
步骤S102、当检测到有车辆进入停车场,通过预先设置在停车场车辆进出必经之路的高清摄像机,对进入停车场的车辆进行视频和图像采集;采集车前、车后和车侧面的整体视频和图像;
本发明实施例中当检测到有车辆进入停车场,通过预先设置在停车场车辆进出必经之路的高清摄像机,如图2所示,通过在车场的必经之路上的四个高清摄像机,对进入停车场的车辆进行视频和图像采集;采集车前、车后和车侧面的整体视频和图像,即拍摄车辆进入时整车外观图及视频采集。
步骤S103、对采集的入场车辆的视频和图像通过基于深度学习技术的车损鉴定模型进行分析处理,提取进场车辆的车损特征和车牌号,并存储为与车牌号对应的车辆进场状态的车损特征。
然后对采集的入场车辆的视频和图像通过基于深度学习技术的车损鉴定模型进行分析处理,提取进场车辆的车损特征和车牌号。本发明实施例中关于通过,例如通过基于深度学习技术的车损鉴定模型提取车损特征具体包括:
获取车辆整体外观图像,提取实际车辆外观损伤图像并进行损伤类型和位置标注;搭建深度卷积神经网络;进行模型训练,得到训练后的深度卷积神经网络模型;即本发明实施例中,关于车损特征的提取,可以先提取一些具有车损位置的车辆整体外观图像,提取实际车辆外观损伤图像并进行损伤类型和位置标注,然后利于搭建的卷积神经网络;进行模型训练,得到训练后的深度卷积神经网络模型对实际进出停车场的车辆进行车损识别。
利用训练得到的深度卷积神经网络模型对进出停车场的车辆拍摄的图像和视频进行车辆外观损伤识别和评估,得到车损特征。这个车损特征是车辆外观出现损伤的部位。
可选地实施例中,所述步骤S200具体包括:
步骤S201、检测是否有车辆要出场;
本发明实施例中通过所述预先设置的高清摄像头检测是否有车辆要出场,例如检测是否有车辆从停车场向外开要出场。
步骤S202、当检测有车辆要出场,通过预先设置在停车场车辆进出必经之路的高清摄像机,对准备出停车场的车辆进行视频和图像采集;采集车前、车后和车侧面的整体视频和图像;
本发明实施例中,当检测有车辆要出场即当通过高清摄头检测到有车辆从停车场向外开要出场,则通过预先设置在停车场车辆进出必经之路的高清摄像机,对准备出停车场的车辆进行视频和图像采集;采集车前、车后和车侧面的整体视频和图像。即拍摄采集车辆走必经之路开出停车前的视频和图像。
步骤S203、并对采集的出停车场的视频和图像通过基于深度学习技术的车损鉴定模型进行分析处理,提取出停车场车辆的车损特征和车牌号,并存储为与车牌号对应的出停车场车辆的车损特征。
本发明实施例中,同样,也会对采集的出停车场的视频和图像通过基于深度学习技术的车损鉴定模型进行分析处理,提取出停车场车辆的车损特征和车牌号,并存储为与车牌号对应的出停车场车辆的车损特征。其中,所述车损特征的提取步骤包括:获取车辆整体外观图像,提取实际车辆外观损伤图像并进行损伤类型和位置标注;搭建深度卷积神经网络;进行模型训练,得到训练后的深度卷积神经网络模型;利用训练得到的深度卷积神经网络模型进行车辆外观损伤识别和评估,得到车损特征。
进一步可选地实施例中,所述步骤S300具体包括:
步骤S301、将同一车牌号对应的车辆出场的车损特征与车辆进场的车损特征进行对比,比对原则是同一车辆的同一位置的车辆出场的车损特征与车辆进场的车损特征进行一一对比;
本发明实施例中,会将同一车牌号对应的车辆出场的车损特征与车辆进场的车损特征进行对比,比对原则是同一车辆的同一位置的车辆出场的车损特征与车辆进场的车损特征进行一一对比。例如车头图像与车头图像的车损特征进行比对,车尾图像与车尾图像的车损特征进行比对。
步骤S301、判断同一车牌号对应的车辆出场的车损特征与车辆进场的车损特征是否一致;
即判断同一车牌号对应的车辆出场的所有车损特征与车辆进场的所有车损特征是否一致。如果一致则进入步骤S301。
如果不一致例如进场时车辆的车损特征只有车头的车损点A,出场时车辆的车损特征不仅有车头的车损点A,还有车尾部新增加的车损特征例如车损点B,则进入步骤S400,判定为同一车牌号对应的车辆出场的车损特征与车辆进场的车损特征对比不一致,判断为有新车损情况,则自动发送车损提醒到指定终端。
步骤S301、如果一致,则判定为没有新车损情况,则不做处理。
本发明实施例中,如果没有新增加的车损情况,即车辆进停车场和出停车场时的车损情况一样,则判定为没有新车损情况,则不做处理。
可选地实施例中,所述步骤S400还包括:
将在指定时间段出现新车损情况的所有车辆的车损特征进行相互比对,判断出现新车损情况的各车辆的车损特征位置是否匹配吻合;将车损特征位置匹配吻合的车辆的车牌号输出提醒。
即本发明实施例中当判断为有新车损情况,会自动对指定时间例如三天内,所有发声新车损的各车辆的车损特征位置进行相互比对,判断出现新车损情况的各车辆的车损特征位置是否匹配吻合。例如A车辆发生新车损的位置为车头A1处,高度为1米位置;B车辆发生车损的位置为车头B1处,高度也为1米位置;则本发明会自动调取AB两个车当时出停车场时拍摄的图像和视频进行比对,比对两者高度一致并处车损磨合基本吻合,则会自动将车损特征位置匹配吻合的车辆的车牌号输出到指定管理员终端进行相应提醒。这样,可以通过自动比对能更快锁定是两哪个车之间发了被撞、剐蹭等情况,很快识别出肇事车辆,为用户的使用提供了方便。
本发明实施例中:进一步地,当判断为有车损情况发现,可以接收操作指令调取与车损提醒对应的视频和图像,以及时调查对应发生车损情况的车辆视频和图像,方便事后用户亲自确认比对。
由上可见,本发明实施例可以实现当车辆进场时,会记录车辆进场状态。当车辆出场时,会记录车辆出场状态,并与车辆进场状态进行比较,如果发现状态不一致,则通知值班员和车主,值班员和车主可以通过电话或当面的方式对这一情况进行调查、记录、留存车主行车记录近期影像。当有车主对自身的车辆损失提出异议时,可以根据记录的近期异常记录、留存的行车记录仪影像、调取发生时间的存储的影像,可以很快的对事发的现场进行复原,为用户的使用提供了方便,为用户停车也提供了放心。
基于上述实施例,如图3所示,本发明还提供了一种智慧停车场车损监测处理装置,包括:
入场采集模块410,用于通过预先设置在停车场车辆进出必经之路的摄像装置,对进入停车场的车辆进行视频和图像采集,并通过基于深度学习技术的车损鉴定模型提取进场车辆的车损特征和车牌号;
出场采集模块420,用于通过所述摄像装置,拍摄获取车辆出场时的视频和图像,并通过基于深度学习技术的车损鉴定模型提取出场车辆的车损特征和车牌号;
特征比对模块430,用于将同一车牌号对应的车辆出场的车损特征与车辆进场的车损特征进行对比;判断同一车牌号对应的车辆出场的车损特征与车辆进场的车损特征是否一致;
提醒控制模块440,用于当同一车牌号对应的车辆出场的车损特征与车辆进场的车损特征对比不一致,则判断为有新车损情况,并自动发送车损提醒到指定终端,具体如上所述。
基于上述实施例,如图4所示,本发明还提供了一种智慧停车场车损监测处理系统,包括:设置在停车场出入口的闸机,设置在停车场车辆进出必经之路的摄像装置、例如设置在停车场出入口闸机附近5米范围内的四个高清晰摄像机,以与通过网络与所述摄像装置通讯连接的智能终端;如图4所示,所述智能终端较佳可以为本地服务器,所述本地服务器通过路由器与闸机、摄像机通讯连接,所述本地服务器通过云端服务器与停车场值班员的手机和车主手机可以建立通讯连接。本发明系统涉及软硬件的系统;硬件负责数据采集。软件是系统的核心,负责数据存储、数据分析、车损计算、车辆管理、通知和记录等。本地端涉及摄像机、闸机、服务器、路由器,通过路由器把所有设备连接到一起,本地服务器通过互联网与云端服务器进行通讯。云端服务器负责发通知到停车场值班员指定手机终端和当事车主手机终端。
本发明实施例中所述智能终端,其原理框图可以如图5所示。该智能终端包括通过系统总线连接的处理器、存储器、网络接口、显示屏。其中,该智能终端的处理器用于提供计算和控制能力。该智能终端的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该智能终端的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种智慧停车场车损监测处理方法。该智能终端的显示屏可以是液晶显示屏或者电子墨水显示屏。
本领域技术人员可以理解,图5中示出的原理框图,仅仅是与本发明方案相关的部分结构的框图,并不构成对本发明方案所应用于其上的智能终端的限定,具体的智能终端可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种智能设备,包括有存储器,以及一个或者一个以上的程序,其中一个或者一个以上程序存储于存储器中,且经配置以由一个或者一个以上处理器执行所述一个或者一个以上程序包含用于进行以下操作指令的步骤:
通过预先设置在停车场车辆进出必经之路的摄像装置,对进入停车场的车辆进行视频和图像采集,并通过基于深度学习技术的车损鉴定模型提取进场车辆的车损特征和车牌号;
通过所述摄像装置,拍摄获取车辆出场时的视频和图像,并通过基于深度学习技术的车损鉴定模型提取出场车辆的车损特征和车牌号;
将同一车牌号对应的车辆出场的车损特征与车辆进场的车损特征进行对比;判断同一车牌号对应的车辆出场的车损特征与车辆进场的车损特征是否一致;
当同一车牌号对应的车辆出场的车损特征与车辆进场的车损特征对比不一致,则判断为有新车损情况,并自动发送车损提醒到指定终端。
其中,所述通过预先设置在停车场车辆进出必经之路的摄像装置,对进入停车场的车辆进行视频和图像采集,并通过基于深度学习技术的车损鉴定模型提取进场车辆的车损特征和车牌号的步骤之前包括:
预先在停车场的车辆进出必经之路的四角设置四个高清摄像机。
所述当同一车牌号对应的车辆出场的车损特征与车辆进场的车损特征对比不一致,则判断为有新车损情况,并自动发送车损提醒到指定终端步骤之后包括:
当判断为有车损,接收操作指令调取与车损提醒对应的视频和图像。
其中,所述车损特征的提取步骤包括:
获取车辆整体外观图像,提取实际车辆外观损伤图像并进行损伤类型和位置标注;
搭建深度卷积神经网络;进行模型训练,得到训练后的深度卷积神经网络模型;
利用训练得到的深度卷积神经网络模型进行车辆外观损伤识别和评估,得到车损特征。
其中,所述通过预先设置在停车场车辆进出必经之路的摄像装置,对进入停车场的车辆进行视频和图像采集,并通过基于深度学习技术的车损鉴定模型提取进场车辆的车损特征和车牌号步骤包括:
检测是否有车辆进入停车场;
当检测到有车辆进入停车场,通过预先设置在停车场车辆进出必经之路的高清摄像机,对进入停车场的车辆进行视频和图像采集;采集车前、车后和车侧面的整体视频和图像;
并对采集的入场车辆的视频和图像通过基于深度学习技术的车损鉴定模型进行分析处理,提取进场车辆的车损特征和车牌号,并存储为与车牌号对应的车辆进场状态的车损特征。
其中,所述通过所述摄像装置,拍摄获取车辆出场时的视频和图像,并通过基于深度学习技术的车损鉴定模型提取出场车辆的车损特征和车牌号步骤包括:
检测是否有车辆要出场;
当检测有车辆要出场,通过预先设置在停车场车辆进出必经之路的高清摄像机,对准备出停车场的车辆进行视频和图像采集;采集车前、车后和车侧面的整体视频和图像;
并对采集的出停车场的视频和图像通过基于深度学习技术的车损鉴定模型进行分析处理,提取出停车场车辆的车损特征和车牌号,并存储为与车牌号对应的出停车场车辆的车损特征。
其中,所述将同一车牌号对应的车辆出场的车损特征与车辆进场的车损特征进行对比;判断同一车牌号对应的车辆出场的车损特征与车辆进场的车损特征是否一致步骤包括:
将同一车牌号对应的车辆出场的车损特征与车辆进场的车损特征进行对比,比对原则是同一车辆的同一位置的车辆出场的车损特征与车辆进场的车损特征进行一一对比;
判断同一车牌号对应的车辆出场的车损特征与车辆进场的车损特征是否一致;
如果一致,则判定为没有新车损情况,则不做处理。
所述的智慧停车场车损监测处理方法,其中,所述当同一车牌号对应的车辆出场的车损特征与车辆进场的车损特征对比不一致,则判断为有新车损情况,并自动发送车损提醒到指定终端的步骤之后还包括:
将在指定时间段出现新车损情况的所有车辆的车损特征进行相互比对,判断出现新车损情况的各车辆的车损特征位置是否匹配吻合;
将车损特征位置匹配吻合的车辆的车牌号输出提醒,具体如上所述。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本发明所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。。
基于上述实施例,本发明实施例还提供一种计算机可读存储介质,上述计算机可读存储介质上存储有智慧停车场车损监测处理程序,上述智慧停车场车损监测处理程序被处理器执行时实现本发明实施例提供的任意一种智慧停车场车损监测处理方法的步骤。
综上所述,本发明提供了一种智慧停车场车损监测处理方法、装置、系统及计算机可读存储介质,本发明通过预先在停车场的车辆进出必经之路设置四个高清摄像机;当有车辆经过时,对经过的车辆进行视频和图像采集,可以采集到车前、车后和车侧的状态;获取经过车辆的视频,通过基于深度学习技术的车损鉴定模型提取车损特征和车牌号。当车辆进场时,会记录车辆进场状态。当车辆出场时,会记录车辆出场状态,并与车辆进场状态进行比较,如果发现状态不一致,则自动发送车损提醒,以通知值班员和车主;值班员和车主可以通过电话或当面的方式对这一情况进行调查、记录、留存车主行车记录近期影像。当有车主对自身的车辆损失提出异议时,可以根据记录模块的近期异常记录、留存的行车记录仪影像、调取发生时间的存储模块的影像,可以很快的对事发的现场进行复原。本发明使停车场增加了新功能:具有在停车场检测到车损发生时及时提醒功能,为用户的使用提供了方便。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种智慧停车场车损监测处理方法,其特征在于,所述方法包括:
通过预先设置在停车场车辆进出必经之路的摄像装置,对进入停车场的车辆进行视频和图像采集,并通过基于深度学习技术的车损鉴定模型提取进场车辆的车损特征和车牌号;
通过所述摄像装置,拍摄获取车辆出场时的视频和图像,并通过基于深度学习技术的车损鉴定模型提取出场车辆的车损特征和车牌号;
将同一车牌号对应的车辆出场的车损特征与车辆进场的车损特征进行对比;判断同一车牌号对应的车辆出场的车损特征与车辆进场的车损特征是否一致;
当同一车牌号对应的车辆出场的车损特征与车辆进场的车损特征对比不一致,则判断为有新车损情况,并自动发送车损提醒到指定终端。
2.根据权利要求1所述的智慧停车场车损监测处理方法,其特征在于,所述通过预先设置在停车场车辆进出必经之路的摄像装置,对进入停车场的车辆进行视频和图像采集,并通过基于深度学习技术的车损鉴定模型提取进场车辆的车损特征和车牌号的步骤之前包括:
预先在停车场的车辆进出必经之路的四角设置四个高清摄像机;
所述当同一车牌号对应的车辆出场的车损特征与车辆进场的车损特征对比不一致,则判断为有新车损情况,并自动发送车损提醒到指定终端步骤之后包括:
当判断为有车损,接收操作指令调取与车损提醒对应的视频和图像。
3.根据权利要求1所述的智慧停车场车损监测处理方法,其特征在于,所述车损特征的提取步骤包括:
获取车辆整体外观图像,提取实际车辆外观损伤图像并进行损伤类型和位置标注;
搭建深度卷积神经网络;进行模型训练,得到训练后的深度卷积神经网络模型;
利用训练得到的深度卷积神经网络模型进行车辆外观损伤识别和评估,得到车损特征。
4.根据权利要求1所述的智慧停车场车损监测处理方法,其特征在于,所述通过预先设置在停车场车辆进出必经之路的摄像装置,对进入停车场的车辆进行视频和图像采集,并通过基于深度学习技术的车损鉴定模型提取进场车辆的车损特征和车牌号步骤包括:
检测是否有车辆进入停车场;
当检测到有车辆进入停车场,通过预先设置在停车场车辆进出必经之路的高清摄像机,对进入停车场的车辆进行视频和图像采集;采集车前、车后和车侧面的整体视频和图像;
并对采集的入场车辆的视频和图像通过基于深度学习技术的车损鉴定模型进行分析处理,提取进场车辆的车损特征和车牌号,并存储为与车牌号对应的车辆进场状态的车损特征。
5.根据权利要求1所述的智慧停车场车损监测处理方法,其特征在于,所述通过所述摄像装置,拍摄获取车辆出场时的视频和图像,并通过基于深度学习技术的车损鉴定模型提取出场车辆的车损特征和车牌号步骤包括:
检测是否有车辆要出场;
当检测有车辆要出场,通过预先设置在停车场车辆进出必经之路的高清摄像机,对准备出停车场的车辆进行视频和图像采集;采集车前、车后和车侧面的整体视频和图像;
并对采集的出停车场的视频和图像通过基于深度学习技术的车损鉴定模型进行分析处理,提取出停车场车辆的车损特征和车牌号,并存储为与车牌号对应的出停车场车辆的车损特征。
6.根据权利要求1所述的智慧停车场车损监测处理方法,其特征在于,所述将同一车牌号对应的车辆出场的车损特征与车辆进场的车损特征进行对比;判断同一车牌号对应的车辆出场的车损特征与车辆进场的车损特征是否一致步骤包括:
将同一车牌号对应的车辆出场的车损特征与车辆进场的车损特征进行对比,比对原则是同一车辆的同一位置的车辆出场的车损特征与车辆进场的车损特征进行一一对比;
判断同一车牌号对应的车辆出场的车损特征与车辆进场的车损特征是否一致;
如果一致,则判定为没有新车损情况,则不做处理。
7.根据权利要求1所述的智慧停车场车损监测处理方法,其特征在于,所述当同一车牌号对应的车辆出场的车损特征与车辆进场的车损特征对比不一致,则判断为有新车损情况,并自动发送车损提醒到指定终端的步骤之后还包括:
将在指定时间段出现新车损情况的所有车辆的车损特征进行相互比对,判断出现新车损情况的各车辆的车损特征位置是否匹配吻合;
将车损特征位置匹配吻合的车辆的车牌号输出提醒。
8.一种智慧停车场车损监测处理装置,其特征在于,包括:
入场采集模块,用于通过预先设置在停车场车辆进出必经之路的摄像装置,对进入停车场的车辆进行视频和图像采集,并通过基于深度学习技术的车损鉴定模型提取进场车辆的车损特征和车牌号;
出场采集模块,用于通过所述摄像装置,拍摄获取车辆出场时的视频和图像,并通过基于深度学习技术的车损鉴定模型提取出场车辆的车损特征和车牌号;
特征比对模块,用于将同一车牌号对应的车辆出场的车损特征与车辆进场的车损特征进行对比;判断同一车牌号对应的车辆出场的车损特征与车辆进场的车损特征是否一致;
提醒控制模块,用于当同一车牌号对应的车辆出场的车损特征与车辆进场的车损特征对比不一致,则判断为有新车损情况,并自动发送车损提醒到指定终端。
9.一种智慧停车场车损监测处理系统,其特征在于,包括:设置在停车场车辆进出必经之路的摄像装置,以与通过网络与所述摄像装置通讯连接的智能终端,所述智能终端包括:包括有存储器,处理器;所述存储器上存储有可在所述处理器上运行的智慧停车场车损监测处理程序,所述智慧停车场车损监测处理程序被所述处理器执行时实现如权利要求1-7任意一项所述智慧停车场车损监测处理方法的步骤。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有智慧停车场车损监测处理程序,所述智慧停车场车损监测处理程序被处理器执行时实现如权利要求1-7任意一项所述智慧停车场车损监测处理方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210582481.6A CN114998787A (zh) | 2022-05-26 | 2022-05-26 | 智慧停车场车损监测处理方法、装置、系统及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210582481.6A CN114998787A (zh) | 2022-05-26 | 2022-05-26 | 智慧停车场车损监测处理方法、装置、系统及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114998787A true CN114998787A (zh) | 2022-09-02 |
Family
ID=83028632
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210582481.6A Pending CN114998787A (zh) | 2022-05-26 | 2022-05-26 | 智慧停车场车损监测处理方法、装置、系统及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114998787A (zh) |
-
2022
- 2022-05-26 CN CN202210582481.6A patent/CN114998787A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111739335B (zh) | 一种基于视觉差的停车检测方法及装置 | |
CN107464446B (zh) | 一种垂直车位停车信息的巡检方法及装置 | |
CN110853391A (zh) | 智能共享停车系统 | |
CN108877282A (zh) | 一种私家车车位监控系统及方法 | |
WO2016107302A1 (zh) | 一种稽查行驶车辆的方法和系统 | |
CN111815995A (zh) | 一种智慧社区用车辆管控系统 | |
CN114445943A (zh) | 一种健康信息自动查验方法及系统、智慧汽车门岗 | |
CN112598925A (zh) | 停车管理方法、装置、计算机设备及存储介质 | |
CN110706115A (zh) | 交通事故快速理赔方法、系统以及一种服务器 | |
US20210241627A1 (en) | Overdue parking warning | |
CN114998787A (zh) | 智慧停车场车损监测处理方法、装置、系统及介质 | |
CN111354092A (zh) | 一种停车场管理系统及方法 | |
CN111260953A (zh) | 路内停车管理方法、装置及系统 | |
CN116026441A (zh) | 车辆载重量异常检测方法、装置、设备及存储介质 | |
CN115861916A (zh) | 异常停车行为检测方法、装置、计算机设备和存储介质 | |
CN201936452U (zh) | 车牌自动识别系统 | |
CN111462480B (zh) | 交通图像证据验证方法、装置、计算机设备和存储介质 | |
CN114202830A (zh) | 一种车库门用智能升降系统 | |
CN111861498B (zh) | 出租车的监控方法、装置、设备和存储介质 | |
CN112686179A (zh) | 一种基于人脸识别的停车占位方法及系统 | |
CN112634650A (zh) | 基于音视频监控的停车场管理方法和系统 | |
CN114842650B (zh) | 一种车辆超时违停判断方法及装置、图像采集设备 | |
CN112382101B (zh) | 一种车位管理方法、装置、计算机设备及存储介质 | |
CN117496447B (zh) | 基于ai的充电站车位违规占用判别方法和服务器 | |
CN107134015A (zh) | 停车场收费管理的控制方法及装置 |
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 |