CN115938026B - 基于多维特征的园区门禁管理方法、系统及存储介质 - Google Patents
基于多维特征的园区门禁管理方法、系统及存储介质 Download PDFInfo
- Publication number
- CN115938026B CN115938026B CN202310231948.7A CN202310231948A CN115938026B CN 115938026 B CN115938026 B CN 115938026B CN 202310231948 A CN202310231948 A CN 202310231948A CN 115938026 B CN115938026 B CN 115938026B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- people
- vehicle body
- park
- camera
- 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.)
- Active
Links
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Traffic Control Systems (AREA)
- Devices For Checking Fares Or Tickets At Control Points (AREA)
Abstract
本发明公开了一种基于多维特征的园区门禁管理方法、系统及存储介质,车辆通道设置有道闸和车辆识别装置,车辆识别装置包括摄像装置和称重装置,摄像装置用于识别车辆的车牌号、型号以及根据车辆和车身标志物计算车身姿态,称重装置用于计算车辆的前后重量比例,根据车辆的型号车身姿态以及前后重量比例估算车辆内部人数,并判断所述人数与访客入园请求中的入园人数是否相符,若是,则打开所述道闸,若否,则提示车辆降下车窗核对入园人数。本发明可以在不停车的情况下核对汽车内入园的人数,从而大大提高了汽车和人员入园的管理效率,有效避免访客入园时停车检查所导致的园区交通拥挤或堵塞。
Description
技术领域
本申请涉及智慧园区技术领域,具体涉及一种基于多维特征的园区门禁管理方法、系统及存储介质。
背景技术
汽车是现在城市出行必不可少的交通工具,因此园区访客的入园请求中通常包括有入园人数以及入园车辆信息。在现有技术中,车辆入园时需停车人工核对车辆内的入园人数,因此效率很低,特别是在入园高峰期时,易造成交通堵塞。因此在现有技术中,为了提高访客入园效率,园区管理系统仅核对入园车辆信息和车辆驾驶者信息,对车辆内入园的人数则没有进行精确的核对,这样对园区的访客管理存在明显的漏洞。因此如何高效的管理访客和进入园区的车辆,已成为本领域亟需解决的技术问题。
发明内容
鉴于上述问题,本申请提供了一种基于多维特征的园区门禁管理方法,用于解决上述访客驾车入园时管理效率低的技术问题。
为实现上述目的,发明人提供了一种基于多维特征的园区门禁管理方法,所述门禁包括车辆通道和人员通道;所述车辆通道设置有道闸和车辆识别装置,所述车辆识别装置包括摄像装置和称重装置,所述摄像装置包括用于获取车辆前部图像的第一摄像头、用于获取车辆尾部图像的第二摄像头和用于获取车辆侧面图像的第三摄像头;所述称重装置设置于车辆通道的地面上,用于依次获取所述车辆的前部重量和车辆的后部重量;所述方法包括步骤:
从所述车辆前部图像中识别车辆的车牌号;
综合分析所述车辆前部图像、所述车辆尾部图像和所述车辆侧面图像,得到所述车辆的品牌和型号;
从所述车辆侧面图像中分别识别出所述车辆的车轮和车身标志物,并根据所述车轮和所述车身标志物的相对位置计算得到车辆的车身姿态;
根据所述前部重量和所述后部重量计算车辆的前后重量比例;
根据所述车辆的品牌、型号、所述前后重量比例和所述车身姿态估算出车辆内的人数;
判断所述人数与访客入园请求中的入园人数是否相符,若是,则打开所述道闸,若否,则提示车辆降下车窗核对入园人数。
在一些技术方案中,所述车身姿态包括车身前部的下沉量和车身尾部的下沉量;
所述从所述车辆侧面图像中分别识别出所述车辆的车轮和车身标志物,并根据所述车轮和所述车身标志物的相对位置计算得到车辆的车身姿态,包括步骤:
从所述车辆侧面图像中分别识别出所述车辆的前轮中心点、车身前部标志物、后轮中心点和车身后部标志物;
根据所述前轮中心点和所述车身前部标志物在竖直向的距离计算出车身前部的下沉量;
根据所述后轮中心点和所述车身后部标志物在竖直向距离计算出车身尾部的下沉量。
在一些技术方案中,所述基于多维特征的园区门禁管理方法还包括:
预先收集不同品牌和型号的车辆内乘坐人数与对应的车身姿态、前后重量比例的数据集;
预先设计智能分析模型,并使用所述数据集对所述智能分析模型进行训练;
所述根据所述车辆的品牌、型号、所述前后重量比例和所述车身姿态估算出车辆内的人数,包括步骤:
将所述前后重量比例和所述车身姿态导入至训练后的所述智能分析模型,通过所述智能分析模型估算出车辆内的人数。
在一些技术方案中,所述数据集中包括多组数据,每组数据中所述车辆的行李箱内放置有不同重量的行李;
分别使用不同组的所述数据对所述智能分析模型进行训练,使训练后的所述智能分析模型能够排除行李重量对车辆内的人数估算的干扰。
在一些技术方案中,所述车身前部标志物包括:前门把手、后视镜或示宽灯;所述车身后部标志物包括:后门把手、箱油盖或尾灯。
在一些技术方案中,所述称重装置包括承载板和压力传感器;所述承载板宽度为40-60厘米,长度为1.9-2.2米;所述承载板与地面齐平设置,所述压力传感器设置于所述承载板底部,用于检测所述承载板所承受的压力。
在一些技术方案中,所述第三摄像头距地面的高度为80-110厘米,所述第三摄像头水平向设置且垂直所述车辆通道的轴线。
为解决上述技术问题,本发明还提供了另一技术方案:
一种基于多维特征的园区门禁管理系统,包括车辆通道和人员通道;所述车辆通道设置有道闸和车辆识别装置,所述车辆识别装置包括控制装置、摄像装置和称重装置,所述摄像装置包括用于获取车辆前部图像的第一摄像头、用于获取车辆尾部图像的第二摄像头和用于获取车辆侧面图像的第三摄像头;所述称重装置设置于车辆通道的地面上,用于依次获取所述车辆的前部重量和车辆的后部重量;
所述控制装置用于从所述车辆前部图像中识别车辆的车牌号;综合分析所述车辆前部图像、所述车辆尾部图像和所述车辆侧面图像,得到所述车辆的品牌和型号;从所述车辆侧面图像中分别识别出所述车辆的车轮和车身标志物,并根据所述车轮和所述车身标志物的相对位置计算得到车辆的车身姿态;根据所述前部重量和所述后部重量计算车辆的前后重量比例;根据所述车辆的品牌、型号、所述前后重量比例和所述车身姿态估算出车辆内的人数;以及判断所述人数与访客入园请求中的入园人数是否相符,若是,则打开所述道闸,若否,则提示车辆降下车窗核对入园人数。
在一些技术方案中,所述控制装置包括智能分析模型,所述智能分析模型经过数据集训练,通过所述智能分析模型估算车辆内的人数。
为解决上述技术问题,本发明还提供了另一技术方案:
一种计算机存储介质,其上存储有计算机程序,所述计算机运行所述计算机程序时执行上述任意一项技术方案所述的基于多维特征的园区门禁管理方法。
区别于现有技术,上述技术方案在园区的车辆通道设置有道闸和车辆识别装置,其中车辆识别装置包括有第一摄像头、第二摄像头、第三摄像头和称重装置;通过各摄像头可以识别车辆的车牌号、车辆的品牌和型号,以及通过第三摄像头可以精确的识别出车轮和车身标志物的相对位置,并计算得到车辆的车身姿态;通过称重装置的测量数据可以计算得到车辆的前后重量比例。因此结合车辆的型号、车身姿态以及前后重量比例,可以估算出车辆内乘坐的人数,并与访客入园请求中的人数进行核对。因此本发明可以在不停车的情况下核对车辆内入园的人数,从而大大提高了车辆和人员入园的管理效率,有效避免访客入园时停车检查所导致的园区交通拥挤或堵塞。
附图说明
附图仅用于示出本发明具体实施方式以及其他相关内容的原理、实现方式、应用、特点以及效果等,并不能认为是对本申请的限制。
在说明书附图中:
图1为具体实施方式所述基于多维特征的园区门禁管理方法的流程图;
图2为具体实施方式所述车辆通道的模块示意图;
图3为具体实施方式所述训练所述智能分析模型的流程图;
图4为具体实施方式所述基于多维特征的园区门禁管理的模块框图;
图5为具体实施方式所述车辆识别装置的模块框图;
图6为具体实施方式所述计算机存储介质的示意图;
上述各附图中涉及的附图标记说明如下:
400、基于多维特征的园区门禁管理系统;41、车辆通道;42、人员通道;
411、车辆识别装置;412、道闸;4111、控制装置;4112、摄像装置;
4113、称重装置;600、计算机存储介质;
具体实施方式
为详细说明本申请可能的应用场景,技术原理,可实施的具体方案,能实现目的与效果等,以下结合所列举的具体实施例并配合附图详予说明。本文所记载的实施例仅用于更加清楚地说明本申请的技术方案,因此只作为示例,而不能以此来限制本申请的保护范围。
在本文中提及“实施例”意味着,结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中各个位置出现的“实施例”一词并不一定指代相同的实施例,亦不特别限定其与其它实施例之间的独立性或关联性。原则上,在本申请中,只要不存在技术矛盾或冲突,各实施例中所提到的各项技术特征均可以以任意方式进行组合,以形成相应的可实施的技术方案。
除非另有定义,本文所使用的技术术语的含义与本申请所属技术领域的技术人员通常理解的含义相同;本文中对相关术语的使用只是为了描述具体的实施例,而不是旨在限制本申请。
在本申请的描述中,用语“和/或”是一种用于描述对象之间逻辑关系的表述,表示可以存在三种关系,例如A和/或B,表示:存在A,存在B,以及同时存在A和B这三种情况。另外,本文中字符“/”一般表示前后关联对象是一种“或”的逻辑关系。
在本申请中,诸如“第一”和“第二”之类的用语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何实际的数量、主次或顺序等关系。
在没有更多限制的情况下,在本申请中,语句中所使用的“包括”、“包含”、“具有”或者其他类似的开放式表述,意在涵盖非排他性的包含,这些表述并不排除在包括所述要素的过程、方法或者产品中还可以存在另外的要素,从而使得包括一系列要素的过程、方法或者产品中不仅可以包括那些限定的要素,而且还可以包括没有明确列出的其他要素,或者还包括为这种过程、方法或者产品所固有的要素。
与《审查指南》中的理解相同,在本申请中,“大于”、“小于”、“超过”等表述理解为不包括本数;“以上”、“以下”、“以内”等表述理解为包括本数。此外,在本申请实施例的描述中“多个”的含义是两个以上(包括两个),与之类似的与“多”相关的表述亦做此类理解,例如“多组”、“多次”等,除非另有明确具体的限定。
在本申请实施例的描述中,所使用的与空间相关的表述,诸如“中心”“纵向”“横向”“长度”“宽度”“厚度”“上”“下”“前”“后”“左”“右”“竖直”“水平”“垂直”“顶”“底”“内”“外”“顺时针”“逆时针”“轴向”“径向”“周向”等,所指示的方位或位置关系是基于具体实施例或附图所示的方位或位置关系,仅是为了便于描述本申请的具体实施例或便于读者理解,而不是指示或暗示所指的装置或部件必须具有特定的位置、特定的方位、或以特定的方位构造或操作,因此不能理解为对本申请实施例的限制。
除非另有明确的规定或限定,在本申请实施例的描述中,所使用的“安装”“相连”“连接”“固定”“设置”等用语应做广义理解。例如,所述“连接”可以是固定连接,也可以是可拆卸连接,或成一体设置;其可以是机械连接,也可以是电连接,也可以是通信连接;其可以是直接相连,也可以通过中间媒介间接相连;其可以是两个元件内部的连通或两个元件的相互作用关系。对于本申请所属技术领域的技术人员而言,可以根据具体情况理解上述用语在本申请实施例中的具体含义。
请参阅图1和图2所示,本具体实施例提供了一种基于多维特征的园区门禁管理方法,所述门禁包括车辆通道和人员通道;所述车辆通道设置有道闸和车辆识别装置,所述车辆识别装置包括摄像装置和称重装置,所述摄像装置包括用于获取车辆前部图像的第一摄像头、用于获取车辆尾部图像的第二摄像头和用于获取车辆侧面图像的第三摄像头;所述称重装置设置于车辆通道的地面上,用于依次获取所述车辆的前部重量和车辆的后部重量;所述方法包括步骤:
S101、从所述车辆前部图像中识别车辆的车牌号;
S102、综合分析所述车辆前部图像、所述车辆尾部图像和所述车辆侧面图像,得到所述车辆的品牌和型号;
S103、从所述车辆侧面图像中分别识别出所述车辆的车轮和车身标志物,并根据所述车轮和所述车身标志物的相对位置计算得到车辆的车身姿态;
S104、根据所述前部重量和所述后部重量计算车辆的前后重量比例;
S105、根据所述车辆的品牌、型号、所述前后重量比例和所述车身姿态估算出车辆内的人数;
S106、判断所述人数与访客入园请求中的入园人数是否相符,若是,则打开所述道闸,若否,则提示车辆降下车窗核对入园人数。
本具体实施例基于多维特征的园区门禁管理方法可应用于工业园区、学校、生活园区、办公楼园区等不同类型的园区。可适用于对轿车、SUV、MPV等7座以下的乘用车辆内的人数进行估算。上述道闸可以为直杆道闸、曲杆道闸和栅栏道闸中的任意一种。如图2所示,所述第二摄像头、第三摄像头和第一摄像头沿园区车辆通道外侧至内侧依次设置,这样可以使车辆驶入车辆通道时,第一摄像头能够更好的拍摄到车辆前部图像,第二摄像头可以更好的拍摄到车辆尾部图像,第三摄像头可以更好的拍摄到车辆侧面图像。优选的,所述第二摄像头、第三摄像头和第一摄像头为高清摄像头。
在本具体实施例中,所述车身标志物是指车身上所具有的易于被图像识别的具有一定特征的结构或形状。所述称重装置并不是用于称量整个车辆的重量,而是用于称量车辆的前部重量和尾部重量,并据此计算得到车辆的前后重量比例,其中车辆的前部重量是指车辆的两个前轮压在称重装置上时所测得的重量,车辆尾部重量是指车辆的两个后轮压在称重装置上时所测的重量。因此根据车辆的前部重量和尾部重量可以计算得到车辆的前后重量比例;车辆的前后重量比例可用于估算车辆内的人员数量和分布情况。
在上述步骤S105中,预先收集不同品牌和型号的车辆在空车状态、乘坐一人,乘坐两人、乘坐三人以上时,车辆的车身姿态以及车辆的前后重量比例。然后将收集的数据拟合成分别以车身姿态、前后重量比例和车内人数为三个坐标轴的三维曲线图。在收集的数据中包括了车辆内人员乘坐于不同座位时车辆的车身姿态以及车辆的前后重量比例,以及还包括了在车辆的行李箱内是否放置行李,以及放置不同重量的行李的情况。可以排除行李重量或人员乘坐位置不同对估算结果的影响。
步骤S105中车辆驶入园区的车辆通道,然后向扫码装置展示入园二维码,车辆通道在识别入园二维码后进行车辆内部人数估算。然后在估算时,先确定车辆的品牌和型号,然后再将摄像装置和称重装置所检测到的前后重量比例以及车身姿态,与所述对应品牌和型号汽车的三维曲线图进行对比,从而估算得到对应的车辆内的人数。当估算得到的车辆内的人数与访客入园请求中的入园人数相符,则打开所述道闸使车辆进入园区。
上述入园二维码可以由园区门禁的服务器产生,门禁的服务器在接收到访客的智能手机发送的入园请求后转发给园区内登记的业主,并且该入园请在收到业主的确认信息后产生入园二维码,然后通过网络将入园二维码发送给访客。在上述具体实施例中,园区门禁在访客驾到入园时,可以在不停车的情况下核对车辆内入园的人数,从而大大提高了汽车和人员入园的管理效率,有效避免访客入园时停车检查所导致的园区交通拥挤或堵塞。
在上述具体实施例中,所述车身姿态包括车身前部的下沉量和车身尾部的下沉量。所述从所述车辆侧面图像中分别识别出所述车辆的车轮和车身标志物,并根据所述车轮和所述车身标志物的相对位置计算得到车辆的车身姿态,包括步骤:
从所述车辆侧面图像中分别识别出所述车辆的前轮中心点、车身前部标志物、后轮中心点和车身后部标志物;
根据所述前轮中心点和所述车身前部标志物在竖直向的距离计算出车身前部的下沉量;
根据所述后轮中心点和所述车身后部标志物在竖直向距离计算出车身尾部的下沉量。
车辆的车身与底盘上的车轮之间设置有支撑弹簧和减震器,当车辆内乘坐人员时,支撑弹簧所承受的压力增大,因此支撑弹簧被压缩,此时车身与车轮之间的距离减小。因此上述车身的下沉量是指车辆在载人时车身相对车轮下降的距离,所述车身前部的下沉量是指车辆载人时车身前部相对于前轮下降的距离,同理,车身尾部的下沉量是指车辆载人时车身尾部相对于后轮下降的距离。在本具体实施例中,所述车身前部标志物包括:前门把手、后视镜或示宽灯;所述车身后部标志物包括:后门把手、箱油盖或尾灯。通过识别前轮中心点、后轮中心点、车身前部标志物以及车身后部标志物,可以有效减少图像识别的数据处理量,并且可以精确的计算出车身前部的下沉量和车身尾部的下沉量,从而提高车辆前后重量比例的计算精度。
如图3所示,在另一具体实施例中,基于多维特征的园区门禁管理方法还包括:
S301、预先收集不同品牌和型号的车辆内乘坐人数与对应的车身姿态、前后重量比例的数据集;
S302、预先设计智能分析模型,并使用所述数据集对所述智能分析模型进行训练;
所述根据所述车辆的品牌、型号、所述前后重量比例和所述车身姿态估算出车辆内的人数,包括步骤:
将所述前后重量比例和所述车身姿态导入至训练后的所述智能分析模型,通过所述智能分析模型估算出车辆内的人数。
在本具体实施例中,智能分析模型可以优先选用GAN模型,GAN模型(英文为:Generative Adversarial Network)。当然智能分析模型也可以选用DALL·E&CLIP模型。本具体实施例通过训练后的智能分析模型估算车辆内的人数,可以提高车辆内人数估算的速率的准确度。并且所述数据集中包括多组数据,每组数据中所述车辆的行李箱内放置有不同重量的行李。分别使用不同组的所述数据对所述智能分析模型进行训练,使训练后的所述智能分析模型能够排除行李重量对车辆内的人数估算的干扰。
在上述具体实施例中,所述称重装置包括承载板和压力传感器;所述承载板宽度为40-60厘米,长度为1.9-2.2米;所述承载板与地面齐平设置,所述压力传感器设置于所述承载板底部,用于检测所述承载板所承受的压力。所述承载板可以由高强度不锈钢板制成,承载板的宽度为40-60厘米可以避免汽车的两个前轮中只有一个压在承载板,或汽车的两个后轮中只有一个压在承载板上。承载板的长度为1.9-2.2米可以覆盖乘用车的车身宽度,可以进一步避免车辆只有一个前轮或后轮压在承载板上,从而提高称重装置所检测的数据的可靠性。
在一个具体实施例中,所述第三摄像头距地面的高度为80-110厘米,所述第三摄像头水平向设置且垂直所述车辆通道的轴线。其中第三摄像头可安装于竖直固定于地面上的安装杆的顶部,使第三摄像头距地面的高度为80-110厘米。第三摄像头距地面的高度为80-110厘米,这样使第三摄像头可以对准车轮中心与车身标识物之间,从而可以更准确的识别出车轮中心与车身标识物之间的间距。
如图4和图5所示,在另一具体实施例中提供了一种基于多维特征的园区门禁管理系统400,该基于多维特征的园区门禁管理系统400包括车辆通道41和人员通道42;所述车辆通道41设置有道闸412和车辆识别装置411,所述车辆识别装置411包括控制装置4111、摄像装置4112和称重装置4113,所述摄像装置4112包括用于获取车辆前部图像的第一摄像头、用于获取车辆尾部图像的第二摄像头和用于获取车辆侧面图像的第三摄像头;所述称重装置设置于车辆通道的地面上,用于依次获取所述车辆的前部重量和车辆的后部重量。所述控制装置4111用于从所述车辆前部图像中识别车辆的车牌号;综合分析所述车辆前部图像、所述车辆尾部图像和所述车辆侧面图像,得到所述车辆的品牌和型号;从所述车辆侧面图像中分别识别出所述车辆的车轮和车身标志物,并根据所述车轮和所述车身标志物的相对位置计算得到车辆的车身姿态;根据所述前部重量和所述后部重量计算车辆的前后重量比例;根据所述车辆的品牌、型号、所述前后重量比例和所述车身姿态估算出车辆内的人数;以及判断所述人数与访客入园请求中的入园人数是否相符,若是,则打开所述道闸,若否,则提示车辆降下车窗核对入园人数。
控制装置4111预存有以车身姿态、前后重量比例和车内人数为三个坐标轴的三维曲线图,其中三维曲线图是根据所收集的车辆内的人数、车辆的车身姿态以及车辆的前后重量比例拟合成的。车辆驶入园区的车辆通道,然后向扫码装置展示入园二维码,车辆通道在识别入园二维码后进行车辆内部人数估算。然后在估算时,先确定车辆的品牌和型号,然后再将摄像装置和称重装置所检测到的前后重量比例以及车身姿态,与所述对应品牌和型号汽车的三维曲线图进行对比,从而估算得到对应的车辆内的人数。当估算得到的车辆内的人数与访客入园请求中的入园人数相符,则打开所述道闸使车辆进入园区。
在上述具体实施例中,根据车辆的型号车身姿态以及前后重量比例估算车辆内部人数,并判断所述人数与访客入园请求中的入园人数是否相符,因此园区门禁在访客驾到入园时,可以在不停车的情况下核对车辆内入园的人数,从而大大提高了汽车和人员入园的管理效率,有效避免访客入园时停车检查所导致的园区交通拥挤或堵塞。
在一个具体实施例中,所述控制装置包括智能分析模型,所述智能分析模型经过数据集训练,通过所述智能分析模型估算车辆内的人数。
如图6所示,在另一具体实施例中提供了一种计算机存储介质600,其上存储有计算机程序,所述计算机运行所述计算机程序时执行上述任意一项具体实施例所述的基于多维特征的园区门禁管理方法。
最后需要说明的是,尽管在本申请的说明书文字及附图中已经对上述各实施例进行了描述,但并不能因此限制本申请的专利保护范围。凡是基于本申请的实质理念,利用本申请说明书文字及附图记载的内容所作的等效结构或等效流程替换或修改产生的技术方案,以及直接或间接地将以上实施例的技术方案实施于其他相关的技术领域等,均包括在本申请的专利保护范围之内。
Claims (9)
1.一种基于多维特征的园区门禁管理方法,其特征在于,所述门禁包括车辆通道和人员通道;所述车辆通道设置有道闸和车辆识别装置,所述车辆识别装置包括摄像装置和称重装置,所述摄像装置包括用于获取车辆前部图像的第一摄像头、用于获取车辆尾部图像的第二摄像头和用于获取车辆侧面图像的第三摄像头;所述称重装置设置于车辆通道的地面上,用于依次获取所述车辆的前部重量和车辆的后部重量;所述方法在不停车的情况下核对车辆内入园的人数,所述方法包括步骤:
预先收集不同品牌和型号的车辆内乘坐人数与对应的车身姿态、前后重量比例的数据集;将收集的数据拟合成分别以车身姿态、前后重量比例和车内人数为三个坐标轴的三维曲线图;
从所述车辆前部图像中识别车辆的车牌号;
综合分析所述车辆前部图像、所述车辆尾部图像和所述车辆侧面图像,得到所述车辆的品牌和型号;
从所述车辆侧面图像中分别识别出所述车辆的车轮和车身标志物,并根据所述车轮和所述车身标志物的相对位置计算得到车辆的车身姿态;
根据所述前部重量和所述后部重量计算车辆的前后重量比例;
根据所述车辆的品牌、型号、所述前后重量比例和所述车身姿态估算出车辆内的人数,包括步骤:先确定车辆的品牌和型号,然后再将所述前后重量比例以及所述车身姿态,与对应品牌和型号汽车的三维曲线图进行对比,从而估算得到对应的车辆内的人数;
判断所述人数与访客入园请求中的入园人数是否相符,若是,则打开所述道闸,若否,则提示车辆降下车窗核对入园人数;
所述车身姿态包括车身前部的下沉量和车身尾部的下沉量;
所述从所述车辆侧面图像中分别识别出所述车辆的车轮和车身标志物,并根据所述车轮和所述车身标志物的相对位置计算得到车辆的车身姿态,包括步骤:
从所述车辆侧面图像中分别识别出所述车辆的前轮中心点、车身前部标志物、后轮中心点和车身后部标志物;
根据所述前轮中心点和所述车身前部标志物在竖直向的距离计算出车身前部的下沉量;
根据所述后轮中心点和所述车身后部标志物在竖直向距离计算出车身尾部的下沉量。
2.根据权利要求1所述的基于多维特征的园区门禁管理方法,其特征在于,还包括:
预先收集不同品牌和型号的车辆内乘坐人数与对应的车身姿态、前后重量比例的数据集;
预先设计智能分析模型,并使用所述数据集对所述智能分析模型进行训练;
所述根据所述车辆的品牌、型号、所述前后重量比例和所述车身姿态估算出车辆内的人数,包括步骤:
将所述前后重量比例和所述车身姿态导入至训练后的所述智能分析模型,通过所述智能分析模型估算出车辆内的人数。
3.根据权利要求2所述的基于多维特征的园区门禁管理方法,其特征在于,所述数据集中包括多组数据,每组数据中所述车辆的行李箱内放置有不同重量的行李;
分别使用不同组的所述数据对所述智能分析模型进行训练,使训练后的所述智能分析模型能够排除行李重量对车辆内的人数估算的干扰。
4.根据权利要求1所述的基于多维特征的园区门禁管理方法,其特征在于,所述车身前部标志物包括:前门把手、后视镜或示宽灯;所述车身后部标志物包括:后门把手、箱油盖或尾灯。
5.根据权利要求1所述的基于多维特征的园区门禁管理方法,其特征在于,所述称重装置包括承载板和压力传感器;所述承载板宽度为40-60厘米,长度为1.9-2.2米;所述承载板与地面齐平设置,所述压力传感器设置于所述承载板底部,用于检测所述承载板所承受的压力。
6.根据权利要求1所述的基于多维特征的园区门禁管理方法,其特征在于,所述第三摄像头距地面的高度为80-110厘米,所述第三摄像头水平向设置且垂直所述车辆通道的轴线。
7.一种基于多维特征的园区门禁管理系统,其特征在于,包括车辆通道和人员通道;所述车辆通道设置有道闸和车辆识别装置,所述车辆识别装置包括控制装置、摄像装置和称重装置,所述摄像装置包括用于获取车辆前部图像的第一摄像头、用于获取车辆尾部图像的第二摄像头和用于获取车辆侧面图像的第三摄像头;所述称重装置设置于车辆通道的地面上,用于依次获取所述车辆的前部重量和车辆的后部重量;所述基于多维特征的园区门禁管理系统在不停车的情况下核对车辆内入园的人数;
预先收集不同品牌和型号的车辆内乘坐人数与对应的车身姿态、前后重量比例的数据集;将收集的数据拟合成分别以车身姿态、前后重量比例和车内人数为三个坐标轴的三维曲线图;
所述控制装置用于从所述车辆前部图像中识别车辆的车牌号;综合分析所述车辆前部图像、所述车辆尾部图像和所述车辆侧面图像,得到所述车辆的品牌和型号;从所述车辆侧面图像中分别识别出所述车辆的车轮和车身标志物,并根据所述车轮和所述车身标志物的相对位置计算得到车辆的车身姿态;根据所述前部重量和所述后部重量计算车辆的前后重量比例;根据所述车辆的品牌、型号、所述前后重量比例和所述车身姿态估算出车辆内的人数,包括:先确定车辆的品牌和型号,然后再将所述前后重量比例以及所述车身姿态,与对应品牌和型号汽车的三维曲线图进行对比,从而估算得到对应的车辆内的人数;以及判断所述人数与访客入园请求中的入园人数是否相符,若是,则打开所述道闸,若否,则提示车辆降下车窗核对入园人数;
所述车身姿态包括车身前部的下沉量和车身尾部的下沉量;
所述从所述车辆侧面图像中分别识别出所述车辆的车轮和车身标志物,并根据所述车轮和所述车身标志物的相对位置计算得到车辆的车身姿态,包括步骤:
从所述车辆侧面图像中分别识别出所述车辆的前轮中心点、车身前部标志物、后轮中心点和车身后部标志物;
根据所述前轮中心点和所述车身前部标志物在竖直向的距离计算出车身前部的下沉量;
根据所述后轮中心点和所述车身后部标志物在竖直向距离计算出车身尾部的下沉量。
8.根据权利要求7所述的基于多维特征的园区门禁管理系统,其特征在于,所述控制装置包括智能分析模型,所述智能分析模型经过数据集训练,通过所述智能分析模型估算车辆内的人数。
9.一种计算机存储介质,其特征在于,其上存储有计算机程序,计算机运行所述计算机程序时执行上述权利要求1至6中任一项所述的基于多维特征的园区门禁管理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310231948.7A CN115938026B (zh) | 2023-03-13 | 2023-03-13 | 基于多维特征的园区门禁管理方法、系统及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310231948.7A CN115938026B (zh) | 2023-03-13 | 2023-03-13 | 基于多维特征的园区门禁管理方法、系统及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115938026A CN115938026A (zh) | 2023-04-07 |
CN115938026B true CN115938026B (zh) | 2023-05-30 |
Family
ID=85827729
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310231948.7A Active CN115938026B (zh) | 2023-03-13 | 2023-03-13 | 基于多维特征的园区门禁管理方法、系统及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115938026B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116721555B (zh) * | 2023-08-10 | 2023-11-17 | 中海油能源物流有限公司 | 一种基于交通管理物流园商品运输车辆引导系统 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101593423A (zh) * | 2009-06-30 | 2009-12-02 | 华南理工大学 | 动态称重和车型识别系统的信号采集装置及信号采集方法 |
CN102509363A (zh) * | 2011-09-22 | 2012-06-20 | 深圳思量微系统有限公司 | 一种具有车型分类功能的动态称重系统 |
CN109087323A (zh) * | 2018-07-25 | 2018-12-25 | 武汉大学 | 一种基于精细cad模型的图像车辆三维姿态估计方法 |
WO2020042489A1 (zh) * | 2018-08-30 | 2020-03-05 | 平安科技(深圳)有限公司 | 违法停车案件的鉴别方法、装置和计算机设备 |
WO2020048173A1 (zh) * | 2018-09-06 | 2020-03-12 | 同方威视技术股份有限公司 | 智能卡口通道系统以及采集在通道内通过的车辆的信息的方法 |
CN112180366A (zh) * | 2020-09-29 | 2021-01-05 | 奇瑞汽车股份有限公司 | 用于检测车辆超载的系统和方法 |
CN113674467A (zh) * | 2021-08-27 | 2021-11-19 | 成都中科大旗软件股份有限公司 | 一种旅游驾车入园管理系统 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7788063B2 (en) * | 2008-01-28 | 2010-08-31 | International Business Machines Corporation | Utilizing gross vehicle weight to determine passenger numbers |
US8364439B2 (en) * | 2010-07-09 | 2013-01-29 | Raytheon Company | System and method for detection of concealed cargo in a vehicle by center of mass measurement |
CN103761870B (zh) * | 2014-01-13 | 2015-10-28 | 大连理工大学 | 一种公交车负载计量系统 |
CN106127107A (zh) * | 2016-06-14 | 2016-11-16 | 宁波熵联信息技术有限公司 | 基于车牌信息和车辆轮廓的多路视频信息融合的车型识别方法 |
CN112365637B (zh) * | 2020-11-09 | 2021-08-17 | 成都中科大旗软件股份有限公司 | 基于门票销售平台的开车入园监测系统及监测方法 |
CN113033284B (zh) * | 2020-12-22 | 2022-10-25 | 迪比(重庆)智能科技研究院有限公司 | 一种基于卷积神经网络的车辆实时超载检测方法 |
CN114485879A (zh) * | 2022-02-14 | 2022-05-13 | 中国第一汽车股份有限公司 | 一种车辆重量估算方法及系统 |
-
2023
- 2023-03-13 CN CN202310231948.7A patent/CN115938026B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101593423A (zh) * | 2009-06-30 | 2009-12-02 | 华南理工大学 | 动态称重和车型识别系统的信号采集装置及信号采集方法 |
CN102509363A (zh) * | 2011-09-22 | 2012-06-20 | 深圳思量微系统有限公司 | 一种具有车型分类功能的动态称重系统 |
CN109087323A (zh) * | 2018-07-25 | 2018-12-25 | 武汉大学 | 一种基于精细cad模型的图像车辆三维姿态估计方法 |
WO2020042489A1 (zh) * | 2018-08-30 | 2020-03-05 | 平安科技(深圳)有限公司 | 违法停车案件的鉴别方法、装置和计算机设备 |
WO2020048173A1 (zh) * | 2018-09-06 | 2020-03-12 | 同方威视技术股份有限公司 | 智能卡口通道系统以及采集在通道内通过的车辆的信息的方法 |
CN112180366A (zh) * | 2020-09-29 | 2021-01-05 | 奇瑞汽车股份有限公司 | 用于检测车辆超载的系统和方法 |
CN113674467A (zh) * | 2021-08-27 | 2021-11-19 | 成都中科大旗软件股份有限公司 | 一种旅游驾车入园管理系统 |
Also Published As
Publication number | Publication date |
---|---|
CN115938026A (zh) | 2023-04-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10875496B2 (en) | Vehicle load prediction | |
US20190189007A1 (en) | Inter-vehicle cooperation for physical exterior damage detection | |
CN115938026B (zh) | 基于多维特征的园区门禁管理方法、系统及存储介质 | |
CN104203702B (zh) | 检测车道标记 | |
CN109808700A (zh) | 用于在自主车辆中映射道路干扰物体的系统和方法 | |
CN109814520A (zh) | 用于确定自主车辆的安全事件的系统和方法 | |
WO2013005299A1 (ja) | 推奨情報提供システム | |
US10937082B2 (en) | Vehicle recommendation system using sensors | |
CN104508719A (zh) | 驾驶辅助系统以及驾驶辅助方法 | |
CN107710302A (zh) | 停车场测绘系统 | |
CN114446059A (zh) | 一种车载监测路侧停车车辆的系统及方法 | |
CN107293117A (zh) | 一种公路异常事件的判断方法 | |
CN110164134A (zh) | 信息处理的方法和装置 | |
CN107016369A (zh) | 一种基于实名制的车载动态乘客数据对比系统及方法 | |
CN106611511A (zh) | 车距告警方法和装置 | |
CN106295607A (zh) | 道路识别方法及装置 | |
US11798115B2 (en) | Vehicle cargo transportation system | |
CN115311633B (zh) | 车辆违法上下客的检测方法、装置、电子设备及存储介质 | |
KR100939962B1 (ko) | 차종정보 인식장치 및 방법 | |
CN110299012A (zh) | 一种基于时间序列分析的分时车位共享装置及方法 | |
US20080191874A1 (en) | Method and system for inspection of load-carrying vehicles | |
DE102018206037A1 (de) | Trackingvorrichtung zum Mitführen für einen Verkehrsteilnehmer, System zur Detektion eines Verkehrsteilnehmers, welcher eine solche Trackingvorrichtung mitführt und Verfahren zur Detektion eines Verkehrsteilnehmers | |
US11525937B2 (en) | Registration system | |
CN110766809B (zh) | 车辆、车载检票系统及车载检票系统的检票方法 | |
US20200193728A1 (en) | System and method for modifying vehicle design based on sensors |
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 |