CN116959286A - 基于大数据的智能安防方法及系统 - Google Patents

基于大数据的智能安防方法及系统 Download PDF

Info

Publication number
CN116959286A
CN116959286A CN202310979062.0A CN202310979062A CN116959286A CN 116959286 A CN116959286 A CN 116959286A CN 202310979062 A CN202310979062 A CN 202310979062A CN 116959286 A CN116959286 A CN 116959286A
Authority
CN
China
Prior art keywords
vehicle
parking
district
resident
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
Application number
CN202310979062.0A
Other languages
English (en)
Inventor
张悦
张欢
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guangdong Baicheng Property Management Co.,Ltd.
Original Assignee
Individual
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Individual filed Critical Individual
Priority to CN202310979062.0A priority Critical patent/CN116959286A/zh
Publication of CN116959286A publication Critical patent/CN116959286A/zh
Pending legal-status Critical Current

Links

Classifications

    • 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
    • G08G1/141—Traffic control systems for road vehicles indicating individual free spaces in parking areas with means giving the indication of available parking spaces
    • G08G1/142—Traffic control systems for road vehicles indicating individual free spaces in parking areas with means giving the indication of available parking spaces external to the vehicles
    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07B—TICKET-ISSUING APPARATUS; FARE-REGISTERING APPARATUS; FRANKING APPARATUS
    • G07B15/00—Arrangements or apparatus for collecting fares, tolls or entrance fees at one or more control points
    • G07B15/02—Arrangements or apparatus for collecting fares, tolls or entrance fees at one or more control points taking into account a variable factor such as distance or time, e.g. for passenger transport, parking systems or car rental systems
    • G07B15/04—Arrangements or apparatus for collecting fares, tolls or entrance fees at one or more control points taking into account a variable factor such as distance or time, e.g. for passenger transport, parking systems or car rental systems comprising devices to free a barrier, turnstile, or the like
    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
    • G07C9/00—Individual registration on entry or exit
    • G07C9/20—Individual registration on entry or exit involving the use of a pass
    • G07C9/22—Individual registration on entry or exit involving the use of a pass in combination with an identity check of the pass holder
    • G07C9/25—Individual registration on entry or exit involving the use of a pass in combination with an identity check of the pass holder using biometric data, e.g. fingerprints, iris scans or voice recognition
    • G07C9/257—Individual registration on entry or exit involving the use of a pass in combination with an identity check of the pass holder using biometric data, e.g. fingerprints, iris scans or voice recognition electronically
    • 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
    • G08G1/145—Traffic control systems for road vehicles indicating individual free spaces in parking areas where the indication depends on the parking areas
    • 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

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Computer Security & Cryptography (AREA)
  • Business, Economics & Management (AREA)
  • Finance (AREA)
  • Human Computer Interaction (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明提供了基于大数据的智能安防方法及系统，属于智能安防技术领域。获取待出入小区车辆信息；若车辆操作为进入小区且车辆为小区住户，则小区住户车辆驶入停车位停车；满足停车条件时，则允许停车，不满足停车条件，则不允许停车；进入小区的车辆为临时访客，若有空余车位，则根据临时访客车辆信息，智能调整停车位；若没有空余车位，则不允放行；若车辆操作为离开，小区住户直接放行，临时访客缴费后放行。本发明通过结合车辆信息采集、大数据分析、人脸识别技术手段，实现对车辆的智能管理和引导；通过区分住户车辆和临时访客车辆，避免不必要的等待和拥堵；通过智能调整停车标线，实现停车位的最优利用，优化停车流程。

Description

基于大数据的智能安防方法及系统
技术领域
本发明属于智能安防技术领域，具体涉及基于大数据的智能安防方法及系统。
背景技术
随着城市人口的增长和车辆保有量的不断增加，小区停车管理成为一个日益突出的问题。传统的人工管理方式存在诸多不足，例如停车场拥堵、车位浪费、车辆进出不便等。为了解决这些问题，智能停车管理系统应运而生，智能停车管理系统利用先进的信息技术和大数据分析，通过自动化和智能化手段实现对停车场内车辆的精确识别、实时监控和智能管理，提高停车位的利用率，提供便捷的停车服务。
现有技术中，中国专利授权号：CN112820139B，提供了基于大数据与人工智能的安防监控方法、系统、电子设备和计算机存储介质。该专利包括：通过对车辆驶入住户停车位时，将该住户停车位对应的车牌号与该车辆的车牌号、该车辆驾驶员的人脸图像与该住户停车位住户的人脸图像分别进行对比，车辆驶入停车位时，将该车辆的车身轮廓与停车位边线、该车辆的底盘高度与停车位内障碍物高度分别进行对比，若对比失败则蜂鸣器报警，充分利用小区内的停车位资源,满足住户和访客的停车要求,同时设置高清摄像头和蜂鸣器限制车辆乱占停车位的情况,实现对小区停车位的有序管理,减轻了物业工作人员的工作难度,方便了居民生活。
该专利对车辆信息识别的准确性以及停车位调整的效率考虑不充分。因此，提出一种更加高效精确的基于大数据的智能安防方法，以满足不断增长的停车需求，提高停车场的管理效率，为车主提供更好的停车体验。
发明内容
基于上述技术问题，本发明提供基于大数据的智能安防方法及系统，通过结合车辆信息采集、大数据分析、人脸识别技术手段，实现对车辆的智能管理和引导，提高停车位的利用率，优化停车场的停车流程，提供更加智能、便捷的停车服务。
本发明提供基于大数据的智能安防方法，所述方法包括：
步骤S1：获取待出入小区车辆信息；判断车辆操作是否为进入，若所述车辆操作为进入，则执行“步骤S2”；若所述车辆操作为离开，则执行“步骤S3”；所述小区车辆信息包括：车辆操作、住户姓名、住户直系亲属姓名、电话号码、车牌号码、住户人脸图像和住户直系亲属人脸头像；
步骤S2：判断待进入小区车辆是否为小区住户，若所述车辆为小区住户，则执行“步骤S4”；若所述车辆为小区临时访客，则执行“步骤S5”；
步骤S3：判断待离开小区车辆是否为小区住户，若所述车辆为小区住户，则直接放行；若所述车辆为小区临时访客，则缴费通过后放行；
步骤S4：小区住户车辆驶入停车位停车，判断是否满足停车条件，若满足所述停车条件，则允许所述小区住户车辆驶入所述停车位；若不满足所述停车检验条件，则不允许所述小区住户车辆停车；
步骤S5：待进入小区车辆为临时访客时，判断临时停放区是否有空余停车位，若有所述空余停车位，则登记所述临时访客的车辆信息，进行指示引导，根据所述临时访客的车辆信息，智能调整停车标线；若无所述空余停车位，则不予放行。
可选地，所述判断待进入小区车辆是否为小区住户，具体包括：
采集待进入小区车辆车牌号，与合法车牌号进行匹配，判断是否符合合法车牌号；
若符合所述合法车牌号，则与所述小区住户车辆信息匹配，若匹配成功，则执行“步骤S4”，若匹配不成功，则执行“步骤S5”，若不符合所述合法车牌号，则立即进行登记并扣留车辆。
可选地，所述采集待进入小区车辆车牌号，与合法车牌号进行匹配，具体包括：
将待进入小区车辆的车牌号进行正则化匹配，判断是否符合合法车牌号，普通车牌匹配公式为：
^[城市]{1}[A-HJ-NP-Z]{1}(？:\d{5}|[A-HJ-NP-Z]\d{4}|\d[A-HJ-NP-Z]\d{3}|\d{2}[A-HJ-NP-Z]\d{2}|\d{3}[A-HJ-NP-Z]\d|\d{4}[A-HJ-NP-Z]|[A-HJ-NP-Z]{2}\d{3}|[A-HJ-NP-Z]\d[A-HJ-NP-Z]\d{2}|[A-HJ-NP-Z]\d{2}[A-HJ-NP-Z]\d|[A-HJ-NP-Z]\d{3}[A-HJ-NP-Z]|\d[A-HJ-NP-Z]{2}\d{2}|\d[A-HJ-NP-Z]\d[A-HJ-NP-Z]\d|\d[A-HJ-NP-Z]\d{2}[A-HJ-NP-Z]|\d{2}[A-HJ-NP-Z]{2}\d|\d{2}[A-HJ-NP-Z]\d[A-HJ-NP-Z]|\d{3}[A-HJ-NP-Z]{2})$
新能源小型车车牌匹配公式为：
^[城市]{1}[A-HJ-NP-Z]{1}[DF]{1}[0-9A-HJ-NP-Z]{1}[0-9]{4}$
新能源大型汽车车牌匹配公式为：
^[城市]{1}[A-HJ-NP-Z]{1}[0-9]{5}[DF]{1}$
式中，^表示匹配字符串的开始，$表示匹配字符串的结束，城市为[京津冀晋蒙辽吉黑沪苏浙皖闽赣鲁豫鄂湘粤桂琼川贵云渝藏陕甘青宁新]表示匹配一个汉字的省份简称或直辖市的简称，{n}表示前面的数字或字母恰好出现n次，[A-HJ-NP-Z]表示匹配一个大写字母，排除了I、O字母，(？:...)表示一个非捕获性分组，用来将多个子模式组合在一起，|表示逻辑上的“或”，匹配多个子模式中的任意一个，\d表示匹配一个数字。
可选地，所述待进入小区车辆车牌号若符合所述合法车牌号，则与所述小区住户车辆信息匹配，具体包括：
通过摄像头采集待进入小区车辆车牌号图像，构建深度学习模型将待进入小区车辆所述车牌号图像中车牌号特征提取出来，进行识别，与后台数据库中的所述小区住户车辆信息中所述车牌号码进行匹配，判断匹配是否成功，若匹配成功，则继续通过摄像头采集人脸图像，将所述人脸图像与所述小区住户车辆信息中所述住户人脸图像和所述住户直系亲属人脸图像进行对比，判断比对是否成功，若比对成功，则执行“步骤S4”；若比对不成功，则进行登记询问。
可选地，所述小区住户车辆驶入停车位停车，判断是否满足停车条件，若满足所述停车条件，允许所述小区住户车辆驶入所述停车位，具体包括：
小区住户车辆驶入停车位停车，通过摄像头检测车位是否存在物体或者其他车辆遮挡，若不存在遮挡，则满足停车条件，允许所述小区住户车辆驶入所述停车位。
可选地，所述待进入小区车辆为临时访客时，判断临时停放区是否有空余停车位，若有所述空余停车位，则登记所述临时访客的车辆信息，进行指示引导，根据所述临时访客车辆信息，智能调整停车标线，具体包括：
当所述临时访客车辆驶入小区时，首先会检查所述临时停放区的所有车位，查找是否有所述空余停车位使用；若找到所述空余停车位，要求所述临时访客登记车辆信息，并为所述临时访客提供引导信息；根据所述临时访客的车辆信息进行停车位调整；所述停车位的边界和角落安装传感器，接收到所述临时访客的车辆信息后，进行数据处理，计算车辆尺寸和形状，自动调整所述停车位的大小，标注停车标线。
本发明还提供基于大数据的智能安防系统，所述系统包括：
车辆数据获取模块，用于获取待出入小区车辆信息；判断车辆操作是否为进入，若所述车辆操作为进入，则执行“进入车辆判断模块”；若所述车辆操作为离开，则执行“离开车辆判断模块”；所述小区车辆信息包括：车辆操作、住户姓名、住户直系亲属姓名、电话号码、车牌号码、住户人脸图像、住户直系亲属人脸头像；
进入车辆判断模块，用于判断待进入小区车辆是否为小区住户，若所述车辆为小区住户，则执行“小区住户停车模块”；若所述车辆为小区临时访客，则执行“临时访客停车模块”；
离开车辆判断模块，用于判断待离开小区车辆是否为小区住户，若所述车辆为小区住户，则直接放行；若所述车辆为小区临时访客，则缴费通过后放行；
小区住户停车模块，小区住户车辆驶入停车位停车，判断是否满足停车条件，若满足所述停车条件，则允许所述小区住户车辆驶入所述停车位；若不满足所述停车检验条件，则不允许所述小区住户车辆停车；
临时访客停车模块，待进入小区车辆为临时访客时，判断临时停放区是否有空余停车位，若有所述空余停车位，则登记所述临时访客的车辆信息，进行指示引导，根据所述临时访客的车辆信息，智能调整停车标线；若无所述空余停车位，则不予放行。
可选地，所述进入车辆判断模块，具体包括：
合法车牌号匹配子模块，采集待进入小区车辆车牌号，与合法车牌号进行匹配，判断是否符合合法车牌号；
小区住户车辆信息匹配子模块，若符合所述合法车牌号，则与所述小区住户车辆信息匹配，若匹配成功，则执行“小区住户停车模块”，若匹配不成功，则执行“临时访客停车模块”，若不符合所述合法车牌号，则立即进行登记并扣留车辆。
可选地，所述合法车牌号匹配子模块，具体包括：
将待进入小区车辆的车牌号进行正则化匹配，判断是否符合合法车牌号，普通车牌匹配公式为：
^[城市]{1}[A-HJ-NP-Z]{1}(？:\d{5}|[A-HJ-NP-Z]\d{4}|\d[A-HJ-NP-Z]\d{3}|\d{2}[A-HJ-NP-Z]\d{2}|\d{3}[A-HJ-NP-Z]\d|\d{4}[A-HJ-NP-Z]|[A-HJ-NP-Z]{2}\d{3}|[A-HJ-NP-Z]\d[A-HJ-NP-Z]\d{2}|[A-HJ-NP-Z]\d{2}[A-HJ-NP-Z]\d|[A-HJ-NP-Z]\d{3}[A-HJ-NP-Z]|\d[A-HJ-NP-Z]{2}\d{2}|\d[A-HJ-NP-Z]\d[A-HJ-NP-Z]\d|\d[A-HJ-NP-Z]\d{2}[A-HJ-NP-Z]|\d{2}[A-HJ-NP-Z]{2}\d|\d{2}[A-HJ-NP-Z]\d[A-HJ-NP-Z]|\d{3}[A-HJ-NP-Z]{2})$
新能源小型车车牌匹配公式为：
^[城市]{1}[A-HJ-NP-Z]{1}[DF]{1}[0-9A-HJ-NP-Z]{1}[0-9]{4}$
新能源大型汽车车牌匹配公式为：
^[城市]{1}[A-HJ-NP-Z]{1}[0-9]{5}[DF]{1}$
式中，^表示匹配字符串的开始，$表示匹配字符串的结束，城市为[京津冀晋蒙辽吉黑沪苏浙皖闽赣鲁豫鄂湘粤桂琼川贵云渝藏陕甘青宁新]表示匹配一个汉字的省份简称或直辖市的简称，{n}表示前面的数字或字母恰好出现n次，[A-HJ-NP-Z]表示匹配一个大写字母，排除了I、O字母，(？:...)表示一个非捕获性分组，用来将多个子模式组合在一起，|表示逻辑上的“或”，匹配多个子模式中的任意一个，\d表示匹配一个数字。
可选地，所述临时访客停车模块，具体包括：
智能停车线调整子模块，当所述临时访客车辆驶入小区时，首先会检查所述临时停放区的所有车位，查找是否有所述空余停车位使用；若找到所述空余停车位，要求所述临时访客登记车辆信息，并为所述临时访客提供引导信息；根据所述临时访客的车辆信息进行停车位调整。所述停车位的边界和角落安装传感器，接收到所述临时访客的车辆信息后，进行数据处理，计算车辆尺寸和形状，自动调整所述停车位的大小，标注停车标线。
本发明与现有技术相比，具有以下有益效果：
本发明采用基于大数据的智能安防方法及系统，通过车辆信息的快速采集和处理，实现对车辆的精确识别和分类。这样可以有效提高停车场的管理效率，减少人工干预，加快车辆出入速度，缩短排队时间，提高停车场的吞吐量；利用智能化手段对待进入小区车辆进行判断和分类，区分住户车辆和临时访客车辆。对于小区住户，可以直接放行，对于临时访客，可以实时判断是否有空余停车位，避免不必要的等待和拥堵。同时，通过智能调整停车标线，实现停车位的最优利用，优化停车流程；本发明引入人脸识别技术，对小区住户进行身份验证，确保只有合法的住户才能进入停车场。同时，对于临时访客，进行车辆信息登记和人脸图像采集，增强了停车场的安全性和管理能力，防止未授权车辆进入；通过智能化的停车管理和引导，本发明可以为车主提供更便捷、高效的停车体验。减少等待时间和拥堵情况，提高停车场的利用率，使车主能够更快速、方便地找到合适的停车位，增强用户对停车服务的满意度。
附图说明
图1为本发明的基于大数据的智能安防方法流程图；
图2为本发明的基于大数据的智能安防系统结构图。
具体实施方式
下面结合具体实施案例和附图对本发明作进一步说明，但本发明并不局限于这些实施例。
实施例1
如图1所示，本发明公开基于大数据的智能安防方法，方法包括：
步骤S1：获取待出入小区车辆信息；判断车辆操作是否为进入，若车辆操作为进入，则执行“步骤S2”；若车辆操作为离开，则执行“步骤S3”；小区车辆信息包括：车辆操作、住户姓名、住户直系亲属姓名、电话号码、车牌号码、住户人脸图像和住户直系亲属人脸头像。
步骤S2：判断待进入小区车辆是否为小区住户，若车辆为小区住户，则执行“步骤S4”；若车辆为小区临时访客，则执行“步骤S5”。
步骤S3：判断待离开小区车辆是否为小区住户，若车辆为小区住户，则直接放行；若车辆为小区临时访客，则缴费通过后放行。
步骤S4：小区住户车辆驶入停车位停车，判断是否满足停车条件，若满足停车条件，则允许小区住户车辆驶入停车位；若不满足停车检验条件，则不允许小区住户车辆停车。
步骤S5：待进入小区车辆为临时访客时，判断临时停放区是否有空余停车位，若有空余停车位，则登记临时访客的车辆信息，进行指示引导，根据临时访客的车辆信息，智能调整停车标线；若无空余停车位，则不予放行。
下面对各个步骤进行详细论述：
步骤S1：获取待出入小区车辆信息；判断车辆操作是否为进入，若车辆操作为进入，则执行“步骤S2”；若车辆操作为离开，则执行“步骤S3”；小区车辆信息包括：车辆操作、住户姓名、住户直系亲属姓名、电话号码、车牌号码、住户人脸图像和住户直系亲属人脸头像。
步骤S1具体包括：
步骤S11：获取待出入小区车辆信息可以通过以下设备。具体包括：
车辆识别设备，安装在小区入口/出口的车牌识别相机或车辆识别传感器。车辆识别设备通过拍摄车辆图片或获取车辆传感器信息来识别车辆。
门禁控制器，门禁控制器是连接车辆识别设备的硬件，负责接收车辆识别设备传来的数据，并根据识别结果决定是否允许车辆进入或离开。
数据库服务器，用于存储和管理车辆信息的数据库。车辆识别设备获取的车辆信息将被存储在数据库中，以便后续的查询和管理。
网络通信设备，将车辆识别设备、门禁控制器和数据库服务器连接到一个局域网，确保它们能够相互通信和传递数据。
步骤S12：执行车辆进入操作可以通过以下设备。具体包括：
人脸识别设备，进入操作时，住户需要进行人脸验证以确认身份。这可以是安装在门禁处的人脸识别相机或专门的人脸识别设备。
住户信息管理系统，与人脸识别设备相连的后台系统，用于存储和管理住户信息，包括住户姓名、直系亲属姓名、电话号码、车牌号码、住户人脸图像、住户直系亲属人脸头像。
门禁控制器，当住户的人脸验证通过后，门禁控制器识别车辆，允许车辆进入小区。
车辆识别设备，门禁控制器还会将进入操作和相关住户信息更新到车辆识别设备和数据库中，以便记录车辆出入历史和进行后续的管理。
步骤S13：执行车辆离开操作可以通过以下设备。具体包括：
门禁控制器，当车辆执行离开操作时，门禁控制器会识别车辆，并允许车辆离开小区。
车辆识别设备，门禁控制器还会将离开操作和相关车辆信息更新到车辆识别设备和数据库中，以便记录车辆出入历史和进行后续的管理。
步骤S2：判断待进入小区车辆是否为小区住户，若车辆为小区住户，则执行“步骤S4”；若车辆为小区临时访客，则执行“步骤S5”。
步骤S2具体包括：
步骤S21：采集待进入小区车辆车牌号，与合法车牌号进行匹配，判断是否符合合法车牌号。
步骤S21具体包括：
将待进入小区车辆的车牌号进行正则化匹配，判断是否符合合法车牌号，普通车牌匹配公式为：
^[城市]{1}[A-HJ-NP-Z]{1}(？:\d{5}|[A-HJ-NP-Z]\d{4}|\d[A-HJ-NP-Z]\d{3}|\d{2}[A-HJ-NP-Z]\d{2}|\d{3}[A-HJ-NP-Z]\d|\d{4}[A-HJ-NP-Z]|[A-HJ-NP-Z]{2}\d{3}|[A-HJ-NP-Z]\d[A-HJ-NP-Z]\d{2}|[A-HJ-NP-Z]\d{2}[A-HJ-NP-Z]\d|[A-HJ-NP-Z]\d{3}[A-HJ-NP-Z]|\d[A-HJ-NP-Z]{2}\d{2}|\d[A-HJ-NP-Z]\d[A-HJ-NP-Z]\d|\d[A-HJ-NP-Z]\d{2}[A-HJ-NP-Z]|\d{2}[A-HJ-NP-Z]{2}\d|\d{2}[A-HJ-NP-Z]\d[A-HJ-NP-Z]|\d{3}[A-HJ-NP-Z]{2})$
普通车牌后五位分为三种情况，第一种情况为全数字，第二种情况为一个字母+四个数字，第三种情况为两个字母+三个数字。
新能源小型车车牌匹配公式为：
^[城市]{1}[A-HJ-NP-Z]{1}[DF]{1}[0-9A-HJ-NP-Z]{1}[0-9]{4}$
新能源大型汽车车牌匹配公式为：
^[城市]{1}[A-HJ-NP-Z]{1}[0-9]{5}[DF]{1}$
式中，^表示匹配字符串的开始，$表示匹配字符串的结束，城市为[京津冀晋蒙辽吉黑沪苏浙皖闽赣鲁豫鄂湘粤桂琼川贵云渝藏陕甘青宁新]表示匹配一个汉字的省份简称或直辖市的简称，{n}表示前面的数字或字母恰好出现n次，[A-HJ-NP-Z]表示匹配一个大写字母，排除了I、O字母，(？:...)表示一个非捕获性分组，用来将多个子模式组合在一起，|表示逻辑上的“或”，匹配多个子模式中的任意一个，\d表示匹配一个数字。
步骤S22：若符合合法车牌号，则与小区住户车辆信息匹配，若匹配成功，则执行“步骤S4”，若匹配不成功，则执行“步骤S5”，若不符合合法车牌号，则立即进行登记并扣留车辆。
步骤S22具体包括：
Ⅰ.通过摄像头采集待进入小区车辆车牌号图像，构建深度学习模型将待进入小区车辆车牌号图像中车牌号特征提取出来，进行识别，具体包括：
(1)数据收集与预处理：
首先，需要收集大量包含车牌号的图像数据，这些图像数据应涵盖各种不同的车牌样式、字体、颜色、尺寸以及不同环境下的拍摄情况，以确保模型的泛化能力，收集到的数据包含车牌图片以及相应的标注，即车牌号码；在数据预处理阶段，通常会对图像进行一系列的处理操作，如图像缩放、裁剪、标准化、亮度调整，以使图像数据适应深度学习模型的输入要求，并且提高模型对数据的鲁棒性。
(2)特征提取与特征学习：
在深度学习中，使用卷积神经网络(CNN)来提取图像的特征，CNN可以通过多个卷积层和池化层来逐渐学习图像的抽象特征；这些特征从低级别的边缘、纹理逐渐转化为高级别的语义特征，使得模型可以更好地理解图像的内容。在训练阶段，将预处理后的图像数据输入到深度学习模型中，通过反向传播算法不断调整模型的参数，使得模型能够逐渐学习到有效的特征表示。
本发明中CNN采用六个卷积层、两个池化层和三个全连接层，激活函数为Relu，卷积核尺寸为3×3，六个卷积层卷积核大小依次为32、64、128、256、512和1024。
(3)数据增强与模型训练：
为了增加数据的多样性，通常会使用数据增强技术。通过对原始图像进行旋转、翻转、缩放、平移操作，生成更多样化的虚拟数据。这些增强后的数据可以帮助模型更好地适应各种场景，提高模型的泛化能力。然后，使用标注的车牌号码作为监督信息，将增强后的数据和标签作为训练集，对深度学习模型进行训练。训练过程中，模型会根据损失函数(如交叉熵损失)计算预测结果与真实标签的误差，并利用反向传播算法不断优化模型参数，使得模型能够更准确地预测车牌号码。
(4)模型评估与调优：
训练完成后，需要使用测试集对模型进行评估。测试集是与训练集互斥的一组数据，用于评估模型在未见过的数据上的性能。常用的评估指标包括准确率、精确率、召回率。根据评估结果，可以对模型进行调优，如调整模型结构、超参数，以进一步提高模型的性能。
(5)车牌识别与后处理：
当深度学习模型训练完成并且性能满足要求后，可以将其应用于车牌识别任务。对于一张新的车牌图像，将其输入训练好的深度学习模型，模型将输出预测的车牌号码。
Ⅱ.与后台数据库中的小区住户车辆信息中车牌号码进行匹配，判断匹配是否成功，若匹配成功，则继续通过摄像头采集人脸图像，将人脸图像与小区住户车辆信息中住户人脸图像和住户直系亲属人脸图像进行对比，判断比对是否成功，若比对成功，则执行“步骤S4”；若比对不成功，则进行登记询问。具体包括：
首先，系统会获取摄像头采集的车辆信息，包括车牌号码。然后，系统会将车牌号码与后台数据库中存储的小区住户车辆信息中的车牌号码进行匹配，如果车牌号码在后台数据库中存在并匹配成功，说明这辆车辆属于小区住户或其授权人员，执行下一步操作。如果匹配不成功，则是陌生车辆，需要采取相应的安全措施。
其次，摄像头采集人脸图像，当车辆信息匹配成功后，系统会通过摄像头采集车辆主驾驶员、副驾驶员或/和后排人员的人脸图像，通过固定的门禁摄像头或移动摄像头来实现，获取小区住户人脸图像和直系亲属人脸图像：系统会从后台数据库中获取小区住户的人脸图像和住户直系亲属的人脸图像。这些图像是在入住时或事后进行登记和录入的。
再次，系统会将采集到的人脸图像与获取到的住户人脸图像和住户直系亲属人脸图像进行对比。对比的过程主要包括以下几个步骤：
A.人脸检测：首先，对采集到的人脸图像进行人脸检测，确认图像中是否存在人脸。
B.人脸特征提取：对于每张人脸图像，系统会提取其独有的人脸特征向量，这些特征向量是经过计算和处理后的数值表示，能够表征人脸的唯一性。
本发明中，通过深度学习进行人脸特征提取，首先收集大量标记有人脸的图像数据，并进行预处理。预处理步骤包括图像缩放、裁剪、灰度化、对比度增强，以确保输入数据在模型训练过程中的一致性和准确性。其次构建深度学习模型：选择合适的深度学习模型用于人脸识别，使用专门人脸识别的预训练模型FaceNet或者ArcFace，在深度学习模型中，前几层通常提取图像的低级特征(边缘、纹理)，而较深的层会提取高级语义特征，这些特征对于人脸识别非常有用。利用这些高级特征向量来表示每张人脸图像；使用收集的人脸图像数据集对深度学习模型进行训练。训练的目标是使模型能够准确地区分不同的人脸，从而学习到对于人脸的判别特征。
本发明中，通过深度学习模型提取到人脸特征，得到人脸特征向量，还对人脸图像的颜色分布特征提取，计算图像中各个像素点的颜色分量(红、绿、蓝)的直方图组成向量，得到颜色分布向量。
C.特征融合：将采集到的人脸特征向量和颜色分布向量组合成混合特征向量V，向量V＝α·人脸特征向量+β·颜色分布向量，其中α为人脸特征向量的权重，β为颜色分布向量的权重。
D.特征匹配：与数据库中的住户混合特征向量和住户直系亲属混合特征向量逐一进行匹配，通过欧式距离计算与住户和住户直系亲属的相似度，具体包括：
与住户相似度公式为：
与住户直系亲属相似度公式为：
式中，V表示为采集人脸图像的混合特征向量，V住表示为住户的混合特征向量，V住直系亲属表示为住户直系亲属的混合特征向量，s(V，V住)表示为采集人脸与数据库中住户相似度，s(V，V住直系亲属)表示为采集人脸与数据库中住户直系亲属相似度，||·||2表示为欧式范数。
E.判定比对是否成功：对于每次匹配，根据相似度A和B判断采集的人脸图像与住户人脸或住户直系亲属人脸的相似程度，如果相似度A大于或等于第一阈值，则表示匹配到小区住户，执行“步骤S4”；如果相似度A小于第一阈值，则判断相似度B是否大于或者小于第二阈值，如果相似度B大于或等于第二阈值，则表示匹配到小区住户直系亲属，如果相似度B小于第二阈值，则表示比对不成功，则执行“步骤S5”，若不符合合法车牌号，则立即进行登记并扣留车辆。
步骤S3：判断待离开小区车辆是否为小区住户，若车辆为小区住户，则直接放行；若车辆为小区临时访客，则缴费通过后放行。
步骤S4：小区住户车辆驶入停车位停车，判断是否满足停车条件，若满足停车条件，则允许小区住户车辆驶入停车位；若不满足停车检验条件，则不允许小区住户车辆停车。
步骤S4具体包括：
小区住户车辆驶入停车位停车，通过摄像头检测车位是否存在物体或者其他车辆遮挡，若不存在遮挡，则满足停车条件，允许小区住户车辆驶入停车位。停车位租用时限
步骤S5：待进入小区车辆为临时访客时，判断临时停放区是否有空余停车位，若有空余停车位，则登记临时访客的车辆信息，进行指示引导，根据临时访客的车辆信息，智能调整停车标线；若无空余停车位，则不予放行。
步骤S5具体包括：
当临时访客车辆驶入小区时，首先会检查临时停放区的所有车位，查找是否有空余停车位使用；若找到空余停车位，要求临时访客登记车辆信息，并为临时访客提供引导信息。
根据临时访客的车辆信息进行停车位调整，具体包括：
①在停车位的边界和角落安装传感器，这些传感器可以是红外线传感器、超声波传感器或摄像头。这些传感器的作用是实时检测车辆的位置和大小；红外线传感器可以通过发射红外线来感知车辆的位置，超声波传感器则利用超声波波束来测量车辆与传感器的距离。摄像头可以捕捉车辆的图像用于后续处理；这些传感器应当能够在不同天气和光照条件下工作，并且具有足够的精确度和灵敏度来准确检测车辆位置和大小。
②传感器收集到车辆的数据后，需要进行实时处理和分析；涉及到图像处理、距离计算和数据滤波技术；通过计算车辆的尺寸和形状，确定车辆所需的停车位尺寸。这需要考虑车辆的长度、宽度、高度参数，并结合停车场的标准尺寸来确定合适的停车位大小；根据数据处理的结果，系统应当能够准确地判断车辆位置，以便在地面上标示出相应的智能停车标线。
③能够根据不同车辆的尺寸和形状自动调整停车标线；通过数据处理和算法，系统应当能够识别不同类型的车辆，例如小型车辆、大型SUV和货车，并根据车辆尺寸调整停车标线的位置和长度；无论何种类型的车辆进入停车场，都能找到适合的停车位置，提高停车位的合规性和利用率。
④在停车位地面上使用LED灯带或投影技术，实时显示出智能停车标线。这些标线应当与车辆位置同步更新，为驾驶员提供准确的停车指引；LED灯带可以发光显示停车标线，投影技术则可以在地面上投射出标线的图像；这样的可视化显示方式可以直观地引导驾驶员正确地停放车辆。
⑤系统可以与车辆识别技术结合，例如车牌识别或RFID识别，以便更准确地识别车辆信息；车牌识别技术可以通过摄像头识别车辆的车牌号码，RFID识别则可以通过读取车辆上的RFID标签来识别车辆；识别车辆信息后，系统可以根据车辆尺寸和形状调整停车标线，确保停车位适应不同类型的车辆。
⑥使用低功耗的传感器和LED灯带，以降低系统的能耗；采用可持续的能源供应方式，例如太阳能电池板或其他可再生能源，以提高系统的环保性能。
⑦设计一个简单易懂的用户界面，例如手机应用或控制面板，以便临时访客用户选择车辆类型或输入车辆信息；用户界面应当能够与系统进行交互，允许用户手动调整停车标线或查看实时车辆位置和停车位信息。
⑧系统的安全性设计非常重要，防止非授权访问和干扰；使用加密和身份验证安全措施，确保智能停车标线调整的准确性和可靠性，同时保护用户隐私。
实施例2
如图2所示，本发明公开基于大数据的智能安防系统，系统包括：
车辆数据获取模块10，用于获取待出入小区车辆信息；判断车辆操作是否为进入，若车辆操作为进入，则执行“进入车辆判断模块”；若车辆操作为离开，则执行“离开车辆判断模块”；小区车辆信息包括：车辆操作、住户姓名、住户直系亲属姓名、电话号码、车牌号码、住户人脸图像和住户直系亲属人脸头像。
进入车辆判断模块20，用于判断待进入小区车辆是否为小区住户，若车辆为小区住户，则执行“小区住户停车模块”；若车辆为小区临时访客，则执行“临时访客停车模块”。
离开车辆判断模块30，判断待离开小区车辆是否为小区住户，若车辆为小区住户，则直接放行；若车辆为小区临时访客，则缴费通过后放行。
小区住户停车模块40，小区住户车辆驶入停车位停车，判断是否满足停车条件，若满足停车条件，则允许小区住户车辆驶入停车位；若不满足停车检验条件，则不允许小区住户车辆停车。
临时访客停车模块50，待进入小区车辆为临时访客时，判断临时停放区是否有空余停车位，若有空余停车位，则登记临时访客的车辆信息，进行指示引导，根据临时访客的车辆信息，智能调整停车标线；若无空余停车位，则不予放行。
作为一种可选地实施方式，本发明进入车辆判断模块20，具体包括：
合法车牌号匹配子模块，采集待进入小区车辆车牌号，与合法车牌号进行匹配，判断是否符合合法车牌号。
小区住户车辆信息匹配子模块，若符合合法车牌号，则与小区住户车辆信息匹配，若匹配成功，则执行“小区住户停车模块”，若匹配不成功，则执行“临时访客停车模块”，若不符合合法车牌号，则立即进行登记并扣留车辆。
作为一种可选地实施方式，本发明合法车牌号匹配子模块，具体包括：
将待进入小区车辆的车牌号进行正则化匹配，判断是否符合合法车牌号，普通车牌匹配公式为。
^[城市]{1}[A-HJ-NP-Z]{1}(？:\d{5}|[A-HJ-NP-Z]\d{4}|\d[A-HJ-NP-Z]\d{3}|\d{2}[A-HJ-NP-Z]\d{2}|\d{3}[A-HJ-NP-Z]\d|\d{4}[A-HJ-NP-Z]|[A-HJ-NP-Z]{2}\d{3}|[A-HJ-NP-Z]\d[A-HJ-NP-Z]\d{2}|[A-HJ-NP-Z]\d{2}[A-HJ-NP-Z]\d|[A-HJ-NP-Z]\d{3}[A-HJ-NP-Z]|\d[A-HJ-NP-Z]{2}\d{2}|\d[A-HJ-NP-Z]\d[A-HJ-NP-Z]\d|\d[A-HJ-NP-Z]\d{2}[A-HJ-NP-Z]|\d{2}[A-HJ-NP-Z]{2}\d|\d{2}[A-HJ-NP-Z]\d[A-HJ-NP-Z]|\d{3}[A-HJ-NP-Z]{2})$
新能源小型车车牌匹配公式为：
^[城市]{1}[A-HJ-NP-Z]{1}[DF]{1}[0-9A-HJ-NP-Z]{1}[0-9]{4}$
新能源大型汽车车牌匹配公式为：
^[城市]{1}[A-HJ-NP-Z]{1}[0-9]{5}[DF]{1}$
式中，^表示匹配字符串的开始，$表示匹配字符串的结束，城市为[京津冀晋蒙辽吉黑沪苏浙皖闽赣鲁豫鄂湘粤桂琼川贵云渝藏陕甘青宁新]表示匹配一个汉字的省份简称或直辖市的简称，{n}表示前面的数字或字母恰好出现n次，[A-HJ-NP-Z]表示匹配一个大写字母，排除了I、O字母，(？:...)表示一个非捕获性分组，用来将多个子模式组合在一起，|表示逻辑上的“或”，匹配多个子模式中的任意一个，\d表示匹配一个数字。
作为一种可选地实施方式，本发明临时访客停车模块50，具体包括：
智能停车线调整子模块，当临时访客车辆驶入小区时，首先会检查临时停放区的所有车位，查找是否有空余停车位使用；若找到空余停车位，要求临时访客登记车辆信息，并为临时访客提供引导信息；根据临时访客的车辆信息进行停车位调整。停车位的边界和角落安装传感器，接收到临时访客的车辆信息后，进行数据处理，计算车辆尺寸和形状，自动调整停车位的大小，标注停车标线。
以上仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.基于大数据的智能安防方法，其特征在于，所述方法包括：
步骤S1：获取待出入小区车辆信息；判断车辆操作是否为进入，若所述车辆操作为进入，则执行“步骤S2”；若所述车辆操作为离开，则执行“步骤S3”；所述小区车辆信息包括：车辆操作、住户姓名、住户直系亲属姓名、电话号码、车牌号码、住户人脸图像和住户直系亲属人脸头像；
步骤S2：判断待进入小区车辆是否为小区住户，若所述车辆为小区住户，则执行“步骤S4”；若所述车辆为小区临时访客，则执行“步骤S5”；
步骤S3：判断待离开小区车辆是否为小区住户，若所述车辆为小区住户，则直接放行；若所述车辆为小区临时访客，则缴费通过后放行；
步骤S4：小区住户车辆驶入停车位停车，判断是否满足停车条件，若满足所述停车条件，则允许所述小区住户车辆驶入所述停车位；若不满足所述停车检验条件，则不允许所述小区住户车辆停车；
步骤S5：待进入小区车辆为临时访客时，判断临时停放区是否有空余停车位，若有所述空余停车位，则登记所述临时访客的车辆信息，进行指示引导，根据所述临时访客的车辆信息，智能调整停车标线；若无所述空余停车位，则不予放行。
2.根据权利要求1所述的基于大数据的智能安防方法，其特征在于，所述判断待进入小区车辆是否为小区住户，具体包括：
采集待进入小区车辆车牌号，与合法车牌号进行匹配，判断是否符合合法车牌号；
若符合所述合法车牌号，则与所述小区住户车辆信息匹配，若匹配成功，则执行“步骤S4”，若匹配不成功，则执行“步骤S5”，若不符合所述合法车牌号，则立即进行登记并扣留车辆。
3.根据权利要求2所述的基于大数据的智能安防方法，其特征在于，所述采集待进入小区车辆车牌号，与合法车牌号进行匹配，具体包括：
将待进入小区车辆的车牌号进行正则化匹配，判断是否符合合法车牌号，普通车牌匹配公式为：
^[城市]{1}[A-HJ-NP-Z]{1}(？:\d{5}|[A-HJ-NP-Z]\d{4}|\d[A-HJ-NP-Z]\d{3}|\d{2}[A-HJ-NP-Z]\d{2}|\d{3}[A-HJ-NP-Z]\d|\d{4}[A-HJ-NP-Z]|[A-HJ-NP-Z]{2}\d{3}|[A-HJ-NP-Z]\d[A-HJ-NP-Z]\d{2}|[A-HJ-NP-Z]\d{2}[A-HJ-NP-Z]\d|[A-HJ-NP-Z]\d{3}[A-HJ-NP-Z]|\d[A-HJ-NP-Z]{2}\d{2}|\d[A-HJ-NP-Z]\d[A-HJ-NP-Z]\d|\d[A-HJ-NP-Z]\d{2}[A-HJ-NP-Z]|\d{2}[A-HJ-NP-Z]{2}\d|\d{2}[A-HJ-NP-Z]\d[A-HJ-NP-Z]|\d{3}[A-HJ-NP-Z]{2})$
新能源小型车车牌匹配公式为：
^[城市]{1}[A-HJ-NP-Z]{1}[DF]{1}[0-9A-HJ-NP-Z]{1}[0-9]{4}$
新能源大型汽车车牌匹配公式为：
^[城市]{1}[A-HJ-NP-Z]{1}[0-9]{5}[DF]{1}$
式中，^表示匹配字符串的开始，$表示匹配字符串的结束，城市为[京津冀晋蒙辽吉黑沪苏浙皖闽赣鲁豫鄂湘粤桂琼川贵云渝藏陕甘青宁新]表示匹配一个汉字的省份简称或直辖市的简称，{n}表示前面的数字或字母恰好出现n次，[A-HJ-NP-Z]表示匹配一个大写字母，排除了I、O字母，(？:...)表示一个非捕获性分组，用来将多个子模式组合在一起，|表示逻辑上的“或”，匹配多个子模式中的任意一个，\d表示匹配一个数字。
4.根据权利要求2所述的基于大数据的智能安防方法，其特征在于，所述待进入小区车辆车牌号若符合所述合法车牌号，则与所述小区住户车辆信息匹配，具体包括：
通过摄像头采集待进入小区车辆车牌号图像，构建深度学习模型将待进入小区车辆所述车牌号图像中车牌号特征提取出来，进行识别，与后台数据库中的所述小区住户车辆信息中所述车牌号码进行匹配，判断匹配是否成功，若匹配成功，则继续通过摄像头采集人脸图像，将所述人脸图像与所述小区住户车辆信息中所述住户人脸图像和所述住户直系亲属人脸图像进行对比，判断比对是否成功，若比对成功，则执行“步骤S4”；若比对不成功，则进行登记询问。
5.根据权利要求1所述的基于大数据的智能安防方法，其特征在于，所述小区住户车辆驶入停车位停车，判断是否满足停车条件，若满足所述停车条件，则允许所述小区住户车辆驶入所述停车位，具体包括：
小区住户车辆驶入停车位停车，通过摄像头检测车位是否存在物体或者其他车辆遮挡，若不存在遮挡，则满足停车条件，允许所述小区住户车辆驶入所述停车位。
6.根据权利要求1所述的基于大数据的智能安防方法，其特征在于，所述待进入小区车辆为临时访客时，判断临时停放区是否有空余停车位，若有所述空余停车位，则登记所述临时访客的车辆信息，进行指示引导，根据所述临时访客的车辆信息，智能调整停车标线，具体包括：
当所述临时访客车辆驶入小区时，首先会检查所述临时停放区的所有车位，查找是否有所述空余停车位使用；若找到所述空余停车位，要求所述临时访客登记车辆信息，并为所述临时访客提供引导信息；根据所述临时访客的车辆信息进行停车位调整；所述停车位的边界和角落安装传感器，接收到所述临时访客的车辆信息后，进行数据处理，计算车辆尺寸和形状，自动调整所述停车位的大小，标注停车标线。
7.基于大数据的智能安防系统，其特征在于，所述系统包括：
车辆数据获取模块，用于获取待出入小区车辆信息；判断车辆操作是否为进入，若所述车辆操作为进入，则执行“进入车辆判断模块”；若所述车辆操作为离开，则执行“离开车辆判断模块”；所述小区车辆信息包括：车辆操作、住户姓名、住户直系亲属姓名、电话号码、车牌号码、住户人脸图像和住户直系亲属人脸头像；
进入车辆判断模块，用于判断待进入小区车辆是否为小区住户，若所述车辆为小区住户，则执行“小区住户停车模块”；若所述车辆为小区临时访客，则执行“临时访客停车模块”；
离开车辆判断模块，用于判断待离开小区车辆是否为小区住户，若所述车辆为小区住户，则直接放行；若所述车辆为小区临时访客，则缴费通过后放行；
小区住户停车模块，小区住户车辆驶入停车位停车，判断是否满足停车条件，若满足所述停车条件，则允许所述小区住户车辆驶入所述停车位；若不满足所述停车检验条件，则不允许所述小区住户车辆停车；
临时访客停车模块，待进入小区车辆为临时访客时，判断临时停放区是否有空余停车位，若有所述空余停车位，则登记所述临时访客的车辆信息，进行指示引导，根据所述临时访客的车辆信息，智能调整停车标线；若无所述空余停车位，则不予放行。
8.根据权利要求7所述的基于大数据的智能安防系统，其特征在于，所述进入车辆判断模块，具体包括：
合法车牌号匹配子模块，采集待进入小区车辆车牌号，与合法车牌号进行匹配，判断是否符合合法车牌号；
小区住户车辆信息匹配子模块，若符合所述合法车牌号，则与所述小区住户车辆信息匹配，若匹配成功，则执行“小区住户停车模块”，若匹配不成功，则执行“临时访客停车模块”，若不符合所述合法车牌号，则立即进行登记并扣留车辆。
9.根据权利要求8所述的基于大数据的智能安防系统，其特征在于，所述合法车牌号匹配子模块，具体包括：
将待进入小区车辆的车牌号进行正则化匹配，判断是否符合合法车牌号，普通车牌匹配公式为：
^[城市]{1}[A-HJ-NP-Z]{1}(？:\d{5}|[A-HJ-NP-Z]\d{4}|\d[A-HJ-NP-Z]\d{3}|\d{2}[A-HJ-NP-Z]\d{2}|\d{3}[A-HJ-NP-Z]\d|\d{4}[A-HJ-NP-Z]|[A-HJ-NP-Z]{2}\d{3}|[A-HJ-NP-Z]\d[A-HJ-NP-Z]\d{2}|[A-HJ-NP-Z]\d{2}[A-HJ-NP-Z]\d|[A-HJ-NP-Z]\d{3}[A-HJ-NP-Z]|\d[A-HJ-NP-Z]{2}\d{2}|\d[A-HJ-NP-Z]\d[A-HJ-NP-Z]\d|\d[A-HJ-NP-Z]\d{2}[A-HJ-NP-Z]|\d{2}[A-HJ-NP-Z]{2}\d|\d{2}[A-HJ-NP-Z]\d[A-HJ-NP-Z]|\d{3}[A-HJ-NP-Z]{2})$
新能源小型车车牌匹配公式为：
^[城市]{1}[A-HJ-NP-Z]{1}[DF]{1}[0-9A-HJ-NP-Z]{1}[0-9]{4}$
新能源大型汽车车牌匹配公式为：
^[城市]{1}[A-HJ-NP-Z]{1}[0-9]{5}[DF]{1}$
式中，^表示匹配字符串的开始，$表示匹配字符串的结束，城市为[京津冀晋蒙辽吉黑沪苏浙皖闽赣鲁豫鄂湘粤桂琼川贵云渝藏陕甘青宁新]表示匹配一个汉字的省份简称或直辖市的简称，{n}表示前面的数字或字母恰好出现n次，[A-HJ-NP-Z]表示匹配一个大写字母，排除了I、O字母，(？:...)表示一个非捕获性分组，用来将多个子模式组合在一起，|表示逻辑上的“或”，匹配多个子模式中的任意一个，\d表示匹配一个数字。
10.根据权利要求7所述的基于大数据的智能安防系统，其特征在于，所述临时访客停车模块，具体包括：
智能停车线调整子模块，当所述临时访客车辆驶入小区时，首先会检查所述临时停放区的所有车位，查找是否有所述空余停车位使用；若找到所述空余停车位，要求所述临时访客登记车辆信息，并为所述临时访客提供引导信息；根据所述临时访客的车辆信息进行停车位调整。所述停车位的边界和角落安装传感器，接收到所述临时访客的车辆信息后，进行数据处理，计算车辆尺寸和形状，自动调整所述停车位的大小，标注停车标线。
CN202310979062.0A 2023-08-04 2023-08-04 基于大数据的智能安防方法及系统 Pending CN116959286A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310979062.0A CN116959286A (zh) 2023-08-04 2023-08-04 基于大数据的智能安防方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310979062.0A CN116959286A (zh) 2023-08-04 2023-08-04 基于大数据的智能安防方法及系统

Publications (1)

Publication Number Publication Date
CN116959286A true CN116959286A (zh) 2023-10-27

Family

ID=88452893

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310979062.0A Pending CN116959286A (zh) 2023-08-04 2023-08-04 基于大数据的智能安防方法及系统

Country Status (1)

Country Link
CN (1) CN116959286A (zh)

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102054305A (zh) * 2010-12-23 2011-05-11 深圳大学 一种基于图像识别技术实现对车辆进行管理的方法及系统
CN105488463A (zh) * 2015-11-25 2016-04-13 康佳集团股份有限公司 基于人脸生物特征的直系亲属关系识别方法及系统
CN107305736A (zh) * 2016-04-22 2017-10-31 贵州众成信息产业有限公司 一种基于车牌规则和时空可达性的车牌识别智能查错方法和系统
CN107437341A (zh) * 2016-05-27 2017-12-05 鸿富锦精密工业（深圳）有限公司 智能停车系统及智能停车方法
KR20190030960A (ko) * 2017-09-15 2019-03-25 김종정 차량 번호 인식 시스템을 사용한 출입 관리 시스템 및 방법
CN112164125A (zh) * 2020-09-15 2021-01-01 华南理工大学 一种监督可控的人脸多属性分离生成的方法
KR102244180B1 (ko) * 2020-09-21 2021-04-23 한국기술교육대학교 산학협력단 자동 얼굴 등록 및 갱신에 기반한 얼굴인식 출입 통제 시스템 및 방법
CN112820137A (zh) * 2020-12-31 2021-05-18 金茂智慧科技(广州)有限公司 一种停车场的管理方法及装置
CN112820139A (zh) * 2021-01-05 2021-05-18 南京柏王智能装备科技有限公司 基于大数据与人工智能的安防监控方法、系统、电子设备和计算机存储介质

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102054305A (zh) * 2010-12-23 2011-05-11 深圳大学 一种基于图像识别技术实现对车辆进行管理的方法及系统
CN105488463A (zh) * 2015-11-25 2016-04-13 康佳集团股份有限公司 基于人脸生物特征的直系亲属关系识别方法及系统
CN107305736A (zh) * 2016-04-22 2017-10-31 贵州众成信息产业有限公司 一种基于车牌规则和时空可达性的车牌识别智能查错方法和系统
CN107437341A (zh) * 2016-05-27 2017-12-05 鸿富锦精密工业（深圳）有限公司 智能停车系统及智能停车方法
KR20190030960A (ko) * 2017-09-15 2019-03-25 김종정 차량 번호 인식 시스템을 사용한 출입 관리 시스템 및 방법
CN112164125A (zh) * 2020-09-15 2021-01-01 华南理工大学 一种监督可控的人脸多属性分离生成的方法
KR102244180B1 (ko) * 2020-09-21 2021-04-23 한국기술교육대학교 산학협력단 자동 얼굴 등록 및 갱신에 기반한 얼굴인식 출입 통제 시스템 및 방법
CN112820137A (zh) * 2020-12-31 2021-05-18 金茂智慧科技(广州)有限公司 一种停车场的管理方法及装置
CN112820139A (zh) * 2021-01-05 2021-05-18 南京柏王智能装备科技有限公司 基于大数据与人工智能的安防监控方法、系统、电子设备和计算机存储介质

Similar Documents

Publication Publication Date Title
US11475660B2 (en) Method and system for facilitating recognition of vehicle parts based on a neural network
CN110837807A (zh) 一种套牌车辆的识别方法及系统
CN111507989A (zh) 语义分割模型的训练生成方法、车辆外观检测方法、装置
Yan et al. A high performance license plate recognition system based on the web technique
CN108710827B (zh) 一种社区微警务巡查和信息自动分析系统及方法
CN111078946A (zh) 一种基于多目标区域特征聚合的卡口车辆检索方法及系统
Amato et al. A wireless smart camera network for parking monitoring
CN114332776B (zh) 非机动车占用人行道检测方法、系统、设备及存储介质
CN116092206A (zh) 一种无人值守车辆进出停车场的识别与收费系统及其方法
Darapaneni et al. Computer vision based license plate detection for automated vehicle parking management system
Gu et al. Embedded and real-time vehicle detection system for challenging on-road scenes
Dhuri et al. Real-time parking lot occupancy detection system with vgg16 deep neural network using decentralized processing for public, private parking facilities
CN112836683A (zh) 用于便携式摄像设备的车牌识别方法、装置、设备和介质
CN114934467A (zh) 一种车位道闸控制方法、车位道闸系统及介质
Tian et al. Design of Intelligent Parking Management System Based on License Plate Recognition.
Prajapati et al. A Review Paper on Automatic Number Plate Recognition using Machine Learning: An In-Depth Analysis of Machine Learning Techniques in Automatic Number Plate Recognition: Opportunities and Limitations
KR20050087676A (ko) 무인주차장 관리 시스템 및 방법
CN116959286A (zh) 基于大数据的智能安防方法及系统
CN109686110A (zh) 车位空满状态判别方法及设备
CN110765900A (zh) 一种基于dssd的自动检测违章建筑方法及系统
KR20200025384A (ko) 실시간 영상처리를 활용한 주차정보 제공장치 및 그 시스템
CN113158852B (zh) 一种基于人脸与非机动车协同识别的交通卡口监控系统
Pu et al. A robust and real-time approach for license plate detection
Sai Sree et al. An Analysis of Intelligent Parking System Using Artificial Intelligence for IoT Applications
CN116720998B (zh) 智慧社区管理系统及其方法

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
TA01 Transfer of patent application right

Effective date of registration: 20241010

Address after: Room 607, Building F, No. 53 Congyun Road, Huangshi Street, Baiyun District, Guangzhou City, Guangdong Province 510080

Applicant after: Guangdong Baicheng Property Management Co.,Ltd.

Country or region after: China

Address before: 401120 Big Data Research Institute Co., Ltd., Comprehensive R&D Building, No. 2 Yangliu Road, Yubei District, Chongqing

Applicant before: Zhang Yue

Country or region before: China