CN117593703A - 一种停车场道闸的控制管理方法及系统 - Google Patents
一种停车场道闸的控制管理方法及系统 Download PDFInfo
- Publication number
- CN117593703A CN117593703A CN202410077594.XA CN202410077594A CN117593703A CN 117593703 A CN117593703 A CN 117593703A CN 202410077594 A CN202410077594 A CN 202410077594A CN 117593703 A CN117593703 A CN 117593703A
- Authority
- CN
- China
- Prior art keywords
- target object
- risk
- risk coefficient
- preset
- forbidden zone
- 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
- 230000004888 barrier function Effects 0.000 title claims abstract description 85
- 238000007726 management method Methods 0.000 title claims abstract description 28
- 238000012544 monitoring process Methods 0.000 claims abstract description 46
- 238000004458 analytical method Methods 0.000 claims abstract description 23
- 238000005516 engineering process Methods 0.000 claims abstract description 23
- 238000001514 detection method Methods 0.000 claims abstract description 21
- 238000000034 method Methods 0.000 claims abstract description 20
- 238000004364 calculation method Methods 0.000 claims description 2
- 238000012795 verification Methods 0.000 claims description 2
- 230000002035 prolonged effect Effects 0.000 abstract description 8
- 230000035484 reaction time Effects 0.000 abstract description 3
- 230000015654 memory Effects 0.000 description 15
- 238000004590 computer program Methods 0.000 description 10
- 230000006870 function Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 4
- 230000006698 induction Effects 0.000 description 4
- 230000005674 electromagnetic induction Effects 0.000 description 3
- 230000007717 exclusion Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000012790 confirmation Methods 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
- G06V20/53—Recognition of crowd images, e.g. recognition of crowd congestion
-
- E—FIXED CONSTRUCTIONS
- E01—CONSTRUCTION OF ROADS, RAILWAYS, OR BRIDGES
- E01F—ADDITIONAL WORK, SUCH AS EQUIPPING ROADS OR THE CONSTRUCTION OF PLATFORMS, HELICOPTER LANDING STAGES, SIGNS, SNOW FENCES, OR THE LIKE
- E01F13/00—Arrangements for obstructing or restricting traffic, e.g. gates, barricades ; Preventing passage of vehicles of selected category or dimensions
- E01F13/04—Arrangements for obstructing or restricting traffic, e.g. gates, barricades ; Preventing passage of vehicles of selected category or dimensions movable to allow or prevent passage
-
- E—FIXED CONSTRUCTIONS
- E04—BUILDING
- E04H—BUILDINGS OR LIKE STRUCTURES FOR PARTICULAR PURPOSES; SWIMMING OR SPLASH BATHS OR POOLS; MASTS; FENCING; TENTS OR CANOPIES, IN GENERAL
- E04H6/00—Buildings for parking cars, rolling-stock, aircraft, vessels or like vehicles, e.g. garages
- E04H6/42—Devices or arrangements peculiar to garages, not covered elsewhere, e.g. securing devices, safety devices, monitoring and operating schemes; centering devices
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/62—Extraction of image or video features relating to a temporal dimension, e.g. time-based feature extraction; Pattern tracking
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/103—Static body considered as a whole, e.g. static pedestrian or occupant recognition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/20—Movements or behaviour, e.g. gesture recognition
- G06V40/23—Recognition of whole body movements, e.g. for sport training
- G06V40/25—Recognition of walking or running movements, e.g. gait recognition
-
- 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
-
- 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
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Architecture (AREA)
- Human Computer Interaction (AREA)
- Structural Engineering (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Civil Engineering (AREA)
- Psychiatry (AREA)
- Business, Economics & Management (AREA)
- Finance (AREA)
- Social Psychology (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明涉及停车场管理技术领域,具体公开了一种停车场道闸的控制管理方法及系统,所述方法包括:接收车辆用户端发送的开闸请求,根据所述开闸请求生成环境检测指令;获取监控相机采集的监控数据;基于预设的图像识别技术对所述监控数据进行识别分析;当预设禁区内出现目标对象时,确认所述目标对象的危险系数;根据所述目标对象的危险系数判定危险等级,并根据所述危险等级生成安全防护指令;在本发明中在接收到开闸请求之后会生成环境检测指令,检测道闸杆周围的预设禁区内是否出现目标对象,本发明能够使得目标对象及时远离道闸杆,通过干扰指令能够延长开闸时间,给予行人和车辆驾驶员足够的反应时间,有效的保障了行人的安全。
Description
技术领域
本发明涉及停车场管理技术领域,具体是一种停车场道闸的控制管理方法及系统。
背景技术
停车场道闸杆的感应原理一般分为电磁感应和光电感应两种方式。电磁感应主要是通过感应线圈和金属车辆的电磁感应反应来实现自动抬杆或放杆的操作。光电感应则是通过红外线或激光感应器来感应车辆的进出,当车辆经过时,道闸杆会自动抬杆或放杆。一般情况下,停车场道闸不会对行人进行感应提示。这是因为道闸的设置是为驶入车辆和驶出车辆服务的,而并非行人。但是在实际使用过程中,存在行人靠近或者穿越道闸杆的现象,在车辆同时经过道闸处,且未及时发现道闸杆另一侧的行人时,道闸识别到车辆自动控制道闸杆抬起,道闸杆上方凸起容易钩到穿越的行人,且车辆距离道闸杆另一侧的行人距离较近,车辆容易碰到行人,存在一定的安全风险。
发明内容
本发明的目的在于提供一种停车场道闸的控制管理方法及系统,以解决上述背景技术中提出的问题。
为实现上述目的,本发明提供如下技术方案:
一种停车场道闸的控制管理方法,所述方法包括以下步骤:
接收车辆用户端发送的开闸请求,根据所述开闸请求生成环境检测指令;
根据所述环境检测指令获取监控相机采集的监控数据,道闸杆周围的预设禁区位于监控相机的监控之下,所述道闸杆处于所述预设禁区内;
基于预设的图像识别技术对所述监控数据进行识别分析;
当预设禁区内出现目标对象时,确认所述目标对象的危险系数;
根据所述目标对象的危险系数判定危险等级,并根据所述危险等级生成安全防护指令。
作为本发明进一步的技术方案,所述基于图像识别技术对所述监控数据中监控空间区域的进行识别分析,判断道闸杆周围的监控空间内是否出现目标对象的步骤包括:
基于预设的图像识别技术对所述监控数据中的运动对象进行标记,并截取包含运动对象的目标图像,得到目标图像集;
利用视频分析系统对目标图像集中的运动对象进行自动跟踪,获取运动对象的运动轨迹和运动速度;
比对所述运动轨迹和预设禁区,判断所述运动轨迹与所述预设禁区是否重合;
当所述运动轨迹与所述预设禁区存在重合时,判定所述运动对象为目标对象。
作为本发明进一步的技术方案,所述当预设禁区内出现目标对象时,确认所述目标对象的危险系数的步骤包括:
当预设禁区内出现目标对象时,根据所述运动轨迹分析获取目标对象的当前位置、相对于道闸杆的当前趋势运动方向和当前运动速度;
获取预设的位置危险系数表,将所述目标对象当前位置与位置危险系数表进行比对,匹配得到当前位置危险系数,其中,所述位置危险系数表包括预设禁区内各个位置的危险系数;
根据所述当前趋势运动方向与当前运动速度,确定运动速度危险系数;
根据所述当前位置危险系数、运动速度危险系数计算得到目标对象的危险系数,所述目标对象的危险系数=当前位置危险系数+运动速度危险系数。
作为本发明进一步的技术方案,所述根据所述当前趋势运动方向与当前运动速度,确定运动速度危险系数的步骤包括:
获取预设的运动方向权重表,所述运动方向权重表中包括各运动方向,且各运动方向均有与其对应的运动速度权重值;
将所述当前趋势运动方向与运动方向权重表进行比对,匹配得到运动速度权重值;
根据所述当前运动速度和运动速度权重值计算得到运动速度危险系数,运动速度危险系数=权重值×当前运动速度。
作为本发明进一步的技术方案,所述根据所述目标对象的危险系数判定危险等级,并根据所述危险等级生成安全防护指令的步骤包括:
获取危险等级判定表,并生成所述目标对象的危险系数和危险等级判定表进行比对的指令;
当所述目标对象的危险系数小于预设阈值时,判定危险等级为一级,生成语音提示指令;
当所述目标对象的危险系数≥预设阈值,判定危险等级为二级,生成语音提示指令和干扰指令,所述干扰指令用于延长应答开闸请求的执行时间。
本发明实施例的另一目的在于提供一种停车场道闸的控制管理系统,所述系统包括:
检测指令生成模块,用于接收车辆用户端发送的开闸请求,根据所述开闸请求生成环境检测指令;
监控数据采集模块,用于根据所述环境检测指令获取监控相机采集的监控数据,道闸杆周围的预设禁区位于监控相机的监控之下,所述道闸杆处于所述预设禁区内;
目标对象识别模块,用于基于预设的图像识别技术对所述监控数据进行识别分析,判定道闸杆周围的预设禁区内是否出现目标对象,其中,所述目标对象包括行人;
危险系数确认模块,用于当预设禁区内出现目标对象时,确认所述目标对象的危险系数;
防护指令生成模块,用于根据所述目标对象的危险系数判定危险等级,并根据所述危险等级生成安全防护指令。
作为本发明进一步的技术方案,所述目标对象识别模块包括:
目标图像集截取单元,用于基于预设的图像识别技术对所述监控数据中的运动对象进行标记,并截取包含运动对象的目标图像,得到目标图像集;
运动对象跟踪单元,用于利用视频分析系统对目标图像集中的运动对象进行自动跟踪,获取运动对象的运动轨迹和运动速度;
运动轨迹比对单元,用于比对所述运动轨迹和预设禁区,判断所述运动轨迹与所述预设禁区是否重合;
目标对象判定单元,用于当所述运动轨迹与所述预设禁区存在重合时,判定所述运动对象为目标对象。
作为本发明进一步的技术方案,所述危险系数确认模块包括:
目标对象特征获取单元,用于当预设禁区内出现目标对象时,根据所述运动轨迹分析获取目标对象的当前位置、相对于道闸杆的当前趋势运动方向和当前运动速度;
位置危险系数确定单元,用于获取预设的位置危险系数表,将所述目标对象当前位置与位置危险系数表进行比对,匹配得到当前位置危险系数,其中,所述位置危险系数表包括预设禁区内各个位置的危险系数;
速度危险系数确定单元,用于根据所述当前趋势运动方向与当前运动速度,确定运动速度危险系数;
总危险系数计算单元,用于根据所述当前位置危险系数、运动速度危险系数计算得到目标对象的危险系数,所述目标对象的危险系数=当前位置危险系数+运动速度危险系数。
作为本发明进一步的技术方案,所述防护指令生成模块包括:
危险等级比对单元,用于获取危险等级判定表,并生成所述目标对象的危险系数和危险等级判定表进行比对的指令;
第一危险等级判定单元,用于当所述目标对象的危险系数小于预设阈值时,判定危险等级为一级,生成语音提示指令;
第二危险等级判定单元,用于当所述目标对象的危险系数≥预设阈值,判定危险等级为二级,生成语音提示指令和干扰指令,所述干扰指令用于延长应答开闸请求的执行时间。
与现有技术相比,本发明的有益效果是:本发明提供了一种停车场道闸的控制管理方法及系统,在本发明中在接收到开闸请求之后会生成环境检测指令,检测道闸杆周围的预设禁区内是否出现目标对象,当预设禁区内出现目标对象时,确认所述目标对象的危险系数,并根据所危险系数判定危险等级,当所述目标对象的危险系数≥预设阈值,判定危险等级为二级,生成语音提示指令和干扰指令,所述干扰指令用于延长应答开闸请求的执行时间,通过提示指令能够有效的提醒目标对象存在安全风险,使得目标对象及时远离道闸杆,通过干扰指令能够延长开闸时间,给予行人和车辆驾驶员足够的反应时间,有效的保障了行人的安全。
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。
图1为停车场道闸的控制管理方法的流程框图。
图2为停车场道闸的控制管理方法中判断目标对象是否存在的步骤的流程框图。
图3为停车场道闸的控制管理方法中确认目标对象危险系数的步骤的流程框图。
图4为停车场道闸的控制管理方法中生成安全防护指令的步骤的流程框图。
图5为停车场道闸的控制管理系统的结构框图。
图6为停车场道闸的控制管理系统中危险系数确认模块的结构框图。
图7为停车场道闸的控制管理系统中防护指令生成模块的结构框图。
具体实施方式
为了使本发明所要解决的技术问题、技术方案及有益效果更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
如图1所示,本发明实施例提供了一种停车场道闸的控制管理方法,所述方法包括以下步骤:
步骤S100,接收车辆用户端发送的开闸请求,根据所述开闸请求生成环境检测指令;
步骤S200,根据所述环境检测指令获取监控相机采集的监控数据,道闸杆周围的预设禁区位于监控相机的监控之下,所述道闸杆处于所述预设禁区内;其中,所述预设禁区指的是道闸杆前后预设距离范围内的区域,道闸杆前后预设距离范围内的区域在开闸时存一定的风险,所述预设禁区的空间大小可根据实际使用情况进行调整限定;
步骤S300,基于预设的图像识别技术对所述监控数据进行识别分析,判定道闸杆周围的预设禁区内是否出现目标对象,其中,所述目标对象包括行人;其中,所述图像识别技术是在特征提取的基础上,采用目标检测算法对图像进行分析和处理,以找出可能存在的行人目标。常用的目标检测算法包括基于机器学习的方法,如支持向量机(SVM)、AdaBoost等,以及基于深度学习的方法,如卷积神经网络(CNN),本实施例中的图像识别技术为现有的技术因此不在此进行赘述。
步骤S400,当预设禁区内出现目标对象时,确认所述目标对象的危险系数;
步骤S500,根据所述目标对象的危险系数判定危险等级,并根据所述危险等级生成安全防护指令。
在本发明实施例中,在本发明中在接收到开闸请求之后会生成环境检测指令,检测道闸杆周围的预设禁区内是否出现目标对象,当预设禁区内出现目标对象时,确认所述目标对象的危险系数,并根据所危险系数判定危险等级,并根据所述危险等级生成安全防护指令,所述安全防护指令包括语音提示指令和干扰指令,所述安全防护指令根据危险等级实时调整,通过语音提示指令能够有效的提醒目标对象存在安全风险,使得目标对象及时远离道闸杆,通过干扰指令能够延长开闸时间,给予行人和车辆驾驶员足够的反应时间,有效的保障了行人的安全。
如图2所示,作为本发明一个优选的实施例,所述基于图像识别技术对所述监控数据中监控空间区域的进行识别分析,判断道闸杆周围的监控空间内是否出现目标对象的步骤包括:
步骤S301,基于预设的图像识别技术对所述监控数据中的运动对象进行标记,并截取包含运动对象的目标图像,得到目标图像集;
步骤S302,利用视频分析系统对目标图像集中的运动对象进行自动跟踪,获取运动对象的运动轨迹和运动速度,其中,所述利用视频分析系统对目标图像中的运动对象进行自动跟踪是现有技术,这种技术通常被称为目标跟踪或物体跟踪,它使用计算机视觉和图像处理技术来自动识别和跟踪目标图像集中的运动对象,在此不做具体描述;
步骤S303,比对所述运动轨迹和预设禁区,判断所述运动轨迹与所述预设禁区是否重合,其中,所述预设禁区指的是道闸杆前后预设距离范围内的区域,道闸杆前后预设距离范围内的区域在开闸时存一定的风险;
步骤S304,当所述运动轨迹与所述预设禁区存在重合时,判定所述运动对象为目标对象。
在本实施例中,基于预设的图像识别技术对所述监控数据中的运动对象进行标记,并截取包含运动对象的目标图像,得到目标图像集,利用视频分析系统对目标图像集中的运动对象进行自动跟踪,获取运动对象的运动轨迹和运动速度,比对所述运动轨迹和预设禁区,判断所述运动轨迹与所述预设禁区是否重合,当所述运动轨迹与所述预设禁区存在重合时,判定所述运动对象为目标对象,当所述运动轨迹与所述预设禁区不重合时,此时不存在目标对象,无需生成安全防护指令。
如图3所示,作为本发明一个优选的实施例,所述当预设禁区内出现目标对象时,确认所述目标对象的危险系数的步骤包括:
步骤S401,当预设禁区内出现目标对象时,根据所述运动轨迹分析获取目标对象的当前位置、相对于道闸杆的当前趋势运动方向和当前运动速度;
步骤S402,获取预设的位置危险系数表,将所述目标对象当前位置与位置危险系数表进行比对,匹配得到当前位置危险系数,其中,所述位置危险系数表包括预设禁区内各个位置的危险系数,各个位置的危险系数根据实际情况进行预设;
步骤S403,根据所述当前趋势运动方向与当前运动速度,确定运动速度危险系数;
步骤S404,根据所述当前位置危险系数、运动速度危险系数计算得到目标对象的危险系数,所述目标对象的危险系数=当前位置危险系数+运动速度危险系数。
在本发明实施例中,当预设禁区内出现目标对象时,根据所述运动轨迹分析获取目标对象的当前位置、相对于道闸杆的当前趋势运动方向和当前运动速度,此为根据视频分析系统对运动轨迹进行分析得到的,为现有技术在此不做具体描述,然后根据目标对象的当前位置、相对于道闸杆的当前趋势运动方向和当前运动速度分析得到当前位置危险系数和运动速度危险系数,计算两者之和,最终进一步分析得到目标对象的危险系数。
作为本发明一个优选的实施例,所述根据所述当前趋势运动方向与当前运动速度,确定运动速度危险系数的步骤包括:
获取预设的运动方向权重表,所述运动方向权重表中包括各运动方向,且各运动方向均有与其对应的运动速度权重值;
将所述当前趋势运动方向与运动方向权重表进行比对,匹配得到运动速度权重值;
根据所述当前运动速度和运动速度权重值计算得到运动速度危险系数,运动速度危险系数=权重值×当前运动速度。
在本实施例中,运动速度权重值可能为正值也可能为负值,可以限定当运动方向为朝向道闸杆的方向时为正值,当运动方向为原理道闸杆的方向时为负值,在此不做限定,可根据具体使用情况进行调整限定。
如图4所示,作为本发明一个优选的实施例,所述根据所述目标对象的危险系数判定危险等级,并根据所述危险等级生成安全防护指令的步骤包括:
步骤S501,获取危险等级判定表,并生成所述目标对象的危险系数和危险等级判定表进行比对的指令,其中,所述危险等级判定表中各危险等级分别有各自对应的危险系数值域,所述危险等级表中危险等级和危险系数值域对设置,在本实施例中,危险等级和危险系数值域设置有3对;
步骤S502,当所述目标对象的危险系数小于预设阈值时,判定危险等级为一级,生成语音提示指令;
步骤S503,当所述目标对象的危险系数≥预设阈值,判定危险等级为二级,生成语音提示指令和干扰指令,所述干扰指令用于延长应答开闸请求的执行时间,在实际应用过程中可以设置多个危险系数阈值,将危险等级分为更多等级,各个危险等级匹配生成对应的干扰延长执行的时间,延长的执行时间可根据实际应用情况进行设定,在本实施例中,危险等级为二级时,延长时间为10S。
在本实施例中,当目标对象的危险等级被判定为一级时,说明此时目标对象的处于道闸杆的预设禁区内,但是并未处于距离道闸杆的危险距离范围内,存在一定的安全风险,通过语音提示指令,提醒目标对象远离道闸杆即可,同时语音提示指令在一定程度上也能够提醒车辆的驾驶员,道闸杆的对面存在行人,当目标对象的危险等级被判定为二级时,说明此时目标对象的处于道闸杆的预设禁区内,但是同时也处于距离道闸杆的危险距离范围内,同时目标对象也距离请求开闸的车辆较近,此时若立即开启道闸杆,存在道闸杆钩到目标对象的可能性,同时也会使得请求开闸的车辆对目标对象的撞击的风险增大,因此在本发明中当判定危险等级为二级,生成语音提示指令和干扰指令,所述干扰指令用于延长应答开闸请求的执行时间,使得目标对象及时远离道闸杆,给予行人和车辆驾驶员足够的反应时间,有效的保障了行人的安全。
如图5所示,本发明实施例的另一目的在于提供一种停车场道闸的控制管理系统,所述系统包括:
检测指令生成模块100,用于接收车辆用户端发送的开闸请求,根据所述开闸请求生成环境检测指令;
监控数据采集模块200,用于根据所述环境检测指令获取监控相机采集的监控数据,道闸杆周围的预设禁区位于监控相机的监控之下,所述道闸杆处于所述预设禁区内;
目标对象识别模块300,用于基于预设的图像识别技术对所述监控数据进行识别分析,判定道闸杆周围的预设禁区内是否出现目标对象,其中,所述目标对象包括行人;
危险系数确认模块400,用于当预设禁区内出现目标对象时,确认所述目标对象的危险系数;
防护指令生成模块500,用于根据所述目标对象的危险系数判定危险等级,并根据所述危险等级生成安全防护指令。
作为本发明进一步的技术方案,所述目标对象识别模块300包括:
目标图像集截取单元,用于基于预设的图像识别技术对所述监控数据中的运动对象进行标记,并截取包含运动对象的目标图像,得到目标图像集;
运动对象跟踪单元,用于利用视频分析系统对目标图像集中的运动对象进行自动跟踪,获取运动对象的运动轨迹和运动速度,其中,所述视频分析系统为现有的视频分析技术能够对图像中的目标人像进行跟踪识别;
运动轨迹比对单元,用于比对所述运动轨迹和预设禁区,判断所述运动轨迹与所述预设禁区是否重合,其中,所述预设禁区指的是道闸杆前后预设距离范围内的区域,道闸杆前后预设距离范围内的区域在开闸时存一定的风险;
目标对象判定单元,用于当所述运动轨迹与所述预设禁区存在重合时,判定所述运动对象为目标对象。
如图6所示,作为本发明进一步的技术方案,所述危险系数确认模块400包括:
目标对象特征获取单元401,用于当预设禁区内出现目标对象时,根据所述运动轨迹分析获取目标对象的当前位置、相对于道闸杆的当前趋势运动方向和当前运动速度;
位置危险系数确定单元402,用于获取预设的位置危险系数表,将所述目标对象当前位置与位置危险系数表进行比对,匹配得到当前位置危险系数,其中,所述位置危险系数表包括预设禁区内各个位置的危险系数;
速度危险系数确定单元403,用于根据所述当前趋势运动方向与当前运动速度,确定运动速度危险系数;
总危险系数计算单元404,用于根据所述当前位置危险系数、运动速度危险系数计算得到目标对象的危险系数,所述目标对象的危险系数=当前位置危险系数+运动速度危险系数。
如图7所示,作为本发明进一步的技术方案,所述防护指令生成模块500包括:
危险等级比对单元501,用于获取危险等级判定表,并生成所述目标对象的危险系数和危险等级判定表进行比对的指令,其中,所述危险等级判定表中各危险等级分别有各自对应的危险系数值域,所述危险等级表中危险等级和危险系数值域对设置;
第一危险等级判定单元502,用于当所述目标对象的危险系数小于预设阈值时,判定危险等级为一级,生成语音提示指令;
第二危险等级判定单元503,用于当所述目标对象的危险系数≥预设阈值,判定危险等级为二级,生成语音提示指令和干扰指令,所述干扰指令用于延长应答开闸请求的执行时间,在实际应用过程中可以设置多个危险系数阈值,将危险等级分为更多等级,各个危险等级匹配生成对应的干扰延长执行的时间,延长的执行时间可根据实际应用情况进行设定,在本实施例中,危险等级为二级时,延长时间为10S。
上述停车场道闸的控制管理方法所能实现的功能均由计算机设备完成,所述计算机设备包括一个或多个处理器和一个或多个存储器,所述一个或多个存储器中存储有至少一条程序代码,所述程序代码由所述一个或多个处理器加载并执行以实现所述停车场道闸的控制管理方法的功能。
处理器从存储器中逐条取出指令、分析指令,然后根据指令要求完成相应操作,产生一系列控制命令,使计算机各部分自动、连续并协调动作,成为一个有机的整体,实现程序的输入、数据的输入以及运算并输出结果,这一过程中产生的算术运算或逻辑运算均由运算器完成;所述存储器包括只读存储器(Read-Only Memory,ROM),所述只读存储器用于存储计算机程序,所述存储器外部设有保护装置。
示例性的,计算机程序可以被分割成一个或多个模块,一个或者多个模块被存储在存储器中,并由处理器执行,以完成本发明。一个或多个模块可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述计算机程序在终端设备中的执行过程。
本领域技术人员可以理解,上述服务设备的描述仅仅是示例,并不构成对终端设备的限定,可以包括比上述描述更多或更少的部件,或者组合某些部件,或者不同的部件,例如可以包括输入输出设备、网络接入设备、总线等。
所称处理器可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列 (Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等,上述处理器是上述终端设备的控制中心,利用各种接口和线路连接整个用户终端的各个部分。
上述存储器可用于存储计算机程序和/或模块,上述处理器通过运行或执行存储在存储器内的计算机程序和/或模块,以及调用存储在存储器内的数据,实现上述终端设备的各种功能。存储器可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序(比如信息采集模板展示功能、产品信息发布功能等)等;存储数据区可存储根据泊位状态显示系统的使用所创建的数据(比如不同产品种类对应的产品信息采集模板、不同产品提供方需要发布的产品信息等)等。此外,存储器可以包括高速随机存取存储器,还可以包括非易失性存储器,例如硬盘、内存、插接式硬盘,智能存储卡(Smart Media Card, SMC),安全数字(Secure Digital, SD)卡,闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
终端设备集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明实现上述实施例系统中的全部或部分模块/单元,也可以通过计算机程序来指令相关的硬件来完成,上述的计算机程序可存储于计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个系统实施例的功能。其中,计算机程序包括计算机程序代码,计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。计算机可读介质可以包括:能够携带计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random AccessMemory)、电载波信号、电信信号以及软件分发介质等。
需要说明的是,在本文中,术语“包括”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
以上仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (9)
1.一种停车场道闸的控制管理方法,其特征在于,所述方法包括以下步骤:
接收车辆用户端发送的开闸请求,根据所述开闸请求生成环境检测指令;
根据所述环境检测指令获取监控相机采集的监控数据,道闸杆周围的预设禁区位于监控相机的监控之下,所述道闸杆处于所述预设禁区内;
基于预设的图像识别技术对所述监控数据进行识别分析,判定道闸杆周围的预设禁区内是否出现目标对象,其中,所述目标对象包括行人;
当预设禁区内出现目标对象时,确认所述目标对象的危险系数;
根据所述目标对象的危险系数判定危险等级,并根据所述危险等级生成安全防护指令。
2.根据权利要求1所述的一种停车场道闸的控制管理方法,其特征在于,所述基于图像识别技术对所述监控数据中监控空间区域的进行识别分析,判断道闸杆周围的监控空间内是否出现目标对象的步骤包括:
基于预设的图像识别技术对所述监控数据中的运动对象进行标记,并截取包含运动对象的目标图像,得到目标图像集;
利用视频分析系统对目标图像集中的运动对象进行自动跟踪,获取运动对象的运动轨迹和运动速度;
比对所述运动轨迹和预设禁区,判断所述运动轨迹与所述预设禁区是否重合;
当所述运动轨迹与所述预设禁区存在重合时,判定所述运动对象为目标对象。
3.根据权利要求2所述的一种停车场道闸的控制管理方法,其特征在于,所述当预设禁区内出现目标对象时,确认所述目标对象的危险系数的步骤包括:
当预设禁区内出现目标对象时,根据所述运动轨迹分析获取目标对象的当前位置、相对于道闸杆的当前趋势运动方向和当前运动速度;
获取预设的位置危险系数表,将所述目标对象当前位置与位置危险系数表进行比对,匹配得到当前位置危险系数,其中,所述位置危险系数表包括预设禁区内各个位置的危险系数;
根据所述当前趋势运动方向与当前运动速度,确定运动速度危险系数;
根据所述当前位置危险系数、运动速度危险系数计算得到目标对象的危险系数,所述目标对象的危险系数=当前位置危险系数+运动速度危险系数。
4.根据权利要求3所述的一种停车场道闸的控制管理方法,其特征在于,所述根据所述当前趋势运动方向与当前运动速度,确定运动速度危险系数的步骤包括:
获取预设的运动方向权重表,所述运动方向权重表中包括各运动方向,且各运动方向均有与其对应的运动速度权重值;
将所述当前趋势运动方向与运动方向权重表进行比对,匹配得到运动速度权重值;
根据所述当前运动速度和运动速度权重值计算得到运动速度危险系数,运动速度危险系数=权重值×当前运动速度。
5.根据权利要求1所述的一种停车场道闸的控制管理方法,其特征在于,所述根据所述目标对象的危险系数判定危险等级,并根据所述危险等级生成安全防护指令的步骤包括:
获取危险等级判定表,并生成所述目标对象的危险系数和危险等级判定表进行比对的指令;
当所述目标对象的危险系数<预设阈值时,判定危险等级为一级,生成语音提示指令;
当所述目标对象的危险系数≥预设阈值,判定危险等级为二级,生成语音提示指令和干扰指令,所述干扰指令用于延长应答开闸请求的执行时间。
6.一种停车场道闸的控制管理系统,其特征在于,所述系统包括:
检测指令生成模块,用于接收车辆用户端发送的开闸请求,根据所述开闸请求生成环境检测指令;
监控数据采集模块,用于根据所述环境检测指令获取监控相机采集的监控数据,道闸杆周围的预设禁区位于监控相机的监控之下,所述道闸杆处于所述预设禁区内;
目标对象识别模块,用于基于预设的图像识别技术对所述监控数据进行识别分析,判定道闸杆周围的预设禁区内是否出现目标对象,其中,所述目标对象包括行人;
危险系数确认模块,用于当预设禁区内出现目标对象时,确认所述目标对象的危险系数;
防护指令生成模块,用于根据所述目标对象的危险系数判定危险等级,并根据所述危险等级生成安全防护指令。
7.根据权利要求6所述的一种停车场道闸的控制管理系统,其特征在于,所述目标对象识别模块包括:
目标图像集截取单元,用于基于预设的图像识别技术对所述监控数据中的运动对象进行标记,并截取包含运动对象的目标图像,得到目标图像集;
运动对象跟踪单元,用于利用视频分析系统对目标图像集中的运动对象进行自动跟踪,获取运动对象的运动轨迹和运动速度;
运动轨迹比对单元,用于比对所述运动轨迹和预设禁区,判断所述运动轨迹与所述预设禁区是否重合;
目标对象判定单元,用于当所述运动轨迹与所述预设禁区存在重合时,判定所述运动对象为目标对象。
8.根据权利要求7所述的一种停车场道闸的控制管理系统,其特征在于,所述危险系数确认模块包括:
目标对象特征获取单元,用于当预设禁区内出现目标对象时,根据所述运动轨迹分析获取目标对象的当前位置、相对于道闸杆的当前趋势运动方向和当前运动速度;
位置危险系数确定单元,用于获取预设的位置危险系数表,将所述目标对象当前位置与位置危险系数表进行比对,匹配得到当前位置危险系数,其中,所述位置危险系数表包括预设禁区内各个位置的危险系数;
速度危险系数确定单元,用于根据所述当前趋势运动方向与当前运动速度,确定运动速度危险系数;
总危险系数计算单元,用于根据所述当前位置危险系数、运动速度危险系数计算得到目标对象的危险系数,所述目标对象的危险系数=当前位置危险系数+运动速度危险系数。
9.根据权利要求6所述的一种停车场道闸的控制管理系统,其特征在于,所述防护指令生成模块包括:
危险等级比对单元,用于获取危险等级判定表,并生成所述目标对象的危险系数和危险等级判定表进行比对的指令;
第一危险等级判定单元,用于当所述目标对象的危险系数小于预设阈值时,判定危险等级为一级,生成语音提示指令;
第二危险等级判定单元,用于当所述目标对象的危险系数≥预设阈值,判定危险等级为二级,生成语音提示指令和干扰指令,所述干扰指令用于延长应答开闸请求的执行时间。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410077594.XA CN117593703B (zh) | 2024-01-19 | 2024-01-19 | 一种停车场道闸的控制管理方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410077594.XA CN117593703B (zh) | 2024-01-19 | 2024-01-19 | 一种停车场道闸的控制管理方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117593703A true CN117593703A (zh) | 2024-02-23 |
CN117593703B CN117593703B (zh) | 2024-04-16 |
Family
ID=89915405
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410077594.XA Active CN117593703B (zh) | 2024-01-19 | 2024-01-19 | 一种停车场道闸的控制管理方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117593703B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101339688A (zh) * | 2008-08-27 | 2009-01-07 | 北京中星微电子有限公司 | 一种入侵检测方法及系统 |
CN112115819A (zh) * | 2020-09-03 | 2020-12-22 | 同济大学 | 基于目标检测及tet扩展指标的行车危险场景识别方法 |
US20210150869A1 (en) * | 2019-07-18 | 2021-05-20 | Richard Deutsch | System for Imaging and Monitoring Security of Select Objects |
CN113250513A (zh) * | 2021-06-16 | 2021-08-13 | 中汽创智科技有限公司 | 一种停车场道闸控制方法及系统 |
CN114875877A (zh) * | 2022-05-18 | 2022-08-09 | 苏交科集团股份有限公司 | 一种用于船舶过闸安全检测方法 |
CN114973154A (zh) * | 2022-07-29 | 2022-08-30 | 成都宜泊信息科技有限公司 | 停车场的识别方法、系统和控制方法、系统、设备和介质 |
CN116291104A (zh) * | 2023-03-29 | 2023-06-23 | 东风汽车集团股份有限公司 | 电开门安全开闭的控制方法、装置、设备及介质 |
CN117022113A (zh) * | 2023-09-06 | 2023-11-10 | 杭州晤喜电子商务有限公司 | 一种基于红外技术的车辆开门提醒方法及系统 |
CN117072012A (zh) * | 2023-09-20 | 2023-11-17 | 中汽创智科技有限公司 | 一种车门控制方法、装置、设备以及存储介质 |
-
2024
- 2024-01-19 CN CN202410077594.XA patent/CN117593703B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101339688A (zh) * | 2008-08-27 | 2009-01-07 | 北京中星微电子有限公司 | 一种入侵检测方法及系统 |
US20210150869A1 (en) * | 2019-07-18 | 2021-05-20 | Richard Deutsch | System for Imaging and Monitoring Security of Select Objects |
CN112115819A (zh) * | 2020-09-03 | 2020-12-22 | 同济大学 | 基于目标检测及tet扩展指标的行车危险场景识别方法 |
CN113250513A (zh) * | 2021-06-16 | 2021-08-13 | 中汽创智科技有限公司 | 一种停车场道闸控制方法及系统 |
CN114875877A (zh) * | 2022-05-18 | 2022-08-09 | 苏交科集团股份有限公司 | 一种用于船舶过闸安全检测方法 |
CN114973154A (zh) * | 2022-07-29 | 2022-08-30 | 成都宜泊信息科技有限公司 | 停车场的识别方法、系统和控制方法、系统、设备和介质 |
CN116291104A (zh) * | 2023-03-29 | 2023-06-23 | 东风汽车集团股份有限公司 | 电开门安全开闭的控制方法、装置、设备及介质 |
CN117022113A (zh) * | 2023-09-06 | 2023-11-10 | 杭州晤喜电子商务有限公司 | 一种基于红外技术的车辆开门提醒方法及系统 |
CN117072012A (zh) * | 2023-09-20 | 2023-11-17 | 中汽创智科技有限公司 | 一种车门控制方法、装置、设备以及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN117593703B (zh) | 2024-04-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR102054061B1 (ko) | 차량번호판 자동인식 방법 | |
US9317752B2 (en) | Method for detecting large size and passenger vehicles from fixed cameras | |
US9047518B2 (en) | Method for the detection and tracking of lane markings | |
CN110532916B (zh) | 一种运动轨迹确定方法及装置 | |
EP2570963A2 (en) | Systems, devices, and methods for recognizing objects as perceived from a vehicle | |
US20110001615A1 (en) | Obstacle detection procedure for motor vehicle | |
JP6988698B2 (ja) | 物体認識装置 | |
US20140002657A1 (en) | Forward collision warning system and forward collision warning method | |
KR20210022995A (ko) | 터널 판단 장치 및 터널 판단 방법 | |
Tanaka et al. | Vehicle Detection Based on Perspective Transformation Using Rear‐View Camera | |
KR101687094B1 (ko) | 교통 표지판 인식 장치 및 교통 표지판 인식 방법 | |
CN117593703B (zh) | 一种停车场道闸的控制管理方法及系统 | |
CN115147587A (zh) | 一种障碍物检测方法、装置及电子设备 | |
CN112417976B (zh) | 一种路面检测识别方法、装置、智能终端及存储介质 | |
JP2016009331A (ja) | 車両周辺監視装置 | |
CN107844749B (zh) | 路面检测方法及装置、电子设备、存储介质 | |
CN113379830A (zh) | 防碰撞方法、装置、存储介质及电子设备 | |
Venkatesh et al. | An intelligent traffic management system based on the Internet of Things for detecting rule violations | |
JP2021196789A (ja) | 車間距離計測装置および車両制御システム | |
US20130004084A1 (en) | Linear mark detection system, linear mark detection method, and non-transitory computer readable medium storing linear mark detecting program | |
CN108182376B (zh) | 一种基于车窗角点检测的车窗定位方法 | |
US20200003798A1 (en) | Method and device for early accident detection | |
CN112334944B (zh) | 摄像机装置的标志识别方法及标志识别装置 | |
KR102448268B1 (ko) | 심층 신경망 알고리즘 기반 객체 자동학습, 검증 및 배포에 의한 객체분석 정확도 향상을 위한 지능형 영상 분석 시스템 | |
US20240067189A1 (en) | Control device and control method |
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 |