[发明专利]基于计算机视觉的汽车轮胎监测系统

说明书

本发明提供了一种基于计算机视觉的汽车轮胎监测系统，该监测系统包括相机单元和嵌入式处理单元；所述相机单元包括监控相机和光源；所述嵌入式处理单元内设有GPU，所述嵌入式处理单元通过CAN总线与相机单元相连。通过本发明系统可以对论汽车轮胎进行全面的检测，包括轮胎外侧，胎面，轮胎内侧，避免了普通检查轮胎难以检测轮胎内侧情况。本发明系统硬件实现成本较低，也能够在非汽车上普及使用。

技术领域

本发明涉及一种计算机监测系统，具体涉及一种基于计算机视觉的汽车轮胎健康监测系统。

背景技术

深度学习是机器学习中一种基于对数据进行表征学习的方法。观测值(例如一幅图像) 可以使用多种方式来表示，如每个像素强度值的向量，或者更抽象地表示成一系列边、特定形状的区域等。而使用某些特定的表示方法更容易从实例中学习任务(例如，人脸识别或面部表情识别)。深度学习的好处是用非监督式或半监督式的特征学习和分层特征提取高效算法来替代手工获取特征。

图像分类是根据图像的语义信息将不同类别图像区分开来，是计算机视觉中重要的基本问题，也是图像检测、图像分割、物体跟踪、行为分析等其他高层视觉任务的基础。图像分类在很多领域有广泛应用，包括安防领域的人脸识别和智能视频分析等，交通领域的交通场景识别，互联网领域基于内容的图像检索和相册自动归类，医学领域的图像识别等。

基于深度学习的图像分类方法：可以通过有监督或无监督的方式学习层次化的特征描述，从而取代了手工设计或选择图像特征的工作。深度学习模型中的卷积神经网络(Convolution Neural Network,CNN)近年来在图像领域取得了惊人的成绩，CNN直接利用图像像素信息作为输入，最大程度上保留了输入图像的所有信息，通过卷积操作进行特征的提取和高层抽象，模型输出直接是图像识别的结果。这种基于输入-输出直接端到端的学习方法取得了非常好的效果，得到了广泛的应用。

目标检测(Object Detection)是计算机视觉领域中一个基础性的研究课题，主要包含两类不同的检测任务：目标实例检测(Instance Object Detection)和目标类别检测(Generic Object Detection)。目标检测任务可分为两个关键的子任务：目标分类和目标定位。目标分类任务负责判断输入图像中是否有感兴趣类别的物体出现，输出一系列带分数的标签表明感兴趣类别的物体出现在输入图像的可能性。目标定位任务负责确定输入图像中感兴趣类别的物体的位置和范围，输出物体的包围盒，或物体中心，或物体的闭合边界等，通常方形包围盒是最常用的选择。

轮胎作为车辆重要部件之一，它不仅关系到车辆的操控性能，还事关车上人员的生命安全。据统计，高速公路46％的交通事故是由于轮胎发生故障引起的。因此，维持轮胎“健康工作“十分必要。

轮胎监测主要包含了一下几个方面：

(1)胎压监测。在汽车的行驶中，胎压异常会引起轮胎局部磨损、操控舒适性降低、油耗增加等问题，从而导致爆胎。实时监测胎压变化，是预防爆胎的关键。

(2)检查轮胎的磨损情况监测。轮胎的由于长时间的使用会有一定的磨损，当磨损较为严重时候，可能有爆胎情况的发生。因此定期检测轮胎的磨损情况十分有必要。

(3)轮胎破损监测。汽车在行驶中，可能较硬的金属等刺破轮胎的外胎，此时会有很大的安全隐患，如爆胎等。因此实时检测轮胎完成程度十分有必要。

(4)轮胎老化检测：汽车论坛长时间使用会出现比如轮胎胎面或者胎壁出现裂缝等轮胎老化的现象，此时需要更换轮胎，否则老化的轮胎由于胎壁强度减弱，在高速行驶中由于温度上升容易发生爆胎危险。

(5)轮胎起包变形检测：轮胎出现起包变形是一件很危险的事情，一般情况下都建议更换轮胎。轮胎出现此类情况证明轮胎内部的金属线圈已经变形或断裂，如果继续行驶则极有可能发生爆胎危险。

目前对以上的几个方面的检测主要为一下几种方式：