[发明专利]一种基于机器视觉的电动车识别及电梯防护方法

说明书

本发明提供了基于机器视觉的电动车识别及电梯防护方法，持续采集——识别——提醒，在后台服务器中搭载训练好的电动车部件识别模型，通过特征提取神经网络进行图像特征的提取，然后通过全连接层进行非线性分类。如判断出有人试图将电动车推入，则进行禁止推入的提醒；如不听劝告，则将停止电梯工作。所述方法用识别电动车局部部件代替识别电动车整体，可降低数据处理量，提高识别速度、精度，相应提高电梯防护效果。

技术领域

本发明涉及机器视觉领域，具体涉及一种基于机器视觉识别的电动车识别及电梯防护方法。

背景技术

随着社会和经济快速发展，电动车辆迅速增加，我国的城市交通问题显得日益严峻，特别是在大城市里，交通阻塞、车辆被盗等现象频繁发生。为了提高交通管理水平和交通的运行效率，人们提出了智能交通系统。智能交通系统是将先进的计算机技术、数据通信传输技术、电子传感器技术、自动控制技术等学科成果综合运用于整个运输管理系统，加强了车辆、道路和使用者之间的联系，从而形成一种定时、准确高效的综合运输系统。现如今大多数机器视觉识别都将眼光集中在了汽车方面，却很少有人将眼光放在电动车上。其实在我国电动车的数量并不比汽车少，所以对于电动车的识别也十分关键。电动车识别可用于避免社区居民将车推上电梯给高层带来火灾的风险，也可以为获取公路上电动车违法的行为提供帮助，同时还可以帮助解决一些因电动车胡乱停放产生的问题。

现有的电动车识别及电梯防护方法如CN112960505A，识别电动车整体，当识别出电梯口有电动车则会发出警报并阻止电梯运行。该电动车识别及电梯防护方法的缺陷在于，以电动车整体作为识别对象，由于电动车整体相对较大，导致识别过程中图像处理的数据量较大，因此识别速度、识别精度及相应的电梯防护效果难以保证。

发明内容

针对上述电动车识别及电梯防护问题，本发明提出一种基于机器视觉SSD(SingleShot MultiBox Detector，单发多预测检测网络)的深度学习模型，此模型实现对于摄像头采集的视频/图像的实时检测，并根据与之相连的后台识别系统，当确定摄像头中有人推电动车进入电梯时对其进行阻挡，从而实现对一些隐患的防治。

本发明一方面提供了一种电动车识别方法，包括，步骤1：通过摄像头采集图像；步骤2：将得到的图像传输至后台识别系统；步骤3：后台识别系统根据用深度学习框架训练好的识别模型来实时判断传回来的图像中是否含有电动车。

根据本发明一个实施方式，所述步骤3中采用基于机器视觉SSD的深度学习模型对摄像头采集的图像数据进行训练及判断。

根据本发明另一个实施方式，先对摄像头采集的图像数据进行局部二值化处理再进行训练及判断。

根据本发明另一个实施方式，先对摄像头采集的图像数据进行预处理再进行训练及判断，所述预处理过程为将采集到高维的RGB背景图像与含有识别目标的RGB背景图像灰度处理后的低维的灰度图像输入到预处理的网络进行对应的矩阵相减去除两者中相同的部分。

根据本发明另一个实施方式，将识别电动车整体改为识别电动车关键部件，车胎、把手、车灯。对摄像头采集的图像数据进行特征提取时，用这三者的识别来判断是否存在电动车。因为识别的是局部部件，含有的特征较少，因此采用简单的SSD网络就可以达到预期的效果。

本发明另一面提供了一种电梯防护方法，所述电梯防护方法基于前述电动车识别方法，当识别到电梯口存在电动车时，将提醒人员不准将电动车推入电梯，并阻止电梯继续工作。

本发明具有如下有益效果：