[发明专利]一种基于机器学习的车库智能控制方法及系统

权利要求书

1.一种基于机器学习的车库智能控制方法，其特征在于，包括：

采集车库出入口的实时图像信息，对实时图像信息进行预处理获得监测图像；

将监测图像输入至预先训练好的图像识别模型，获取车辆的车型大小和车牌信息；

根据车型大小和车牌信息为车辆匹配车位，根据匹配到的车位生成车辆停车导航路线发送给车辆以引导车辆行驶至相应停车位；

每间隔设定时间段通过车库道路上的监控设备采集停泊监测图像，计算间隔前后的停泊监测图像方差，计算公式为：

其中，为前景与背景停泊监测图像做差的绝对值所得的像素的平均值，n代表停泊监测图像的像素的个数，σ表示停泊监测图像的方差；G_s(i,j)表示像素点s的像素值，(i，j)表示为像素点s的位置坐标，(i,j)∈G_s；

当停泊监测图像方差大于设定阈值时，判断有车辆停泊事故；

从车辆驶入车库时开始计费，当车辆行驶至车库出口时根据车牌信息进行结算缴费。

2.根据权利要求1所述的一种基于机器学习的车库智能控制方法，其特征在于，采集车库出入口的实时图像信息，对实时图像信息进行预处理获得监测图像的方法包括：

当车辆行驶至车库的出入口时，通过监控设备拍摄车辆正面、侧面的图像；对车辆正面、侧面的图像进行筛选获得清晰的监测图像。

3.根据权利要求2所述的一种基于机器学习的车库智能控制方法，其特征在于，将监测图像输入至预先训练好的图像识别模型，获取所述车辆的车型大小和车牌信息的方法包括：

对车辆正面图像依次进行车牌定位、字符分割和字符识别获得车牌号；

将车辆的侧面图像中目标车辆区域进行分割和提取，对目标车辆区域进行计算分析获得车辆的长度、宽度和高度；根据车辆的长度、宽度和高度判断车辆的车型大小。

4.根据权利要求3所述的一种基于机器学习的车库智能控制方法，其特征在于，图像识别模型的训练过程包括：

采集包含不同车型大小的车辆正面、侧面的图像，构建训练数据集；

通过训练数据对图像识别模型进行训练，获得识别准确率大于设定值的图像识别模型。

5.根据权利要求1所述的一种基于机器学习的车库智能控制方法，其特征在于，根据匹配到的车位生成车辆停车导航路线发送给车辆以引导车辆行驶至相应停车位的方法包括：

将车库空闲泊车位的分布情况转化为坐标系，通过Dijkstra算法输入匹配车位的节点位置和权值，计算车辆停车最优导航路线的表达公式为：

其中，L表示为存储各个空闲车位节点的权值矩阵；P表示各个空闲车位的集合，P＝{P₀,P₁,...P_n}；P₀表示车库入口节点，P₁至P_n-1元素表示中间节点，P_n表示目标节点；P_i和P_i+1表示节点集合P中两个相邻节点；(x_i,y_i)和(x_i+1,y_i+1)分别为P_i和P_i+1的坐标值。

6.根据权利要求1所述的一种基于机器学习的车库智能控制方法，其特征在于，所述车库智能控制方法还包括：

车辆行驶入车位时，通过车位处的监控设备拍摄车辆侧面、侧面的图像，获取所述车辆的车型大小和车牌信息；

当车辆的车型大小以及车牌信息与存储的信息不一致时，输出车辆乱停放的预警。

7.计算机可读存储介质，其特征在于，其上存储有计算机程序，该程序被处理器执行时实现权利要求1至6任意一项所述车库智能控制方法的步骤。