CN114170583B - 一种基于卷积神经网络的车辆检测*** - Google Patents
一种基于卷积神经网络的车辆检测*** Download PDFInfo
- Publication number
- CN114170583B CN114170583B CN202111521036.0A CN202111521036A CN114170583B CN 114170583 B CN114170583 B CN 114170583B CN 202111521036 A CN202111521036 A CN 202111521036A CN 114170583 B CN114170583 B CN 114170583B
- Authority
- CN
- China
- Prior art keywords
- module
- vehicle
- information
- data
- detected
- 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.)
- Active
Links
- 238000013527 convolutional neural network Methods 0.000 title claims abstract description 25
- 238000001514 detection method Methods 0.000 claims abstract description 68
- 238000000605 extraction Methods 0.000 claims description 33
- 238000012544 monitoring process Methods 0.000 claims description 25
- 230000005540 biological transmission Effects 0.000 claims description 17
- 238000013075 data extraction Methods 0.000 claims description 14
- 238000012806 monitoring device Methods 0.000 claims description 12
- 238000004364 calculation method Methods 0.000 claims description 5
- 238000004140 cleaning Methods 0.000 claims description 3
- 238000003384 imaging method Methods 0.000 claims 3
- 238000000034 method Methods 0.000 description 12
- 238000010586 diagram Methods 0.000 description 9
- 230000009471 action Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000008439 repair process Effects 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B25/00—Alarm systems in which the location of the alarm condition is signalled to a central station, e.g. fire or police telegraphic systems
- G08B25/01—Alarm systems in which the location of the alarm condition is signalled to a central station, e.g. fire or police telegraphic systems characterised by the transmission medium
- G08B25/10—Alarm systems in which the location of the alarm condition is signalled to a central station, e.g. fire or police telegraphic systems characterised by the transmission medium using wireless transmission systems
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Biomedical Technology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Computer Networks & Wireless Communication (AREA)
- Business, Economics & Management (AREA)
- Emergency Management (AREA)
- Traffic Control Systems (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种基于卷积神经网络的车辆检测***,包括:车辆信息存储***,用于对车辆信息根据车辆特征进行分类得到第一车辆特征数据并存储;数据采集***,用于采集待检测车辆的车辆图像数据;对比模块,其分别与所述车辆信息存储***和所述数据采集***连接,并对接收到的所述第一车辆特征数据和所述车辆图像数据进行对比,得到相似度,若相似度小于设定值,则输出的检测结果为所述待检测车辆合格,否则,输出的检测结果为所述待检测车辆不合格。本发明能快速地检测出车辆是否合格。
Description
技术领域
本发明涉及车辆检测技术领域,特别涉及一种基于卷积神经网络的车辆检测***。
背景技术
近年来,卷积神经网络特征提取方法在语音识别领域和图像处理领域取得了突飞猛进的发展并获得了很大成功,卷积神经网络具有多层的神经网络,享有共同权值的结构,大大降低了网络模型的复杂度,其优势在于可以在大数据环境下完成复杂的特征提取,因此利用卷积神经网络可快速的对车辆的品质进行监测。
目前,在使用基于卷积神经网络的车辆检测***对成品汽车进行检测时,通常是由摄像机采集车辆图像,然后通过车辆检测***对比出采集的车辆图像与***内存储的车辆合格图像之间的相似度,从而检测出车辆是否合格,但车辆检测***并未对车辆信息进行分类存储,进而在采集的车辆图像进行处理时,需要将采集的车辆图像与整个***内存储的车辆合格图像进行对比,从而导致对比时间较长,无法快速的检测出车辆是否合格。
发明内容
本发明的目的在于提供一种基于卷积神经网络的车辆检测***,用于解决现有的车辆检测***未对车辆信息进行分类存储,进而在采集的车辆图像进行处理时,需要将采集的车辆图像与整个***内存储的车辆合格图像进行对比,从而导致对比时间较长,无法快速的检测出车辆是否合格的问题。
为了解决上述问题,本发明通过以下技术方案实现:
一种基于卷积神经网络的车辆检测***,包括:车辆信息存储***100,用于对车辆信息根据车辆特征进行分类得到第一车辆特征数据并存储;数据采集***,用于采集待检测车辆的车辆图像数据;对比模块112,其分别与所述车辆信息存储***100和所述数据采集***连接,并对接收到的所述第一车辆特征数据和所述车辆图像数据进行对比,得到相似度,若相似度小于设定值,则输出的检测结果为所述待检测车辆合格,否则,输出的检测结果为所述待检测车辆不合格。
优选地,所述车辆信息存储***100包括:依次连接的信息输入模块101、第一分析模块102、分类模块103和车辆信息存储模块104;所述第一分析模块102用于将来自所述信息输入模块101的车辆信息进行分析,得到相应车辆具有的车辆特征;所述分类模块103用于根据所述车辆特征对所述车辆信息进行分类,得到第一车辆特征数据;所述车辆信息存储***100用于对第一车辆特征数据进行存储。
优选地,所述数据采集***包括:依次连接的监测装置200、摄像控制模块202、主摄像装置204和采集模块203,所述监测装置200用于监测检测台上是否存在待检测的车辆;摄像控制模块202用于根据所述监测装置200反馈的检测台上存在所述待检测的车辆的监测结果,生成驱动信号;主摄像装置204,用于根据接收到的所述驱动信号对所述待检测的车辆进行拍摄,得到车辆图像数据;采集模块203,用于收集所述车辆图像数据。
优选地,还包括:依次连接的第一反馈模块113、报警控制模块116和报警装置400;所述第一反馈模块113还与所述对比模块112连接;所述第一反馈模块113用于将所述对比模块112输出的所述检测结果传递给所述报警控制模块116;所述报警控制模块116根据所述检测结果对应生成驱动信号;所述报警装置400根据相应的所述驱动信号发出相应的提示信息。
优选地,所述数据采集***还包括:第二分析模块110;数据提取模块111;以及图像提取模块114,其分别与所述第二分析模块110和所述采集模块203连接;所述图像提取模块114用于对接收到的所述车辆图像数据采用深度卷积神经网络进行特征提取,得到第二车辆特征数据,所述第二分析模块110还与所述车辆信息存储模块104连接,根据所述第一车辆特征数据对所述第二车辆特征数据进行分析,得到分析结果;所述第二分析模块110还与所述数据提取模块111连接,所述数据提取模块111用于提取所述第一车辆特征数据根据所述图像提取模块114中的第二车辆特征数据来提取的第一车辆特征数据中所需的特征类别。
优选地,所述数据采集***还包括:辅助摄像装置201,其分别与所述摄像控制模块202和所述采集模块203连接;以及第二反馈模块115,其分别与所述摄像控制模块202、图像提取模块114和报警控制模块116连接;所述图像提取模块114对接收到的所述车辆图像数据进行特征提取时,如果得不到第二车辆特征数据,则所述主摄像装置204损坏;所述图像提取模块114生成未提取到特征信号的信息并传递至所述第二反馈模块115;所述第二反馈模块115将所述未提取到特征信号的信息传递给所述报警控制模块116;所述报警控制模块116用于驱动所述报警装置400发出警示信息,以提醒作业人员及时的对主摄像装置204进行维修;所述第二反馈模块115将所述未提取到特征信号的信息传递给所述摄像控制模块202;所述摄像控制模块202将所述辅助摄像装置201打开,并将所述主摄像装置204关闭;所述辅助摄像装置201用于对所述待检测的车辆进行拍摄,得到所述车辆图像数据。
优选地,还包括:记录***300,分别与所述记录***300连接的监控平台500和移动终端600;所述记录***300还与所述第一反馈模块113和所述第二反馈模块115连接;所述记录***300用于存储所述第一反馈模块113输出的对比检测结果以及所述第二反馈模块115输出的未提取到特征信号的信息进行存储;所述监控平台500和移动终端600用于查看所述检测结果和未提取到特征信号的信息。
优选地,所述记录***300包括:记录模块304,分别与所述第一反馈模块113和第二反馈模块115连接;用于记录所述第一反馈模块113输出的对第一车辆特征数据和待检测车辆特征数据的对比检测结果以及所述第二反馈模块115输出的由于摄像头损坏而出现的未提取到特征信号的信息,得到信息记录;报警信息存储模块305,与所述记录模块304连接,用于存储所述信息记录;无线传输模块306,其分别与所述报警信息存储模块305、移动终端600和监控平台500连接,所述移动终端600和监控平台500通过所述无线传输模块306直接查看所述信息记录中的待检测车辆的检测结果和主摄像装置的故障信息。
设定存储模块301,与所述内存计算模块302连接,用于设定所述报警信息存储模块305的存储空间,并计算报警信息存储模块305的实际存储空间;提醒模块303,内存计算模块302,其分别与所述提醒模块303和所述报警信息存储模块305连接,用于对报警信息存储模块305内的存储空间进行计算,当存储空间等于所述设定值时,内存计算模块302控制所述提醒模块303生成并传递提醒信息,所述提醒信息通过无线传输模块306传递给移动终端600和监控平台500,以提醒作业人员及时的对报警信息存储模块305内的数据进行清理。
优选地,所述无线传输模块306包括4G模块3061、5G模块3062和WIFI模块3063。
优选地,所述报警装置400包括蜂鸣器401和指示灯402;所述报警控制模块116接收到所述检测结果为待检测车辆合格则生成第一驱动信号,通过所述第一驱动信号驱动所述指示灯402亮起,以提醒作业人员所述待检测车辆为合格车辆;所述报警控制模块116接收到所述检测结果为待检测车辆不合格则生成第二驱动信号,通过所述第二驱动信号驱动所述蜂鸣器401启动,以提醒作业人员所述待检测车辆为不合格车辆。
本发明至少具有以下优点之一:
本发明通过设置信息输入模块、第一分析模块、分类模块和车辆信息存储模块的配合设置,使通过信息输入模块输入的车辆信息,可根据车辆特征分类的存储在车辆信息存储模块内,同时,通过设置图像提取模块、第二分析模块和数据提取模块,在处理采集的车辆图像时,通过图像提取模块和第二分析模块对车辆图像上的特征点进行提取和分析,分析后,通过数据提取模块将对应的车辆信息提取出来,并传递给对比模块,此时,对比模块仅需要对采集的车辆图像和提取的车辆信息进行对比,即可检测出车辆是否合格,从而使该车辆检测***能快速地检测出车辆是否合格。
本发明通过第二反馈模块、摄像控制模块和辅助摄像模块,当图像提取模块无法从采集的车辆图像上提取出特征信息时,则说明主摄像装置损坏,此时,图像提取模块将信号传递第二反馈模块,第二反馈模块将信号传递给报警控制模块,并通过报警控制模块将报警装置打开,然后,通过报警装置提醒作业人员及时的对主摄像装置进行维修,同时,第二反馈模块将信号传递给摄像控制模块,然后,通过摄像控制模块将辅助摄像装置打开,并将主摄像装置关闭,此时,通过辅助摄像装置对车辆进行拍摄,进而使该车辆检测***能继续对车辆进行检测。
本发明通过记录***对车辆的检测结果和主摄像装置的故障信息进行记录,并通过无线传输模块,使记录***与移动终端和监控平台之间均能无线传输,进而使使用者可通过移动终端和监控平台对车辆的检测结果和主摄像装置的故障信息进行查询。
附图说明
图1为本发明一实施例提供的一种基于卷积神经网络的车辆检测***的结构框图;
图2为本发明一实施例提供的一种基于卷积神经网络的车辆检测***中监测装置的结构框图;
图3为本发明一实施例提供的一种基于卷积神经网络的车辆检测***中的报警装置的结构框图;
图4为本发明一实施例提供的一种基于卷积神经网络的车辆检测***中的无线传输模块的结构框图。
具体实施方式
以下结合附图和具体实施方式对本发明提出的一种基于卷积神经网络的车辆检测***作进一步详细说明。根据下面说明,本发明的优点和特征将更清楚。需要说明的是,附图采用非常简化的形式且均使用非精准的比例,仅用以方便、明晰地辅助说明本发明实施方式的目的。为了使本发明的目的、特征和优点能够更加明显易懂,请参阅附图。须知,本说明书所附图式所绘示的结构、比例、大小等,均仅用以配合说明书所揭示的内容,以供熟悉此技术的人士了解与阅读,并非用以限定本发明实施的限定条件,故不具技术上的实质意义,任何结构的修饰、比例关系的改变或大小的调整,在不影响本发明所能产生的功效及所能达成的目的下,均应仍落在本发明所揭示的技术内容能涵盖的范围内。
如图1所示,本实施例提供一种基于卷积神经网络的车辆检测***,包括:车辆信息存储***100,用于对车辆信息根据车辆特征进行分类得到第一车辆特征数据并存储;数据采集***,用于采集待检测车辆的车辆图像数据;对比模块112,其分别与所述车辆信息存储***100和所述数据采集***连接,并对接收到的所述第一车辆特征数据和所述车辆图像数据进行对比,得到相似度,若相似度小于设定值,则输出的检测结果为所述待检测车辆合格,否则,输出的检测结果为所述待检测车辆不合格。
请继续参考图1所示,所述车辆信息存储***100包括:依次连接的信息输入模块101、第一分析模块102、分类模块103和车辆信息存储模块104;所述第一分析模块102用于将来自所述信息输入模块101的车辆信息进行分析,得到相应车辆具有的车辆特征;所述分类模块103用于根据所述车辆特征对所述车辆信息进行分类,得到第一车辆特征数据;所述车辆信息存储模块104用于第一车辆特征数据进行存储。
请继续参考图1所示,所述数据采集***包括:依次连接的监测装置200、摄像控制模块202、主摄像装置204和采集模块203,所述监测装置200用于监测检测台上是否存在待检测的车辆;摄像控制模块202用于根据所述监测装置200反馈的检测台上存在所述待检测的车辆的监测结果,生成驱动信号;主摄像装置204,用于根据接收到的所述驱动信号对所述待检测的车辆进行拍摄,得到车辆图像数据;采集模块203,用于收集所述车辆图像数据。
请继续参考图1所示,还包括:依次连接的第一反馈模块113、报警控制模块116和报警装置400;所述第一反馈模块113还与所述对比模块112连接;所述第一反馈模块113用于将所述对比模块112输出的所述检测结果传递给所述报警控制模块116;所述报警控制模块116根据所述检测结果对应生成驱动信号;所述报警装置400根据相应的所述驱动信号发出相应的提示信息。
请继续参考图1所示,所述数据采集***还包括:第二分析模块110;数据提取模块111;以及图像提取模块114,其分别与所述第二分析模块110和所述采集模块203连接;所述图像提取模块114用于对接收到的所述车辆图像数据采用深度卷积神经网络进行特征提取,得到第二车辆特征数据,所述第二分析模块110还与所述车辆信息存储模块104连接,根据所述第一车辆特征数据对所述第二车辆特征数据进行分析,得到分析结果;所述第二分析模块110还与所述数据提取模块111连接,所述数据提取模块111用于提取所述第一车辆特征数据根据所述图像提取模块114中的第二车辆特征数据来提取的第一车辆特征数据所需的特征类别。将得到的所需第一特征数据和图像提取模块114得到得待检测车辆数据特征在所述对比模块112中进行对比,得到相似度。再由第一反馈模块113将检测结果输出到报警控制模块116和记录模块304。
请继续参考图1所示,所述数据采集***还包括:辅助摄像装置201,其分别与所述摄像控制模块202和所述采集模块203连接;以及第二反馈模块115,其分别与所述摄像控制模块202、图像提取模块114和报警控制模块116连接。所述图像提取模块114对接收到的所述车辆图像数据进行特征提取时,如果得不到第二车辆特征数据,则所述主摄像装置204损坏;所述图像提取模块114生成未提取到特征信号的信息并传递至所述第二反馈模块115;所述第二反馈模块115将所述未提取到特征信号的信息传递给所述报警控制模块116;所述报警控制模块116用于驱动所述报警装置400发出警示信息,以提醒作业人员及时的对主摄像装置204进行维修;所述第二反馈模块115将所述未提取到特征信号的信息传递给所述摄像控制模块202;所述摄像控制模块202控制将所述辅助摄像装置201打开,并将所述主摄像装置204关闭;所述辅助摄像装置201用于对所述待检测的车辆进行拍摄,得到所述车辆图像数据,使该车辆检测***能继续对车辆进行检测。
请继续参考图1所示,还包括:记录***300,分别与所述记录***300连接的监控平台500和移动终端600;所述记录***300还与所述第一反馈模块113和所述第二反馈模块115连接;所述记录***300用于存储所述第一反馈模块113输出的对比检测结果以及所述第二反馈模块115输出的主摄像装置的故障信息进行存储;监控平台500和移动终端600用于查看所述检测结果和主摄像装置的故障信息。
请继续参考图1所示,所述记录***300包括:记录模块304,分别与所述第一反馈模块113和第二反馈模块115连接;用于记录所述第一反馈模块113输出的对第一车辆特征数据和待检测车辆特征数据的对比检测结果以及所述第二反馈模块115输出的由于摄像头损坏而出现的未提取到特征信号的信息,得到信息记录;报警信息存储模块305,与所述记录模块304连接,用于存储所述信息记录;无线传输模块306,其分别与所述报警信息存储模块305、移动终端600和监控平台500连接,所述移动终端600和监控平台500通过所述无线传输模块306直接查看所述信息记录中的待检测车辆的检测结果和主摄像装置的故障信息。
设定存储模块301,与所述内存计算模块302连接,用于设定所述报警信息存储模块305的存储空间,并计算报警信息存储模块305的实际存储空间;提醒模块303,内存计算模块302,其分别与所述提醒模块303和所述报警信息存储模块305连接,用于对报警信息存储模块305内的存储空间进行计算,当存储空间等于所述设定值时,内存计算模块302控制所述提醒模块303生成并传递提醒信息,所述提醒信息通过无线传输模块306传递给移动终端600和监控平台500,以提醒作业人员及时的对报警信息存储模块305内的数据进行清理。
如图4所示,所述无线传输模块306包括4G模块3061、5G模块3062和WIFI模块3063。
如图3所示,所述报警装置400包括蜂鸣器401和指示灯402;所述报警控制模块116接收到所述检测结果为待检测车辆合格则生成第一驱动信号,通过所述第一驱动信号驱动所述指示灯402亮起,以提醒作业人员所述待检测车辆为合格车辆;所述报警控制模块116接收到所述检测结果为待检测车辆不合格则生成第二驱动信号,通过所述第二驱动信号驱动所述蜂鸣器401启动,以提醒作业人员所述待检测车辆为不合格车辆。
如图2所示,所述监测装置200为红外测距仪210。
本实施例通过设置信息输入模块、第一分析模块、分类模块和车辆信息存储模块的配合设置,使通过信息输入模块输入的车辆信息,可根据车辆特征分类的存储在车辆信息存储模块内,同时,通过设置图像提取模块、第二分析模块和数据提取模块,在处理采集的车辆图像时,通过图像提取模块和第二分析模块对车辆图像上的特征点进行提取和分析,分析后,通过数据提取模块将对应的车辆信息提取出来,并传递给对比模块,此时,对比模块仅需要对采集的车辆图像和提取的车辆信息进行对比,即可检测出车辆是否合格,从而使该车辆检测***能快速地检测出车辆是否合格。
本实施例通过第二反馈模块、摄像控制模块和辅助摄像模块,当图像提取模块无法从采集的车辆图像上提取出特征信息时,则说明主摄像装置损坏,此时,图像提取模块将信号传递第二反馈模块,第二反馈模块将信号传递给报警控制模块,并通过报警控制模块将报警装置打开,然后,通过报警装置提醒作业人员及时的对主摄像装置进行维修,同时,第二反馈模块将信号传递给摄像控制模块,然后,通过摄像控制模块将辅助摄像装置打开,并将主摄像装置关闭,此时,通过辅助摄像装置对车辆进行拍摄,进而使该车辆检测***能继续对车辆进行检测。
本实施例通过记录***对车辆的检测结果和主摄像装置的故障信息进行记录,并通过无线传输模块,使记录***与移动终端和监控平台之间均能无线传输,进而使使用者可通过移动终端和监控平台对车辆的检测结果和主摄像装置的故障信息进行查询。
综上所述,本发明涉及车辆检测技术领域,且公开了一种基于卷积神经网络的车辆检测***,包括监测装置、摄像控制模块、主摄像装置、辅助摄像装置、采集模块、图像提取模块、第二反馈模块、对比模块、数据提取模块、第二分析模块、第一反馈模块、报警控制模块、报警装置和车辆信息存储***。本发明通过车辆信息存储***即可完成对车辆信息的分类存储,然后,通过图像提取模块、第二分析模块和数据提取模块,通过图像提取模块和第二分析模块对车辆图像上的特征点进行提取和分析,并通过数据提取模块将对应的车辆信息提取出来,使对比模块仅需要对采集的车辆图像和提取的车辆信息进行对比,即可检测出车辆是否合格。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”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、物品或者设备不仅包括那些要素,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、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
应当注意的是,在本文的实施方式中所揭露的装置和方法,也可以通过其他的方式实现。以上所描述的装置实施方式仅仅是示意性的,例如,附图中的流程图和框图显示了根据本文的多个实施方式的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序或代码的一部分,所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令,所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现方式中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用于执行规定的功能或动作的专用的基于硬件的***来实现,或者可以用专用硬件与计算机指令的组合来实现。
另外,在本文各个实施方式中的各功能模块可以集成在一起形成一个独立的部分,也可以是各个模块单独存在,也可以两个或两个以上模块集成形成一个独立的部分。
尽管本发明的内容已经通过上述优选实施例作了详细介绍,但应当认识到上述的描述不应被认为是对本发明的限制。在本领域技术人员阅读了上述内容后,对于本发明的多种修改和替代都将是显而易见的。因此,本发明的保护范围应由所附的权利要求来限定。
Claims (6)
1.一种基于卷积神经网络的车辆检测***,其特征在于,包括:
车辆信息存储***(100),用于对车辆信息根据车辆特征进行分类得到第一车辆特征数据并存储;
所述车辆信息存储***(100)包括:
依次连接的信息输入模块(101)、第一分析模块(102)、分类模块(103)和车辆信息存储模块(104);
所述第一分析模块(102)用于将来自所述信息输入模块(101)的车辆信息进行分析,得到相应车辆具有的车辆特征;
所述分类模块(103)用于根据所述车辆特征对所述车辆信息进行分类,得到第一车辆特征数据;
所述车辆信息存储***(100)用于对第一车辆特征数据进行存储;
数据采集***,用于采集待检测车辆的车辆图像数据;
所述数据采集***包括:
依次连接的监测装置(200)、摄像控制模块(202)、主摄像装置(204)和采集模块(203),
所述监测装置(200)用于监测检测台上是否存在待检测的车辆;
摄像控制模块(202)用于根据所述监测装置(200)反馈的检测台上存在所述待检测的车辆的监测结果,生成驱动信号;
主摄像装置(204),用于根据接收到的所述驱动信号对所述待检测的车辆进行拍摄,得到车辆图像数据;
采集模块(203),用于收集所述车辆图像数据;
还包括:依次连接的第一反馈模块(113)、报警控制模块(116)和报警装置(400);
所述第一反馈模块(113)还与所述对比模块(112)连接;
所述第一反馈模块(113)用于将所述对比模块(112)输出的所述检测结果传递给所述报警控制模块(116);
所述报警控制模块(116)根据所述检测结果对应生成驱动信号;
所述报警装置(400)根据相应的所述驱动信号发出相应的提示信息;
所述数据采集***还包括:
第二分析模块(110);
数据提取模块(111);
以及图像提取模块(114),其分别与所述第二分析模块(110)和所述采集模块(203)连接;
所述图像提取模块(114)用于对采集模块(203)接收到的所述车辆图像数据采用深度卷积神经网络进行特征提取,得到第二车辆特征数据,
所述第二分析模块(110)还与所述车辆信息存储模块(104)连接,根据所述第一车辆特征数据对所述第二车辆特征数据进行分析,得到分析结果;所述第二分析模块(110)还与所述数据提取模块(111)连接,所述数据提取模块(111)用于提取所述第一车辆特征数据根据所述图像提取模块(114)中的第二车辆特征数据来提取所需第一车辆特征数据的特征类别;辅助摄像装置(201),其分别与所述摄像控制模块(202)和所述采集模块(203)连接;
以及第二反馈模块(115),其分别与所述摄像控制模块(202)、图像提取模块(114)和报警控制模块(116)连接;
所述图像提取模块(114)对接收到的所述车辆图像数据进行特征提取时,如果得不到第二车辆特征数据,则所述主摄像装置(204)损坏;
所述图像提取模块(114)在第二分析模块(110)没有提取到特征信号时生成未提取到特征信号的信息并传递至所述第二反馈模块(115);
所述第二反馈模块(115)将所述未提取到特征信号的信息传递给所述报警控制模块(116);
所述报警控制模块(116)用于驱动所述报警装置(400)发出警示信息,以提醒作业人员及时的对主摄像装置(204)进行维修;
所述第二反馈模块(115)将所述未提取到特征信号的信息传递给所述摄像控制模块(202);
所述摄像控制模块(202)控制将所述辅助摄像装置(201)打开,并将所述主摄像装置(204)关闭;
所述辅助摄像装置(201)用于对所述待检测的车辆进行拍摄,得到所述车辆图像数据;
对比模块(112),其分别与所述车辆信息存储***(100)和所述数据采集***连接,并对接收到的所述第一车辆特征数据和所述车辆图像数据进行对比,得到相似度,若相似度小于设定值,则输出的检测结果为所述待检测车辆合格,否则,输出的检测结果为所述待检测车辆不合格。
2.如权利要求1所述的基于卷积神经网络的车辆检测***,其特征在于,所述车辆信息存储***(100)包括:
依次连接的信息输入模块(101)、第一分析模块(102)、分类模块(103)和车辆信息存储模块(104);
所述第一分析模块(102)用于将来自所述信息输入模块(101)的车辆信息进行分析,得到相应车辆具有的车辆特征;
所述分类模块(103)用于根据所述车辆特征对所述车辆信息进行分类,得到第一车辆特征数据;
所述车辆信息存储***(100)用于对第一车辆特征数据进行存储。
3.如权利要求2所述的基于卷积神经网络的车辆检测***,其特征在于,还包括:记录***(300),分别与所述记录***(300)连接的监控平台(500)和移动终端(600);
所述记录***(300)还与所述第一反馈模块(113)和所述第二反馈模块(115)连接;
所述记录***(300)用于存储所述第一反馈模块(113)输出的对第一车辆特征数据和待检测车辆特征数据的对比结果以及所述第二反馈模块(115)输出的由于摄像头损坏而出现的未提取到特征信号的信息;
所述监控平台(500)和移动终端(600)用于查看所述对比结果和主摄像装置的故障信息。
4.如权利要求3所述的基于卷积神经网络的车辆检测***,其特征在于,所述记录***(300)包括:
记录模块(304),分别与所述第一反馈模块(113)和第二反馈模块(115)连接;用于记录所述第一反馈模块(113)输出的对所需第一车辆特征数据和待检测车辆特征数据的对比结果以及所述第二反馈模块(115)输出的由于摄像头损坏而出现的未提取到特征信号的信息,得到信息记录;
报警信息存储模块(305),与所述记录模块(304)连接,用于存储所述信息记录;
无线传输模块(306),其分别与所述报警信息存储模块(305)、移动终端(600)和监控平台(500)连接,所述移动终端(600)和监控平台(500)通过所述无线传输模块(306)直接查看所述信息记录中的待检测车辆的检测结果和主摄像装置的故障信息;
设定存储模块(301),与内存计算模块(302)连接,用于设定所述报警信息存储模块(305)的存储空间,并计算报警信息存储模块(305)的实际存储空间;
提醒模块(303),
所述内存计算模块(302)分别与所述提醒模块(303)和所述报警信息存储模块(305)连接,用于对报警信息存储模块(305)内的存储空间进行计算,当存储空间等于所述设定值时,所述内存计算模块(302)控制所述提醒模块(303)生成并传递提醒信息,
所述提醒信息通过无线传输模块(306)传递给移动终端(600)和监控平台(500),以提醒作业人员及时的对报警信息存储模块(305)内的数据进行清理。
5.如权利要求4所述的基于卷积神经网络的车辆检测***,其特征在于,所述无线传输模块(306)包括4G模块(3061)、5G模块(3062)和WIFI模块(3063)。
6.如权利要求5所述的基于卷积神经网络的车辆检测***,其特征在于,所述报警装置(400)包括蜂鸣器(401)和指示灯(402);
所述报警控制模块(116)接收到所述检测结果为待检测车辆合格则生成第一驱动信号,通过所述第一驱动信号驱动所述指示灯(402)亮起,以提醒作业人员所述待检测车辆为合格车辆;
所述报警控制模块(116)接收到所述检测结果为待检测车辆不合格则生成第二驱动信号,通过所述第二驱动信号驱动所述蜂鸣器(401)启动,以提醒作业人员所述待检测车辆为不合格车辆。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111521036.0A CN114170583B (zh) | 2021-12-13 | 2021-12-13 | 一种基于卷积神经网络的车辆检测*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111521036.0A CN114170583B (zh) | 2021-12-13 | 2021-12-13 | 一种基于卷积神经网络的车辆检测*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114170583A CN114170583A (zh) | 2022-03-11 |
CN114170583B true CN114170583B (zh) | 2024-03-22 |
Family
ID=80486124
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111521036.0A Active CN114170583B (zh) | 2021-12-13 | 2021-12-13 | 一种基于卷积神经网络的车辆检测*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114170583B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106056839A (zh) * | 2016-06-30 | 2016-10-26 | 武汉斑马快跑科技有限公司 | 网约车安全监测***及方法 |
CN108376235A (zh) * | 2018-01-15 | 2018-08-07 | 深圳市易成自动驾驶技术有限公司 | 图像检测方法、装置及计算机可读存储介质 |
CN111599140A (zh) * | 2020-05-09 | 2020-08-28 | 宜宾凯翼汽车有限公司 | 一种车辆后排活体监测***及方法 |
CN112270678A (zh) * | 2020-11-18 | 2021-01-26 | 德联易控科技(北京)有限公司 | 图像处理方法以及处理*** |
WO2021134587A1 (zh) * | 2019-12-31 | 2021-07-08 | 唐山哈船科技有限公司 | 一种港***通监控装置及其监控方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7983835B2 (en) * | 2004-11-03 | 2011-07-19 | Lagassey Paul J | Modular intelligent transportation system |
-
2021
- 2021-12-13 CN CN202111521036.0A patent/CN114170583B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106056839A (zh) * | 2016-06-30 | 2016-10-26 | 武汉斑马快跑科技有限公司 | 网约车安全监测***及方法 |
CN108376235A (zh) * | 2018-01-15 | 2018-08-07 | 深圳市易成自动驾驶技术有限公司 | 图像检测方法、装置及计算机可读存储介质 |
WO2021134587A1 (zh) * | 2019-12-31 | 2021-07-08 | 唐山哈船科技有限公司 | 一种港***通监控装置及其监控方法 |
CN111599140A (zh) * | 2020-05-09 | 2020-08-28 | 宜宾凯翼汽车有限公司 | 一种车辆后排活体监测***及方法 |
CN112270678A (zh) * | 2020-11-18 | 2021-01-26 | 德联易控科技(北京)有限公司 | 图像处理方法以及处理*** |
Non-Patent Citations (2)
Title |
---|
基于区域卷积神经网络的车辆检测方法;封晶;;科技广场(03);全文 * |
基于大数据和云计算的车辆智能运维模式;曹勇;张玉文;龚艳;;城市轨道交通研究(04);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN114170583A (zh) | 2022-03-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2019127273A1 (zh) | 一种多人脸检测方法、装置、服务器、***及存储介质 | |
CN105448103B (zh) | 车辆套牌检测方法与*** | |
CN111372037B (zh) | 目标抓拍***和方法 | |
US10713536B1 (en) | Camera method with animal recognition function and monitoring camera | |
CN101271519A (zh) | 用于检测面部的装置和方法 | |
WO2020047446A1 (en) | Method and system for facilitating detection and identification of vehicle parts | |
CN111382762A (zh) | 空箱识别方法及*** | |
CN112949439A (zh) | 一种油罐车重点区域人员入侵监测方法和*** | |
US11120308B2 (en) | Vehicle damage detection method based on image analysis, electronic device and storage medium | |
CN111814510A (zh) | 一种遗留物主体检测方法及装置 | |
CN111160829B (zh) | 基于车联网的货物运输***及货物运输方法 | |
CN114170583B (zh) | 一种基于卷积神经网络的车辆检测*** | |
CN111832345A (zh) | 集装箱监控方法、装置及设备、存储介质 | |
CN112215222A (zh) | 车牌识别方法、装置、设备及存储介质 | |
CN116542916A (zh) | 列车车辆底盘零件异常检测方法和装置、电子设备及介质 | |
CN105206060A (zh) | 一种基于sift特征的车型识别装置及其方法 | |
CN111626992B (zh) | 一种智能道口验箱方法 | |
CN114360267B (zh) | 基于云端检测***的车况检测方法、装置及云端检测*** | |
TWI617997B (zh) | Intelligent object detection assistance system and method | |
CN114973135A (zh) | 一种基于头肩的时序视频睡岗识别方法、***及电子设备 | |
KR100997617B1 (ko) | 교통 수단의 사고 기록 장치, 방법 및 시스템 | |
CN112149475B (zh) | 行李箱验证方法及装置、***、存储介质 | |
CN112307916A (zh) | 一种基于可见光摄像机的报警监控方法 | |
JP2017091381A (ja) | セキュリティ装置、及び、セキュリティシステム | |
KR101482646B1 (ko) | 스마트 기기 연동형 지능형 방범보안 시스템 |
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 |