一种智能车位锁联动方法技术

本发明专利技术属于交通技术领域，涉及一种智能车位锁联动方法，车辆进入或者离开停车场时，摄像头拍摄车辆图像，车辆与车牌检测网络将拍摄到的车辆图像进行实时视觉感知，识别出车辆并检测到车牌位置，得到车牌图像；车牌识别网络对车牌图像进行车牌识别，如车牌属于停车场内车位用户，则通过单目测距算法预测车辆的距离，并联动车位锁，从而实现智能开关车位锁，保证车位锁开关的安全性和可靠性，提高服务效率和质量。和质量。和质量。

【技术实现步骤摘要】
一种智能车位锁联动方法


[0001]本专利技术属于交通
，涉及一种智能车位锁联动方法，特别是一种基于yolov7的实时视觉感知与距离预测的智能车位锁联动方法。

技术介绍

[0002]随着经济的发展与新能源汽车产业的崛起，汽车在社会生活中越来越被普遍使用。汽车的大量增加导致车位的急剧短缺，使得在一些免费泊车的小区或者停车场就会出现抢车位的情况，为能够方便停车，有些车主就去租车位或者买车位，保证有一个专属于自己的车位。但在现实情况中，往往会出现自己的车位被其他车主占用的情况，这时就需要一个车位锁来限制其他人对自己车位的随意使用。
[0003]目前存在的车位锁主要分为两种，一种是需要人工亲自开关的普通车位锁，在使用时需要车主下车去打开或者关闭，使用过程繁琐麻烦；另一种是感应式的车位锁，即在车辆上放置一个发射信号的设备，在车辆接近车位时，车位锁自动打开，车辆远离车位时，车位锁自动关闭。
[0004]普通车位锁在使用时，需要车主下车去打开或者关闭，极不方便；现有的感应式的车位锁也存在一些弊端，比如可能会发生串码使用的情况，即使车辆仍在车位上但是车位锁收到信号进行关闭，从而损坏车辆，难以保证使用过程中的稳定性、安全性；综上这两种车位锁都不适合大型商业停车场进行使用。因此亟需一个更加智能化的车位锁联动方法，来为大型商业停车场的车主提供方便高效的车位服务。

技术实现思路

[0005]为克服上述现有技术的不足，本专利技术设计提供了一种基于智能车位锁联动方法，车辆进入或者离开停车场时，摄像头拍摄车辆图像，基于yolov7实现对车辆图像的实时视觉监测，充分考虑视频监控中目标车辆的特征和车牌特征，检测出车牌后，通过CRNN识别算法进行车牌的识别，如车牌属于停车场内车位用户，则通过单目测距算法预测车辆的距离，并联动车位锁，从而实现智能开关车位锁，保证车位锁开关的安全性和可靠性，提高服务效率和质量。
[0006]为实现上述目的，本专利技术具体包括以下步骤：S1、车主驾驶车辆驶入或驶离停车场，停车场摄像头拍摄车辆图像；S2、车辆与车牌检测网络将步骤S1拍摄到的车辆图像进行实时视觉感知，识别出车辆并检测到车牌位置，得到车牌图像；S3、车牌识别网络对步骤S2得到的车牌图像进行车牌识别，并判断车牌是否属于停车场内车位用户，如属于停车场内车位用户，则进行步骤S4；S4、使用单目测距算法进行距离预测，得到车辆距离摄像头的距离，再与对应车位距离进行换算，得到车辆距离对应车位的距离；S5、根据车辆距离对应车位的距离，对应的车位锁自动开关，如果对应车位锁是关
闭状态，说明车辆是进入停车场使用车位，当车辆距离车位的距离小于等于预设距离时提前打开车位锁；如果车位锁已经开启过一次，说明车辆是离开停车场，当车辆驶离车位的距离大于等于预设距离时关闭车位锁。
[0007]作为本专利技术的进一步技术方案，步骤S2所述车辆与车牌检测网络的训练过程如下：S21、数据集构建：将不同情景下拍到的车辆图像和车牌图像进行整理构建目标数据集，并随机分成训练集、测试集和验证集；S22、数据处理与特征提取：调整目标数据集中的图像大小为,将图像分为的网格单元后输入主干网络对图像进行特征提取得到目标特征，其中n的取值根据实际需要确定，主干网络采用yolov7网络；S23、特征融合与目标检测：将步骤S22得到的目标特征输入到预测头中进行特征融合，并对每个网格单元进行预测，在每个网格单元上预测目标车辆或车牌的边界框、种类以及该预测的置信度，从而产生定位损失、置信度损失和分类损失三个损失，其中定位损失为车辆或车牌预测的目标框位置与真实的目标框位置之间的误差；置信度损失为关于当前车辆或车牌预测的目标框存在检测目标可能性的损失；分类损失为预测出的目标类别和真实类别之间的差距，目标类别为车辆或车牌；S24、网络训练：将定位损失、置信度损失以及分类损失进行加权和，作为网络的总损失函数，采用反向传播进行更新训练，直到训练的迭代次数达到预定值或者损失经过一定的迭代一直没有减小为止，保存其最小的总损失值的网络模型，得到训练好的车辆与车牌检测网络。
[0008]作为本专利技术的进一步技术方案，步骤S22 对图像进行特征提取的具体过程为：将大小为的图像输入到主干网络后，即将3个640行640列的矩阵输入到主干网络，先经过4个CBS模块，得到的特征图，其中每个CBS模块由一个卷积操作+一个批归一化操作+一个SiLU激活函数构成；然后大小为的特征图经过MP1模块+ELAN模块总共三次，第一次经过MP1模块+ELAN模块，特征图变为大小，将其记为C3；第二次经过MP1模块+ELAN模块，即C3经过MP1模块+ELAN模块，特征图变为大小，记为C4；第三次经过MP1模块+ELAN模块，特征图变为大小，记为C5，其中每个MP1模块由Maxpool层和CBS模块组成，ELAN模块由多个CBS模块组成。
[0009]作为本专利技术的进一步技术方案，步骤S23所述预测头采用PAFPN结构，由SPPCSPC模块、插值上采样操作、ELAN
‑
W模块、MP2模块和REP模块以及卷积层组成，其中SPPCSPC模块由CBS模块和Maxpool层组成，用于增大感受野，从而适应不同分辨率的图像；ELAN
‑
W模块由CBS模块组成；MP2模块由Maxpool层和CBS模块组成，作用是下采样，REP模块由CBS模块和BN操作以及add操作组成。
[0010]作为本专利技术的进一步技术方案，步骤S23所述定位损失采用Focal EIoU损失函数进行计算，该损失包括车辆或车牌的目标框与预测框之间的重叠损失、中心距离损失、宽高损失，计算公式如下：；；
；；其中，IoU代表车辆或车牌的目标框和预测框之间的交并比；是一个超参数；代表EIoU损失函数；和分别代表车辆或车牌预测框和目标框的中心坐标，和分别代表车辆或车牌预测框和目标框的宽，和代表车辆或车牌预测框和目标框的高；和代表覆盖两个框的最小外接框的宽度和高度，为或，为对应的或；置信度损失由正样本匹配得到的样本对计算，假设score代表网格单元中的车辆或车牌预测框的置信度分数，IoU代表车辆或车牌目标框和预测框之间的交并比，这两个值计算带 sigmoid的二进制交叉熵得到最终的目标置信度损失：，其中代表正样本的权重；分类损失通过车辆或车牌预测框的类别分数和目标框类别的 one
‑
hot 表现来计算类别损失，计算公式为：，其中和分别代表预测的类别值与真实的类别值，是正样本权重。
[0011]作为本专利技术的进一步技术方案，步骤S24所述总损失函数为：，其中、是超参数，用于平衡各个损失函数。
[0012]作为本专利技术的进一步技术方案，步骤S3所述车牌识别网络的训练过程为：车牌识别网络采用CRNN算法，先将步骤S2得到的车牌图像进行缩放，使其大小变为(32,100,3)，即高度为32，宽度为100，通道数为3，再将缩放后的车牌图像输入到卷积层提取图像的特征图，特征图大小为(1,40,512)；然后将特征图转换为由40个1行1本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种智能车位锁联动方法，其特征在于，具体包括以下步骤：S1、车主驾驶车辆驶入或驶离停车场，停车场摄像头拍摄车辆图像；S2、车辆与车牌检测网络将步骤S1拍摄到的车辆图像进行实时视觉感知，识别出车辆并检测到车牌位置，得到车牌图像；S3、车牌识别网络对步骤S2得到的车牌图像进行车牌识别，并判断车牌是否属于停车场内车位用户，如属于停车场内车位用户，则进行步骤S4；S4、使用单目测距算法进行距离预测，得到车辆距离摄像头的距离，再与对应车位距离进行换算，得到车辆距离对应车位的距离；S5、根据车辆距离对应车位的距离，对应的车位锁自动开关，如果对应车位锁是关闭状态，说明车辆是进入停车场使用车位，当车辆距离车位的距离小于等于预设距离时提前打开车位锁；如果车位锁已经开启过一次，说明车辆是离开停车场，当车辆驶离车位的距离大于等于预设距离时关闭车位锁。2.根据权利要求1所述智能车位锁联动方法，其特征在于，步骤S2所述车辆与车牌检测网络的训练过程如下：S21、数据集构建：将不同情景下拍到的车辆图像和车牌图像进行整理构建目标数据集，并随机分成训练集、测试集和验证集；S22、数据处理与特征提取：调整目标数据集中的图像大小为,将图像分为的网格单元后输入主干网络对图像进行特征提取得到目标特征，其中n的取值根据实际需要确定，主干网络采用yolov7网络；S23、特征融合与目标检测：将步骤S22得到的目标特征输入到预测头中进行特征融合，并对每个网格单元进行预测，在每个网格单元上预测目标车辆或车牌的边界框、种类以及该预测的置信度，从而产生定位损失、置信度损失和分类损失三个损失，其中定位损失为车辆或车牌预测的目标框位置与真实的目标框位置之间的误差；置信度损失为关于当前车辆或车牌预测的目标框存在检测目标可能性的损失；分类损失为预测出的目标类别和真实类别之间的差距，目标类别为车辆或车牌；S24、网络训练：将定位损失、置信度损失以及分类损失进行加权和，作为网络的总损失函数，采用反向传播进行更新训练，直到训练的迭代次数达到预定值或者损失经过一定的迭代一直没有减小为止，保存其最小的总损失值的网络模型，得到训练好的车辆与车牌检测网络。3.根据权利要求2所述智能车位锁联动方法，其特征在于，步骤S22对图像进行特征提取的具体过程为：将大小为的图像输入到主干网络后，即将3个640行640列的矩阵输入到主干网络，先经过4个CBS模块，得到的特征图，其中每个CBS模块由一个卷积操作+一个批归一化操作+一个SiLU激活函数构成；然后大小为的特征图经过MP1模块+ELAN模块总共三次，第一次经过MP1模块+ELAN模块，特征图变为大小，将其记为C3；第二次经过MP1模块+ELAN模块，即C3经过MP1模块+ELAN模块，特征图变为大小，记为C4；第三次经过MP1模块+ELAN模块，特征图变为大小，记为C5，其中每个MP1模块由Maxpool层和CBS模块组成，ELAN模块由多个CBS模块组成。4.根据权利要求3所述智能车位锁联动方法，其特征在于，步骤S23所述预测头采用
PAFPN结构，由SP...

【专利技术属性】
技术研发人员：刘寒松，王国强，王永，刘瑞，李贤超，焦安健，
申请(专利权)人：松立控股集团股份有限公司，
类型：发明
国别省市：