本发明涉及AI图像识别技术领域，具体涉及一种停车监控AI电子驿站，包括站牌、摄像头、控制箱、停车区域和后台服务器，停车区域为市政划分的长方形区域，站牌固定安装在停车区域一端，摄像头与控制箱连接，控制箱内具有数据处理元件、存储器和通信模块，数据处理元件运行有AI车辆停放识别算法，AI车辆停放识别算法识别车辆停放位置和停放姿态，存储器、通信模块以及摄像头均与数据处理单元连接，通信模块与后台服务器通信连接。本发明的有益效果：通过AI车辆停放识别算法获得车辆停放位置和姿态，当车辆资料为非允许姿态或超出停车区域时，上报异常事件到后台服务器，作为用户的停车行为记录，作为奖惩用户规范性停车的依据。
1.一种停车监控AI电子驿站，所述电子驿站包括站牌、摄像头、控制箱、停车区域和后台服务器，所述停车区域为市政划分的长方形区域，所述站牌固定安装在停车区域一端，所述摄像头拍摄停车区域，其特征在于，所述控制箱内具有数据处理元件、存储器和通信模块，所述数据处理元件运行有AI车辆停放识别算法，所述AI车辆停放识别算法识别车辆停放位置和停放姿态，所述存储器、通信模块以及摄像头均与数据处理单元连接，所述通信模块与后台服务器通信连接，所述AI车辆停放识别算法使用图片模板识别车辆停放位置和停放姿态，所述图片模板的获取包括：获取原始图像：在停车区域内的同一位置以不同允许姿态多次停放车辆，由摄像头进行拍摄获得原始图像，对每张原始图像进行以下步骤；
获得轮廓：将原始图像二值化后进行边缘锐化处理，使用公知边界提取算法提取边界，人工补齐边界，获得车辆的轮廓；
标记标识区域：人工填充车辆的标识区域，所述标识区域包括车架区域、车座区域和轮胎区域；
获得姿态识别模板：将多张原始图像获得的车架区域、车座区域以及轮胎区域分别作为车架区域、车座区域以及轮胎区域的姿态识别模板；
所述停车监控AI电子驿站还包括副摄像头，所述副摄像头安装在站牌上，所述停车区域外设有参考点，所述副摄像头的位置由摄像头沿过参考点的铅锤线旋转设定角度获得，所述摄像头与副摄像头同时拍摄实时图像并传送到AI车辆停放识别算法，所述AI车辆停放识别算法将两幅图像边缘对齐，参照点也将自然对齐，AI车辆停放识别算法分别识别两幅图像中的车座区域，若车座区域的位置坐标超出停车区域，则计算同一车座在两幅图像中的位置相对参照点的张角，若张角小于设定阈值则判定车辆位于停车区域内，若张角大于设定阈值则判定车辆超出停车区域。
2.根据权利要求1所述的一种停车监控AI电子驿站，其特征在于，
在获取原始图像时建立相近姿态矩阵表，所述相近姿态矩阵表的横纵列为停放车辆的姿态，表中的值代表所在横纵列对应的车辆姿态是否为相似姿态，所述相似姿态为原始图像中车架区域、车座区域以及轮胎区域的形状的变化均不超过设定阈值的姿态。
3.根据权利要求1或2所述的一种停车监控AI电子驿站，其特征在于，
所述AI车辆停放识别算法使用图片模板识别车辆停放姿态的方法包括：
以周期T由摄像头采集停车区域的实时图像，将实时图像二值化；
分别使用车架区域、车座区域以及轮胎区域的姿态识别模板识别实时图像中的车架区域、车座区域以及轮胎区域，若同一姿态对应的车架区域、车座区域以及轮胎区域均匹配成功，则识别出车辆停放姿态，反之，则判断车辆未以允许姿态摆放，向后台服务器上报异常事件并结束本周期的识别。
4.根据权利要求2所述的一种停车监控AI电子驿站，其特征在于，
所述AI车辆停放识别算法使用图片模板识别车辆停放姿态的方法包括：
以周期T由摄像头采集停车区域的实时图像，将实时图像二值化；
分别使用车架区域、车座区域以及轮胎区域的姿态识别模板识别实时图像中的车架区域、车座区域以及轮胎区域，若同一姿态及其相似形态对应的车架区域、车座区域以及轮胎区域的姿态识别模板，能够找到任意组合使得车架区域、车座区域以及轮胎区域均匹配成功，则识别出车辆停放姿态，反之，则判断车辆未以允许姿态摆放，向后台服务器上报异常事件并结束本周期的识别。
5.根据权利要求3所述的一种停车监控AI电子驿站，其特征在于，
所述AI车辆停放识别算法使用图片模板识别车辆停放位置的方法包括：
为摄像头建立坐标系，坐标系以摄像头为原点，摄像头视域正前方为横轴，摄像头视域侧方为纵轴，将摄像头的拍摄图像置入坐标系并与坐标系对齐，将摄像头的拍摄图像的像素坐标将与该像素所拍摄的地面的位置坐标具有对应关系，将像素坐标关联位置坐标；
读取所匹配的车辆的全部匹配区域，获得对应的像素区域，像素区域对应的最小横轴位置坐标为横轴坐标，像素区域对应的绝对值最大的纵轴位置坐标为纵轴坐标，若横轴坐标或纵轴坐标超过预设阈值，则向后台服务器上报异常事件。
6.根据权利要求1或2所述的一种停车监控AI电子驿站，其特征在于，
还包括扬声器，所述扬声器安装在站牌上，扬声器与控制箱连接，当识别出车辆停放位置超出停车区域或以非允许姿态停放时，扬声器发出警报声。
7.根据权利要求1或2所述的一种停车监控AI电子驿站，其特征在于，
还包括红外传感器，所述红外传感器安装在站牌上，所述红外传感器检测停车区域内的红外信号，所述AI车辆停放识别算法读存储上一次由摄像头读取的实时图像，以周期T读取新的实时图像时与上一次的实时图像对比，若两幅实时图像的差别小于设定阈值，则AI车辆停放识别算法停止运行直到所述红外传感器检测到红外信号。
一种停车监控AI电子驿站
技术领域
[0001] 本发明涉及AI图像识别技术领域，具体涉及一种停车监控AI电子驿站。
背景技术
[0002] 传统的电子驿站作为用户还车的地点，电子驿站不受车桩的限制，但受限于用户还车习惯不规范的影响，会造成站点内车辆违停现象。加上运维人员难以实时的发现违停车辆，会导致违停情况更加严重。给用户造成站点还车困难的问题，极大了影响了用户的还车体验，也给城市的市容整洁有序带来困扰。乱停车的问题成了目前限制无桩公共自行车进一步发展的瓶颈。因而需要研制一种能够及时发现及纠正车辆违停的系统。
[0003] 如中国专利CN107914806A，公开日2018年4月17日，一种可确定停车位置的共享两轮车及其停车监控系统和管理方法，在不需投入大量资金建立固定车桩的前提下，在停车支架等处增加定位识别器，并在停车区预设信号源，使用户停车时有参照，可确定停车是否规范并引导及时调整；云系统可精准获得所停车辆GPS位置以及停车是否规范信息，同时以奖励引导用户规范停车并养成习惯，还能激励用户主动调整他人未摆放好得车辆。但是其技术方案需要安装停车支撑架以及定位识别器，成本高昂且不易维护。
发明内容
[0004] 本发明要解决的技术问题是：目前缺乏便捷识别违停车辆方案的技术问题。提出了一种停车监控AI电子驿站。本发明通过图像识别技术智能地识别违停车辆，且部署和维护简单。
[0005] 为解决上述技术问题，本发明所采取的技术方案为：一种停车监控AI电子驿站，所述电子驿站包括站牌、摄像头、控制箱、停车区域和后台服务器，所述停车区域为市政划分的长方形区域，所述站牌固定安装在停车区域一端，所述摄像头拍摄停车区域，所述控制箱内具有数据处理元件、存储器和通信模块，所述数据处理元件运行有AI车辆停放识别算法，所述AI车辆停放识别算法识别车辆停放位置和停放姿态，所述存储器、通信模块以及摄像头均与数据处理单元连接，所述通信模块与后台服务器通信连接，所述AI车辆停放识别算法使用图片模板识别车辆停放位置和停放姿态，所述图片模板的获取包括：获取原始图像：在停车区域内的同一位置以不同允许姿态多次停放车辆，由摄像头进行拍摄获得原始图像，对每张原始图像进行以下步骤；获得轮廓：将原始图像二值化后进行边缘锐化处理，使用公知边界提取算法提取边界，人工补齐边界，获得车辆的轮廓；标记标识区域：人工填充车辆的标识区域，所述标识区域包括车架区域、车座区域和轮胎区域；获得姿态识别模板：
将多张原始图像获得的车架区域、车座区域以及轮胎区域分别作为车架区域、车座区域以及轮胎区域的姿态识别模板。通过AI车辆停放识别算法获得车辆停放的位置和姿态，当车辆资料为非允许姿态或车辆停放位置超出停车区域时，上报异常事件到后台服务器，作为用户的停车行为记录，作为奖惩用户规范性停车的依据。通过摄像头结合AI车辆停放识别算法即可完成识别车辆的停车情况，硬件需求少，部署和维护简单方便。通过轮廓提取和标记，获得分别能够识别车架、车座以及轮胎的图像识别模板，在摄像头拍摄的实时图像中，能够快速的进行匹配，获得识别结果。所述车架区域优选为选取车架的部分区域用于车架识别。
[0006] 作为优选，在获取原始图像时建立相近姿态矩阵表，所述相近姿态矩阵表的横纵列为停放车辆的姿态，表中的值代表所在横纵列对应的车辆姿态是否为相似姿态，所述相似姿态为原始图像中车架区域、车座区域以及轮胎区域的形状的变化均不超过设定阈值的姿态。
[0007] 作为优选，所述AI车辆停放识别算法使用图片模板识别车辆停放姿态的方法包括：以周期T由摄像头采集停车区域的实时图像，将实时图像二值化；分别使用车架区域、车座区域以及轮胎区域的姿态识别模板识别实时图像中的车架区域、车座区域以及轮胎区域，若同一姿态对应的车架区域、车座区域以及轮胎区域均匹配成功，则识别出车辆停放姿态，反之，则判断车辆未以允许姿态摆放，向后台服务器上报异常事件并结束本周期的识别。
[0008] 作为优选，所述AI车辆停放识别算法使用图片模板识别车辆停放姿态的方法包括：以周期T由摄像头采集停车区域的实时图像，将实时图像二值化；分别使用车架区域、车座区域以及轮胎区域的姿态识别模板识别实时图像中的车架区域、车座区域以及轮胎区域，若同一姿态及其相似形态对应的车架区域、车座区域以及轮胎区域的姿态识别模板，能够找到任意组合使得车架区域、车座区域以及轮胎区域均匹配成功，则识别出车辆停放姿态，反之，则判断车辆未以允许姿态摆放，向后台服务器上报异常事件并结束本周期的识别。通过相近姿态矩阵表能够提高AI车辆停放识别算法的识别成功率。
[0009] 作为优选，所述AI车辆停放识别算法使用图片模板识别车辆停放位置的方法包括：为摄像头建立坐标系，坐标系以摄像头为原点，摄像头视域正前方为横轴，摄像头视域侧方为纵轴，将摄像头的拍摄图像置入坐标系并与坐标系对齐，将摄像头的拍摄图像的像素坐标将与该像素所拍摄的地面的位置坐标具有对应关系，将像素坐标关联位置坐标；读取所匹配的车辆的全部匹配区域，获得对应的像素区域，像素区域对应的最小横轴位置坐标为横轴坐标，像素区域对应的绝对值最大的纵轴位置坐标为纵轴坐标，若横轴坐标或纵轴坐标超过预设阈值，则向后台服务器上报异常事件。
[0010] 作为优选，还包括扬声器，所述扬声器安装在站牌上，扬声器与控制箱连接，当识别出车辆停放位置超出停车区域或以非允许姿态停放时，扬声器发出警报声。通过扬声器可以及时提醒刚违规停放车辆的用户，使其重新规范停放。
[0011] 作为优选，还包括红外传感器，所述红外传感器安装在站牌上，所述红外传感器检测停车区域内的红外信号，所述AI车辆停放识别算法读存储上一次由摄像头读取的实时图像，以周期T读取新的实时图像时与上一次的实时图像对比，若两幅实时图像的差别小于设定阈值，则AI车辆停放识别算法停止运行直到所述红外传感器检测到红外信号。通过红外传感器能够检测到是否有用户前来还车，由红外传感器触发执行AI车辆停放识别算法，能够减少AI车辆停放识别算法的执行次数，减少硬件以及能源消耗。
[0012] 作为优选，还包括副摄像头，所述副摄像头安装在站牌上，所述停车区域外设有参考点，所述副摄像头的位置由主摄像头沿过参考点的铅锤线旋转设定角度获得，所述摄像头以副摄像头同时拍摄实时图像并传送到AI车辆停放识别算法，所述AI车辆停放识别算法将两幅图像边缘对齐，参照点也将自然对齐，AI车辆停放识别算法分别识别两幅图像中的车座区域，若车座区域的位置坐标超出停车区域，则计算同一车座在两幅图像中的位置相对参照点的张角，若张角小于设定阈值则判定车辆位于停车区域内，若张角大于设定阈值则判定车辆超出停车区域。仅依靠摄像头的实时图像，仅能够识别紧贴地面的匹配区域的位置，而结合副摄像头的识别图像，能够识别出高出地面的匹配区域的位置，在紧贴地面的匹配区域被遮挡而无法成功匹配时，通过识别出高出地面的匹配区域的位置，来判断车辆是否超出停车区域，能够提高系统的鲁棒性。
[0013] 本发明的实质性效果是：通过AI车辆停放识别算法获得车辆停放的位置和姿态，当车辆资料为非允许姿态或车辆停放位置超出停车区域时，上报异常事件到后台服务器，作为用户的停车行为记录，作为奖惩用户规范性停车的依据，运维人员能够实时的掌握站点车辆的停放情况，站点内车辆停放有序，给用户带来一种舒适的还车体验，给城市的市容整洁提供帮助，通过摄像头结合AI车辆停放识别算法即可完成识别车辆的停车情况，硬件需求少，部署和维护简单方便。
附图说明
[0014] 图1为实施例一系统结构示意图。
[0015] 图2为实施例一实时图像识别结果示意图。
[0016] 其中：1、摄像头，2、控制箱，3、扬声器，4、站牌，5、车座区域，6、车架区域，7、停车区域，8、轮胎区域。
具体实施方式
[0017] 下面通过具体实施例，并结合附图，对本发明的具体实施方式作进一步具体说明。
[0018] 实施例一：
[0019] 一种停车监控AI电子驿站，如图1所示，本实施例包括站牌4、摄像头1、控制箱2、停车区域7和后台服务器，停车区域7为市政划分的长方形区域，站牌4固定安装在停车区域7一端，摄像头1以及控制箱2均安装在站牌4上，摄像头1与控制箱2连接，控制箱2内具有数据处理元件、存储器和通信模块，数据处理元件运行有AI车辆停放识别算法，AI车辆停放识别算法识别车辆停放位置和停放姿态，存储器、通信模块以及摄像头1均与数据处理单元连接，通信模块与后台服务器通信连接。扬声器3安装在站牌4上，扬声器3与控制箱2连接，当识别出车辆停放位置超出停车区域7或以非允许姿态停放时，扬声器3发出警报声。通过扬声器3可以及时提醒刚违规停放车辆的用户，使其重新规范停放。红外传感器安装在站牌4上，红外传感器检测停车区域7内的红外信号，AI车辆停放识别算法读存储上一次由摄像头1读取的实时图像，以周期T读取新的实时图像时与上一次的实时图像对比，若两幅实时图像的差别小于设定阈值，则AI车辆停放识别算法停止运行直到红外传感器检测到红外信号。通过红外传感器能够检测到是否有用户前来还车，由红外传感器触发执行AI车辆停放识别算法，能够减少AI车辆停放识别算法的执行次数，减少硬件以及能源消耗。
[0020] AI车辆停放识别算法使用图片模板识别车辆停放位置和停放姿态，图片模板的获取包括：获取原始图像：在停车区域7内的同一位置以不同允许姿态多次停放车辆，由摄像头1进行拍摄获得原始图像，对每张原始图像进行以下步骤；获得轮廓：将原始图像二值化后进行边缘锐化处理，使用公知边界提取算法提取边界，人工补齐边界，获得车辆的轮廓；标记标识区域：人工填充车辆的标识区域，标识区域包括车架区域6、车座区域5和轮胎区域
8；获得姿态识别模板：将多张原始图像获得的车架区域6、车座区域5以及轮胎区域8分别作为车架区域6、车座区域5以及轮胎区域8的姿态识别模板。通过轮廓提取和标记，获得分别能够识别车架、车座以及轮胎的图像识别模板，在摄像头1拍摄的实时图像中，能够快速的进行匹配，获得识别结果。车架区域6优选为选取车架的部分区域用于车架识别。
[0021] 如图2所示，AI车辆停放识别算法使用图片模板识别车辆停放姿态的方法包括：以周期T由摄像头1采集停车区域7的实时图像，将实时图像二值化；分别使用车架区域6、车座区域5以及轮胎区域8的姿态识别模板识别实时图像中的车架区域6、车座区域5以及轮胎区域8，若同一姿态对应的车架区域6、车座区域5以及轮胎区域8均匹配成功，则识别出车辆停放姿态，反之，则判断车辆未以允许姿态摆放，向后台服务器上报异常事件并结束本周期的识别。
[0022] AI车辆停放识别算法使用图片模板识别车辆停放位置的方法包括：为摄像头1建立坐标系，坐标系以摄像头1为原点，摄像头1视域正前方为横轴，摄像头1视域侧方为纵轴，将摄像头1的拍摄图像置入坐标系并与坐标系对齐，将摄像头1的拍摄图像的像素坐标将与该像素所拍摄的地面的位置坐标具有对应关系，将像素坐标关联位置坐标；读取所匹配的车辆的全部匹配区域，获得对应的像素区域，像素区域对应的最小横轴位置坐标为横轴坐标，像素区域对应的绝对值最大的纵轴位置坐标为纵轴坐标，若横轴坐标或纵轴坐标超过预设阈值，则向后台服务器上报异常事件。
[0023] 副摄像头安装在站牌4上，停车区域7外设有参考点，副摄像头的位置由主摄像头1沿过参考点的铅锤线旋转设定角度获得，摄像头1以副摄像头同时拍摄实时图像并传送到AI车辆停放识别算法，AI车辆停放识别算法将两幅图像边缘对齐，参照点也将自然对齐，AI车辆停放识别算法分别识别两幅图像中的车座区域5，若车座区域5的位置坐标超出停车区域7，则计算同一车座在两幅图像中的位置相对参照点的张角，若张角小于设定阈值则判定车辆位于停车区域7内，若张角大于设定阈值则判定车辆超出停车区域7。仅依靠摄像头1的实时图像，仅能够识别紧贴地面的匹配区域的位置，而结合副摄像头的识别图像，能够识别出高出地面的匹配区域的位置，在紧贴地面的匹配区域被遮挡而无法成功匹配时，通过识别出高出地面的匹配区域的位置，来判断车辆是否超出停车区域7，能够提高系统的鲁棒性。
[0024] 在本发明的另一个实施例中，在获取原始图像时建立相近姿态矩阵表，相近姿态矩阵表的横纵列为停放车辆的姿态，表中的值代表所在横纵列对应的车辆姿态是否为相似姿态，相似姿态为原始图像中车架区域6、车座区域5以及轮胎区域8的形状的变化均不超过设定阈值的姿态。AI车辆停放识别算法使用图片模板识别车辆停放姿态的方法包括：以周期T由摄像头1采集停车区域7的实时图像，将实时图像二值化；分别使用车架区域6、车座区域5以及轮胎区域8的姿态识别模板识别实时图像中的车架区域6、车座区域5以及轮胎区域8，若同一姿态及其相似形态对应的车架区域6、车座区域5以及轮胎区域8的姿态识别模板，能够找到任意组合使得车架区域6、车座区域5以及轮胎区域8均匹配成功，则识别出车辆停放姿态，反之，则判断车辆未以允许姿态摆放，向后台服务器上报异常事件并结束本周期的识别。通过相近姿态矩阵表能够提高AI车辆停放识别算法的识别成功率。
[0025] 本实施例的有益技术效果为：通过AI车辆停放识别算法获得车辆停放的位置和姿态，当车辆资料为非允许姿态或车辆停放位置超出停车区域7时，上报异常事件到后台服务器，作为用户的停车行为记录，作为奖惩用户规范性停车的依据。通过摄像头1结合AI车辆停放识别算法即可完成识别车辆的停车情况，硬件需求少，部署和维护简单方便。
[0026] 以上所述的实施例只是本发明的一种较佳的方案，并非对本发明作任何形式上的限制，在不超出权利要求所记载的技术方案的前提下还有其它的变体及改型。
