基于物联网和图像识别的智慧停车服务平台.docxVIP

基于物联网和图像识别的智慧停车服务平台 摘要：基于物联网与图像识别技术的智能停车服务平台，采用区域已覆盖的摄像头对车位进行图像识别或增设地磁感应设备以轻松获取实时车位状况，以实时服务器数据为依据制定停车方案。用户在复杂环境寻找车辆时，系统同样提供了基于对地面停车号进行文字识别的导航服务，极大减少了寻车时间。系统集搜集、预定、找寻、预测车位服务一体化，在相当大的程度上解决了停车难的社会问题。 关键词：智能停车;图像识别;文字识别;物联网;管理系统 中图分类号：tp391文献标识码：a 文章编号：1009-3044（2020）10-0187-03 1背景 居民汽车保有量迅速增长，停车泊位不足的问题日益突出。新建的地下停车场，常配有车位地磁传感器，可精确检测每个车位的占用情况。而老旧的大型地面停车区域，缺乏检测传感器，时常出现乱停乱放的情况。车主需占用主干道路不断寻找空余车位，极易造成交通拥堵。若对每个车位部署传感器，需要较高的资金成本。 我们将监控与图像识别技术融合，以获取停车场的监控信息与感应器产生的数据，基于图像识别技术产生适当的辨别结果，实时上载车位信息。根据对车位信息的智能化推论，鼓励用户前往空闲停车场。当用户直面陌生繁杂的停车场环境时，通过读取地面车位号码，系统将自动定位用户并对用户所泊车辆边线展开导航系统。 2智能停车系统 传统停车场系统存有无法实时提供更多边线信息、无法表明空余车位及无法车位资源共享等问题，智能化停放管理系统也必然可以沦为未来社会的必不可少设施。区别于只通过采用地磁传感器、rfid读卡器埘、摄像头等展开监控检测，本文利用了基于图像深度自学的停车位辨识及查询方法。图像收集服务收集停车场图像，图像识别服务使用深度自学算法，对崭新收集的图像展开辨识预测，在服务查询数据库中获取信息，根据空余车位的相对边线在车位平面图标示出来空余车位。 3智能停车服务系统的开发 3.1管理員端的 管理员注册并登录后，可上传自己需要管理的停车场相关信息、查看停车场地图、查看停车场监控、上传停车场数据并设置监测区域、查看自动生成的停车场平面图。 3.1.1停车场信息管理 管理员将所需管理的停车场有关信息上传至系统数据库中保存，并通过实时监控和图像识别技术，对停车场的剩余车位信息进行实时更新。 3.1.2停车场的实时监控 管理员需将停车场摄像头的ip、密码及端口号录入系统。此后可在系统中查看实时的监控画面，下载录像和查看历史记录。 3.1.3停车场的车位信息 对于无框露天停车场，管理员需上传一张该停车场的平面图，并手动勾勒可用车位边缘，上传车位信息。当管理员进行查询时，系统可根据预存的车位信息，进行车位检测，并将结果生成该停车场的平面图。 3.2大程序端的 用户可查询某一停车场的空位信息和使用停车场导航，我们正在开发模拟室内导航功能。用户在停车后，扫描车位前的字母，系统会记录车位所在位置，也可通过室内导航功能寻找自己已停放的车。 4算法叙述 4.1基于vggl6的图像识别 图像分类辨识就是计算机视觉的一个应用领域，其研究也就是关上视觉应用领域大门的必经之路。本文在现有的13层卷积的神经网络vggl6模型和搬迁自学技术的基础上结构了一个小规模的汽车分类的卷积神经网络模型，将图像特征向量做为输出，图像分类结果做为深度自学算法的输入，在样本容量较小的情况下也获得了较好的成果。 vggnet相比alexnet采用连续的3x3的卷积核代替alexnet中的较大卷积核。对于给定的感受野，采用堆积的小卷积核优于大的卷积核，因为多层非线性层可以用更小的代价来增加网络深度来保证学习更复杂的模式。在vggl6中使用3个3x3卷积核来代替7x7卷积核，使用2个3x3卷积核来代替5x5卷积核，在保证具有相同感知野的条件下，提升了网络的深度，在一定程度上提升了神经网络的效果。参数数量由49xc2减少到27xc2（c指的是输入和输出的通道数），且小卷积核更好地保持图像性质，提高了神经网络模型的性能。 4.2模型结构 vgg16是基于大量真实图像的imagenet图像库预训练的网络。我们将学习好的vggl6的权重迁移到自己的卷积神经网络上作为网络的初始权重，避免从头开始从大量的数据里面训练，显著提高训练速度和模型精度。此外我们又添加了两层dense层，用于进一步对汽车的特征进行学习，最后softmax层用于输出分类结果。 模型中采用了relu修正线性单元做为转化成函数，较之于传统的神经网络转化成函数，能更有效地梯度上升以及逆向传播，防止梯度核爆和梯度