一种车辆出入库自动聚焦的实现方法专利检索-自拍摄影专利检索查询-专利查询网

一种车辆出入库自动聚焦的实现方法

阅读：1029发布：2020-05-11

专利汇可以提供一种车辆出入库自动聚焦的实现方法专利检索，专利查询，专利分析的服务。并且本发明公开了一种车辆出入库自动聚焦的实现方法，属于智能设备、图像处理技术领域。本发明的车辆出入库自动聚焦的实现方法，通过训练阶段形成训练模型，利用训练模型对车辆进行检测，对车辆的感兴趣区域进行拍摄形成图片，并使车辆信息占据图片最大面积。该发明的车辆出入库自动聚焦的实现方法能够较少认为干预，从而减少作弊行为，来实现不同车型的自动聚焦、自动拍照，具有很好的推广应用价值。，下面是一种车辆出入库自动聚焦的实现方法专利的具体信息内容。

权利要求

1.一种车辆出入库自动聚焦的实现方法，其特征在于：该方法通过训练阶段形成训练模型，利用训练模型对车辆进行检测，对车辆的感兴趣区域进行拍摄形成图片，并使车辆信息占据图片最大面积。
2.根据权利要求1所述的车辆出入库自动聚焦的实现方法，其特征在于：该方法包括车辆预置位旋转过程和车辆追踪过程。
3.根据权利要求2所述的车辆出入库自动聚焦的实现方法，其特征在于：所述车辆预置位旋转过程包括以下步骤：
S1、对出入库场景内的车辆图片进行收集，形成车辆图片库；
S2、对图片中感兴趣区域进行截取和标记；
S3、对标记的图片进行训练，形成模型文件；
S4、现场调试并预制好各车辆的预置位信息；
S5、现场调试并预制好各车辆的变倍值；
S6、在出入库扣开启摄像头闯入侦测时间，对当前车辆进行检测；
S7、车辆停止后触发，根据步骤S6识别的车辆信息及步骤S4中车辆的预置位信息，调用摄像头旋转接口，旋转摄像头；
S8、检测车辆感兴趣区域是否拍摄完全，若未拍摄完全，依次旋转摄像头至所有预置位，直至拍摄完全感兴趣区域；
S9、根据步骤S6识别的车辆信息及步骤S5中车辆的变倍值信息，在保证车辆拍摄完全时进行变倍，使车辆感兴趣区域占据图片最大面积；
S10、触发拍照。
4.根据权利要求3所述的车辆出入库自动聚焦的实现方法，其特征在于：步骤S2中采用人工和机器相结合的半自动方式对图片中感兴趣区域进行截取和标记。
5.根据权利要求4所述的车辆出入库自动聚焦的实现方法，其特征在于：步骤S3中基于深度学习环境，对标记的图片进行训练，形成模型文件。
6.根据权利要求5所述的车辆出入库自动聚焦的实现方法，其特征在于：步骤S6中，利用深度学习算法与步骤S3得到的模型文件对当前车辆进行检测，可同时识别车型。
7.根据权利要求6所述的车辆出入库自动聚焦的实现方法，其特征在于：所述车辆追踪过程包括以下步骤：
Sa、对现场车辆图片进行收集，形成车辆图片库；
Sb、对图片中感兴趣区域进行截取和标记；
Sc、对标记的图片进行训练，形成模型文件；
Sd、在车入库口开启摄像头闯入侦测时间，对当前车辆进行检测；
Se、根据当前车辆感兴趣区域的位置，调用摄像头旋转接口，旋转摄像头使感兴趣区域处于图片中心；
Sf、循环执行步骤Sd和步骤Se，直至车辆停止；
Sg、停止条件触发后，对不同车型的车辆进行放大，使车辆信息占据图片最大面积；
Sh、触发拍照。
8.根据权利要求7所述的车辆出入库自动聚焦的实现方法，其特征在于：步骤Sb中，采用人工和机器相结合的半自动方式对图片中感兴趣区域进行截取和标记。
9.根据权利要求8所述的车辆出入库自动聚焦的实现方法，其特征在于：步骤Sc中基于深度学习环境，对标记的图片进行训练，形成模型文件。
10.根据权利要求9所述的车辆出入库自动聚焦的实现方法，其特征在于：步骤Sd利用深度学习算法和步骤Sc得到的模型文件对当前车辆进行检测，并得到感兴趣区域在图片中的位置坐标。

说明书全文

一种车辆出入库自动聚焦的实现方法

技术领域

[0001] 本发明涉及智能设备、图像处理技术领域，具体提供一种车辆出入库自动聚焦的实现方法。

背景技术

[0002] 随着物联网、智能设备的快速发展，各行业对智能化、无人化的需求也呈现较快的增长。如何利用物联网、人工智能、智能化设备等降低重复性劳动、防止某些作业的作弊行为已经成为诸多行业和企业的痛点。本发明针对车辆出入库环节，利用通用球形摄像头，减少人为干预，减少作弊行为，实现不同车型的自动聚焦、自动拍照。

发明内容

[0003] 本发明的技术任务是针对上述存在的问题，提供一种能够较少认为干预，从而减少作弊行为，来实现不同车型的自动聚焦、自动拍照的车辆出入库自动聚焦的实现方法。

[0004] 为实现上述目的，本发明提供了如下技术方案：

[0005] 一种车辆出入库自动聚焦的实现方法，该方法通过训练阶段形成训练模型，利用训练模型对车辆进行检测，对车辆的感兴趣区域进行拍摄形成图片，并使车辆信息占据图片最大面积。

[0006] 作为优选，该车辆出入库自动聚焦的实现方法包括车辆预置位旋转过程和车辆追踪过程。

[0007] 作为优选，所述车辆预置位旋转过程包括以下步骤：

[0008] S1、对出入库场景内的车辆图片进行收集，形成车辆图片库；

[0009] 其中，在其他条件固定的情况下，图片数量越多，检测识别率越高。

[0010] S2、对图片中感兴趣区域进行截取和标记；

[0011] S3、对标记的图片进行训练，形成模型文件；

[0012] S4、现场调试并预制好各车辆的预置位信息；

[0013] S5、现场调试并预制好各车辆的变倍值；

[0014] S6、在出入库扣开启摄像头闯入侦测时间，对当前车辆进行检测；

[0015] S7、车辆停止后触发，根据步骤S6识别的车辆信息及步骤S4中车辆的预置位信息，调用摄像头旋转接口，旋转摄像头；

[0016] 此处车辆停止后触发的状态可利用减帧判断。

[0017] S8、检测车辆感兴趣区域是否拍摄完全，若未拍摄完全，依次旋转摄像头至所有预置位，直至拍摄完全感兴趣区域；

[0018] S9、根据步骤S6识别的车辆信息及步骤S5中车辆的变倍值信息，在保证车辆拍摄完全时进行变倍，使车辆感兴趣区域占据图片最大面积；

[0019] S10、触发拍照。

[0020] 作为优选，步骤S2中采用人工和机器相结合的半自动方式对图片中感兴趣区域进行截取和标记。

[0021] 作为优选，步骤S3中基于深度学习环境，对标记的图片进行训练，形成模型文件。

[0022] 本发明中基于深度学习环境如如tensorflow，如条件不具备可配置简单的机器学习环境。

[0023] 作为优选，步骤S6中，利用深度学习算法与步骤S3得到的模型文件对当前车辆进行检测，可同时识别车型。

[0024] 作为优选，所述车辆追踪过程包括以下步骤：

[0025] Sa、对现场车辆图片进行收集，形成车辆图片库；

[0026] 其中，在其他条件固定的情况下，图片数量越多，检测识别率越高。

[0027] Sb、对图片中感兴趣区域进行截取和标记；

[0028] Sc、对标记的图片进行训练，形成模型文件；

[0029] Sd、在车入库口开启摄像头闯入侦测时间，对当前车辆进行检测；

[0030] Se、根据当前车辆感兴趣区域的位置，调用摄像头旋转接口，旋转摄像头使感兴趣区域处于图片中心；

[0031] Sf、循环执行步骤Sd和步骤Se，直至车辆停止；

[0032] 此处车辆停止的状态可利用减帧判断。

[0033] Sg、停止条件触发后，对不同车型的车辆进行放大，使车辆信息占据图片最大面积；

[0034] Sh、触发拍照。

[0035] 作为优选，步骤Sb中，采用人工和机器相结合的半自动方式对图片中感兴趣区域进行截取和标记。

[0036] 作为优选，步骤Sc中基于深度学习环境，对标记的图片进行训练，形成模型文件。

[0037] 本发明中基于深度学习环境如如tensorflow，如条件不具备可配置简单的机器学习环境。

[0038] 作为优选，步骤Sd利用深度学习算法和步骤Sc得到的模型文件对当前车辆进行检测，并得到感兴趣区域在图片中的位置坐标。

[0039] 与现有技术相比，本发明的车辆出入库自动聚焦的实现方法具有以下突出的有益效果：本发明所述的车辆出入库自动聚焦的实现方法针对车辆出入库环节，利用通用球形摄像头，通过车辆预置位旋转过程和车辆追踪过程，能够较少认为干预，从而减少作弊行为，来实现不同车型的自动聚焦、自动拍照，具有良好的推广应用价值。附图说明

[0040] 图1是本发明所述车辆出入库自动聚焦的实现方法的车辆预置位旋转过程流程图；

[0041] 图2是本发明所述车辆出入库自动聚焦的实现方法的车辆追踪过程流程图。

具体实施方式

[0042] 下面将结合附图和实施例，对本发明的车辆出入库自动聚焦的实现方法作进一步详细说明。

[0043] 实施例

[0044] 本发明的车辆出入库自动聚焦的实现方法通过训练阶段形成训练模型，利用训练模型对车辆进行检测，对车辆的感兴趣区域进行拍摄形成图片，并使车辆信息占据图片最大面积。

[0045] 其中，该车辆出入库自动聚焦的实现方法包括车辆预置位旋转过程和车辆追踪过程。

[0046] 如图1所示，车辆预置位旋转过程包括以下步骤：

[0047] S1、对出入库场景内的车辆图片进行收集，形成车辆图片库。

[0048] 其中，在其他条件固定的情况下，图片数量越多，检测识别率越高。

[0049] S2、对图片中感兴趣区域进行截取和标记。

[0050] 采用人工和机器相结合的半自动方式对图片中感兴趣区域进行截取和标记。

[0051] S3、对标记的图片进行训练，形成模型文件。

[0052] 基于深度学习环境如tensorflow，如条件不具备可配置简单的机器学习环境，对标记的图片进行训练，形成模型文件。

[0053] S4、现场调试并预制好各车辆的预置位信息。

[0054] S5、现场调试并预制好各车辆的变倍值。

[0055] S6、在出入库扣开启摄像头闯入侦测时间，对当前车辆进行检测。

[0056] 利用深度学习算法与步骤S3得到的模型文件对当前车辆进行检测，可同时识别车型。

[0057] S7、车辆停止后触发，根据步骤S6识别的车辆信息及步骤S4中车辆的预置位信息，调用摄像头旋转接口，旋转摄像头。

[0058] 此处车辆停止后触发的状态可利用减帧判断。

[0059] S8、检测车辆感兴趣区域是否拍摄完全，若未拍摄完全，依次旋转摄像头至所有预置位，直至拍摄完全感兴趣区域。

[0060] S9、根据步骤S6识别的车辆信息及步骤S5中车辆的变倍值信息，在保证车辆拍摄完全时进行变倍，使车辆感兴趣区域占据图片最大面积。

[0061] S10、触发拍照。

[0062] 如图2所示，所述车辆追踪过程包括以下步骤：

[0063] Sa、对现场车辆图片进行收集，形成车辆图片库。

[0064] 其中，在其他条件固定的情况下，图片数量越多，检测识别率越高。

[0065] Sb、对图片中感兴趣区域进行截取和标记。

[0066] 采用人工和机器相结合的半自动方式对图片中感兴趣区域进行截取和标记。

[0067] Sc、对标记的图片进行训练，形成模型文件。

[0068] 基于深度学习环境，对标记的图片进行训练，形成模型文件。本发明中基于深度学习环境如tensorflow，如条件不具备可配置简单的机器学习环境。

[0069] Sd、在车入库口开启摄像头闯入侦测时间，对当前车辆进行检测。

[0070] 利用深度学习算法和步骤Sc得到的模型文件对当前车辆进行检测，并得到感兴趣区域在图片中的位置坐标。

[0071] Se、根据当前车辆感兴趣区域的位置，调用摄像头旋转接口，旋转摄像头使感兴趣区域处于图片中心。

[0072] Sf、循环执行步骤Sd和步骤Se，直至车辆停止。

[0073] 此处车辆停止的状态可利用减帧判断。

[0074] Sg、停止条件触发后，对不同车型的车辆进行放大，使车辆信息占据图片最大面积；

[0075] Sh、触发拍照。

[0076] 以上所述的实施例，只是本发明较优选的具体实施方式，本领域的技术人员在本发明技术方案范围内进行的通常变化和替换都应包含在本发明的保护范围内。

标题	发布/更新时间	阅读量
一种农作物异常检测系统及方法	2020-05-19	0
照片处理方法及装置	2020-06-12	0
移动终端应用程序消息通知图标设置方法和装置	2021-03-15	0
一种工业视觉检测系统	2021-04-14	2
一种信息处理方法及电子设备	2020-06-29	2
一种基于北斗和高分卫星融合应用电子化界碑系统	2021-07-14	0
一种基于车载摄像机组的无人机起降监控方法及系统	2023-02-04	2
一种基于深度图像的筛板故障智能监测方法	2020-06-22	0
自动叠托机	2020-11-15	0
生物組織の癒着の予防	2023-06-11	2

一种车辆出入库自动聚焦的实现方法

一种车辆出入库自动聚焦的实现方法

技术领域

背景技术

发明内容

具体实施方式

该功能需要专业版企业版VIP权限，您可以：