一种基于深度学习算法的共享单车还车管理方法
专利汇可以提供一种基于深度学习算法的共享单车还车管理方法专利检索，专利查询，专利分析的服务。并且本 发明 涉及一种基于 深度学习 算法 的共享单车还车管理方法，包括步骤：1)、单车用户还车时候，系统要求用户通过智能终端(比如手机)，拍取用户还车情形图片，拍照时候，用户需要将自己所还单车放在相机预览的预设小框里，预设框可以通过 触摸屏 改变 位置 ，然后上传图片和预设框坐标到服务端，如图4虚线框所示；2)、服务端接收到图片，首先对图片做预处理，主要是大小归一化；3)、将2)图片输入做单车检测，结合Faster R-CNN算法和预设框坐标，检测出自己所还单车。本发明的有益效果是：采用 人工智能 深度学习的方法解决共享单车还车是否违规、整齐度、是否异常的评估，并且给出判断的分数，分数越高，表明判断为该类别的概率越大。，下面是一种基于深度学习算法的共享单车还车管理方法专利的具体信息内容。
1.一种基于深度学习算法的共享单车还车管理方法，其特征在于，包括如下步骤：
1)、单车用户还车时候，系统要求用户通过智能终端，拍取用户还车情形图片，拍照时，用户需要将自己所还单车放在相机预览的预设小框里，预设框可通过触摸屏改变位置，然后上传图片和预设框坐标到服务端；
2)、服务端接收到图片，首先对图片做预处理，主要是大小归一化；
3)、将2)图片输入做单车检测，结合卷积神经网络算法和预设框坐标，检测出所还单车；
4)、将3)检测出的图片中所还单车抠出来小图片，上传到单车图片数据库，与单车库中的图片进行匹配，返回匹配值；匹配值如高于阈值，表明图片单车和自己所还的单车匹配一致，否则，用户需要重新拍照上传鉴定，或者做算法检测异常处理；
5)、将3)图片输入违规检测模型，检测还车是否违规；若违规，则返回到步骤1)，若不违规，则进入步骤6)；
6)、将5)图片输入异常检测模型，检测还车是否异常；若异常，则返回到步骤1)，若不违规，则进入步骤7)；
7)、将6)图片输入整齐度评估模型进行评估。
2.根据权利要求1所述的基于深度学习算法的共享单车还车管理方法，其特征在于：所述步骤3)具体包括如下步骤：
3.1)、将整张图片输入卷积神经网络，进行特征提取得到特征映射图；
卷积神经网络是一个多层感知器，每层都包含连接权值，每个层有多个特征图，每个特征图通过一种卷积滤波器提取输入的一种特征，然后每个特征图有多个神经元；
稀疏连接，卷积神经网络中，利用层间局部空间相关性将相邻每一层的神经元节点只与和它相近的上层神经元节点连接；
权重共享，在卷积神经网络中，卷积层的每一个卷积滤波器重复的作用于整个感受野中，对输入图像进行卷积，卷积结果构成了输入图像的特征图，提取出图像的局部特征；每一个卷积滤波器共享相同的参数，包括相同的权重矩阵和偏置项；
卷积神经网络计算公式，定义如下：
其中X为输入信号Mat的卷积后的特征映射图，Mat表示灰度图像矩阵，W表示卷积核，B表示偏置，S()激活函数，N为分类类别数量；
3.2)、用区域生成网络生成建议窗口，每张图片生成300个建议窗口；
3.3)、把建议窗口通过映射到卷积神经网络的最后一层卷积特征映射图；
3.4)、通过感兴趣区域池化层使每个感兴趣区域生成固定尺寸的特征映射图；
3.5)、经过2层全连接层，得到固定大小的感兴趣区域特征向量；
3.6)、特征向量输入各自的全连接层，得到两个输出向量：第一个是分类，第二个是每一类的Bounding Box回归；
3.7)、计算Bounding Box与预设框的重叠度，最大值为返回结果。
3.根据权利要求2所述的基于深度学习算法的共享单车还车管理方法，其特征在于：所述步骤3.6)中，分类使用Softmax函数；Softmax函数给出属于每一个类别的概率,概率和等于1，k为多分类数目，φk的最值即为所求：
4.根据权利要求2所述的基于深度学习算法的共享单车还车管理方法，其特征在于：所述步骤3.7)的具体计算方法为：A虚线框为预设框，B实线框为Bounding Box，重叠度计算公式为：重叠度＝(A∩B)/(A∪B)。
5.根据权利要求1所述的基于深度学习算法的共享单车还车管理方法，其特征在于：所述步骤4)中匹配值范围从0到1，匹配值越大，表明匹配度越高；大于0.6表明图片单车和自己所还的单车匹配一致，否则，用户需要重新拍照上传鉴定，或者做算法检测异常处理。
6.根据权利要求1所述的基于深度学习算法的共享单车还车管理方法，其特征在于：所述步骤5)具体包括:
5.1)、将还车时候手机拍照的照片分类、尺寸大小归一化处理，得到还车违规检测的图片数据库、还车异常检测的图片数据库、还车整齐度评估的图片数据库，然后再将这三个图片数据库中的样本图片划分为训练集和验证集；
5.2)、分别构建用于识别分类还车违规检测、还车异常检测、还车整齐度评估的卷积神经网络；
5.3)、将图片大小归一化预处理后的还车是三个图片数据库分别作为三个卷积神经网络的输入，提取CNN特征，调整调优训练参数，训练得到三个优化后的网络模型；
5.4)、输入单车用户上传的还车情形图片，利用训练好的三个网络模型分别对其进行还车违规检测、还车异常检测、还车整齐度评估识别分类。
7.根据权利要求1所述的基于深度学习算法的共享单车还车管理方法，其特征在于：所述步骤7)中评估分类为优、良、可、差。
一种基于深度学习算法的共享单车还车管理方法
技术领域
背景技术
发明内容
具体实施方式
| 标题 | 发布/更新时间 | 阅读量 |
|---|---|---|
| 一种基于自适应连接神经网络的图像处理方法及装置 | 2020-05-08 | 329 |
| 一种基于安全态势感知的传感云双层网络防御系统及方法 | 2020-05-15 | 506 |
| 基于深度卷积神经网络的人脸遮挡检测方法 | 2020-05-18 | 1008 |
| 一种基于特征选择和集成学习的软件缺陷个数预测方法 | 2020-05-18 | 531 |
| 一种基于结构化用户属性描述的个性化任务型对话系统 | 2020-05-19 | 384 |
| 基于多挑战感知学习模型的训练、跟踪方法 | 2020-05-14 | 823 |
| 一种基于对抗生成网络的人脑效应连接识别方法 | 2020-05-16 | 365 |
| 基于神经网络与点云配准的发动机叶片重构方法 | 2020-05-18 | 114 |
| 生成法律文书的方法、装置、设备和存储介质 | 2020-05-15 | 180 |
| 基于知识增强的注意力神经网络的隐式篇章关系识别方法 | 2020-05-17 | 604 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台，是提供专利分析，专利查询，专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据，免费查、免费专利分析。
专利汇分析报告产品可以对行业情报数据进行梳理分析，涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度，系统通过AI智能系统对图表进行解读，只需1分钟，一键生成行业专利分析报告。
-
10 寬域空燃比感知器
