本发明涉及人工智能领域,具体涉及一种基于车辆检测模型的无人机车辆检测方法及系统,基于车辆检测模型通过无人机采集停车场视频或图像,车辆检测模型为基于卷积运算与自注意力结合的目标检测网络模型;将无人机拍摄的视频或图像发送至控制中心;基于收到的视频或图像,控制中心计算停车场剩余停车位,并将计算结果发送至显示终端进行显示;控制中心发送停车指令至停车场每个入口道闸,指导新来车辆停至合适位置。本发明通过无人机采集停车场视频或图像,基于结合卷积运算与自注意力机制的车辆检测模型,提高车辆检测在无人机视场环境下的检测准确率。
一种基于车辆检测模型的无人机车辆检测方法,其特征在于,包括以下步骤:
基于车辆检测模型通过无人机采集停车场视频或图像,所述车辆检测模型为基于卷积运算与自注意力结合的目标检测网络模型;
将无人机拍摄的视频或图像发送至控制中心;
基于收到的视频或图像,所述控制中心计算所述停车场剩余停车位,并将计算结果发送至显示终端进行显示;
所述控制中心发送停车指令至所述停车场每个入口道闸,指导新来车辆停至合适位置。
- 交通监测: 用于监测交通流量、道路拥堵等情况。
- 巡逻与安保: 用于巡逻和监测大面积区域,提高安保效率。
- 灾害响应: 用于在灾害发生后迅速评估道路状况和救援需求。
- 农业: 用于监测农田,检测病虫害或者评估农作物生长状况。
中国科学院深圳先进技术研究院提升了粤港地区及我国先进制造业和现代服务业的自主创新能力,推动我国自主知识产权新工业的建立,成为国际一流的工业研究院。 深圳先进院目前已初步构建了以科研为主的集科研、教育、产业、资本为一体的微型协同创新生AC态系统,由九个研究平台,国科大深圳先进技术学院,多个特色产业育成基地、多支产业发展基金、多个具有独立法人资质的新型专业科研机构等组成。开展先进技术研究,促进科技发展。信息、电子、通讯技术研究新材料、新能源技术研究高性能计算、自动化、精密机械研究生物医学与医疗仪器研究相关学历教育、博士后培养与学术交流。
数据收集: 收集无人机拍摄的图像或视频数据,这些数据包含了待检测的道路场景和车辆。
数据标注: 对收集的数据进行标注,标明图像中的车辆位置和边界框。这是为了训练监督学习模型,使其能够从图像中学习车辆的特征。
模型训练: 使用标注数据训练车辆检测模型。常用的深度学习模型包括卷积神经网络(CNN)和目标检测算法,如Faster R-CNN、YOLO(You Only Look Once)或SSD(Single Shot Multibox Detector)等。
模型优化: 对训练好的模型进行优化,以提高检测精度和降低误检率。这可能涉及到调整模型的超参数、使用更大规模的数据集、进行数据增强等。
部署: 将训练好的模型部署到无人机上,以便实时检测车辆。这可能涉及到将模型嵌入到无人机的软件系统中,使其能够实时处理摄像头捕获的图像数据。
检测与跟踪: 通过部署的模型,在无人机的视野中检测和跟踪车辆。这可能涉及到实时的目标检测和跟踪算法,以确保车辆在运动过程中能够被准确地检测和跟踪。
技术转让
无人机车辆检测方法结合了计算机视觉和机器学习技术,可以在很多领域提供高效的监测和数据收集解决方案。