本發(fā)明涉及車輛管理領域，具體涉及一種智能車輛管理系統(tǒng)。
背景技術：
：相關技術中,對車輛的管理(尤其是對摩托車的管理)，用的比較多的是對車輛的安防、監(jiān)控等的簡單管理，無法實現(xiàn)對摩托車等車輛的智能化遠程管理控制。技術實現(xiàn)要素：為解決上述問題，本發(fā)明旨在提供一種智能車輛管理系統(tǒng)。本發(fā)明的目的采用以下技術方案來實現(xiàn)：一種智能車輛管理系統(tǒng)，包括車輛信息獲取子系統(tǒng)、智能用戶終端、以及分別與車輛信息獲取子系統(tǒng)和智能用戶終端進行無線通信的云服務管理中心；其中，所述車輛信息獲取子系統(tǒng)用于獲取車輛的車輛信息，并將車輛信息發(fā)送至云服務管理中心，或者從云服務管理中心獲取控制指令；所述智能用戶終端，從云服務管理中心獲取車輛信息，并發(fā)送控制指令至云服務管理中心；所述云服務管理中心，用于接收和處理車輛信息獲取子系統(tǒng)的車輛信息和智能用戶終端的控制指令，并分別向車輛信息獲取子系統(tǒng)和智能用戶終端發(fā)送交互信息。本發(fā)明的有益效果為：通過車輛信息獲取子系統(tǒng)采集車輛信息并發(fā)送至云服務管理中心，云服務管理中心進行統(tǒng)計分析并將其結果共享給智能用戶終端，進而使用戶通過智能用戶終端了解車輛信息，并對其車輛進行控制，方便用戶對車輛進行實時了解及控制。附圖說明利用附圖對本發(fā)明作進一步說明，但附圖中的實施例不構成對本發(fā)明的任何限制，對于本領域的普通技術人員，在不付出創(chuàng)造性勞動的前提下，還可以根據(jù)以下附圖獲得其它的附圖。圖1是本發(fā)明的結構連接示意圖；圖2是本發(fā)明圖像處理裝置的結構連接示意圖。附圖標記：車輛信息獲取子系統(tǒng)1、智能用戶終端2、云服務管理中心3、圖像處理裝置4、圖像獲取單元11、圖像預處理單元12、圖像融合單元13、圖像評價單元14。具體實施方式結合以下實施例對本發(fā)明作進一步描述。參見圖1、圖2，本實施例的一種智能車輛管理系統(tǒng)包括車輛信息獲取子系統(tǒng)1、智能用戶終端2、以及分別與車輛信息獲取子系統(tǒng)1和智能用戶終端2進行無線通信的云服務管理中心3；其中，所述車輛信息獲取子系統(tǒng)1用于獲取車輛的車輛信息，并將車輛信息發(fā)送至云服務管理中心3，或者從云服務管理中心3獲取控制指令；所述智能用戶終端2，從云服務管理中心3獲取車輛信息，并發(fā)送控制指令至云服務管理中心3；所述云服務管理中心3，用于接收和處理車輛信息獲取子系統(tǒng)1的車輛信息和智能用戶終端2的控制指令，并分別向車輛信息獲取子系統(tǒng)1和智能用戶終端2發(fā)送交互信息。優(yōu)選的，所述車輛信息包括車輛行駛信息、車輛狀態(tài)信息、車輛位置信息、車輛圖像信息、車輛保養(yǎng)信息。優(yōu)選的，所述云服務管理中心3包括用于處理所述車輛圖像信息的圖像處理裝置4。本發(fā)明上述實施例通過車輛信息獲取子系統(tǒng)1采集車輛信息并發(fā)送至云服務管理中心3，云服務管理中心3進行統(tǒng)計分析并將其結果共享給智能用戶終端2，進而使用戶通過智能用戶終端2了解車輛信息，并對其車輛進行控制，方便用戶對車輛進行實時了解及控制。優(yōu)選的，所述圖像處理裝置4包括圖像獲取單元11、圖像預處理單元12、圖像融合單元13和圖像評價單元14；所述圖像獲取單元11用于獲取關于車輛圖像信息的源可見光圖像和源紅外圖像；所述圖像預處理單元12對聚焦不同的源可見光圖像和源紅外圖像進行圖像配準；所述圖像融合單元13用于對配準后的圖像進行融合處理；所述圖像評價單元14用于對融合后的圖像進行評價，選擇評價合格的圖像作為最終的圖像。本優(yōu)選實施例設計了圖像處理裝置4的單元架構，從而實現(xiàn)車輛圖像處理的功能。優(yōu)選的，所述圖像獲取單元11在采集時淘汰低質量的圖像，其建立圖像質量評價函數(shù)采用了主觀評價和客觀評價相結合的方式：式中，b1、b2、b3為各種評價因素所占比重，b1＜b2＜b3且b1+b2+b3＝1，F(xiàn)i為第i次通過主觀評價而給予圖像的分數(shù)，Zi為第i次通過客觀評價而給予圖像的分數(shù)，x表示圖像的峰值信噪比，N為進行主觀評價的次數(shù)，G為進行客觀評價的次數(shù)。本優(yōu)選實施例引入圖像質量評價函數(shù)，能夠剔除質量差的圖像，提高車輛圖像的后期處理效率。優(yōu)選的，所述圖像預處理單元12包括線段特征子模塊、投影變換子模塊、度量子模塊和遺傳計算子模塊；所述線段特征子模塊以源紅外圖像作為參考圖像，源可見光圖像作為待配準圖像，檢測源可見光圖像的線段特征作為配準的依據(jù)；所述投影變換子模塊：采用投影變換對源可見光圖像中的線段特征實施變換，變換參數(shù)構成的矢量為所述度量子模塊：采用基于方向一致性的度量準則構建度量函數(shù)，度量源紅外圖像線段特征和變換后的源可見光圖像線段特征的相似性，如果滿足預設要求，則返回參數(shù)若不滿足要求，則轉入參數(shù)更新模塊；所述遺傳計算子模塊采用遺傳算法對進行更新。本優(yōu)選實施例在融合前對車輛圖像進行配準，極大的提高了融合效率。優(yōu)選的，所述圖像融合單元13包括：(1)HSV變換子模塊：用于對預處理后的源可見光圖像進行HSV變換并提取色調分量H、飽和度分量S和明度分量V；(2)分量獲取子模塊：用于將預處理后的源紅外圖像和明度分量V分別作二代Curvelet變換，以得到各自在(x，y)位置的低頻分量和高頻分量，在此設源紅外圖像對應的低頻分量為Dy(x，y)、高頻分量為Gy(x，y)；明度分量V對應的低頻分量為DV(x，y)，高頻分量為GV(x，y)；(3)融合子模塊，包括低頻分量融合單元和高頻分量融合單元：A、低頻分量融合單元，用于對所述低頻分量Dy(x，y)、DV(x，y)進行融合，融合后的低頻分量DyV(x，y)為：a、若Dy(x，y)＝0或DV(x，y)＝0時：DyV(x，y)＝Dy(x，y)+DV(x，y)；b、若Dy(x，y)≠0或DV(x，y)≠0時：B、高頻分量融合單元，用于對高頻分量Gy(x，y)、GV(x，y)進行融合，所述高頻分量融合單元對高頻分量My(x，y)、MV(x，y)進行融合時，引入匹配測度因子：其中，F(xiàn)＝1，...ψ，，其中，F(xiàn)＝1，...ψ，F(xiàn)表示二代Curvelet變換的分解級數(shù)，ψ為二代Curvelet變換的最大分解級；F＝1，...ψ-1時，為計算的源可見光圖像的像素點信息質量均值，為源紅外圖像的像素點信息質量均值；F＝ψ時，為源可見光圖像中高頻子帶與低頻子帶的方向對比度，為源紅外圖像中高頻子帶與低頻子帶的方向對比度；表示源可見光圖像在最高分辨率λ下、α方向上、3×3窗口內的區(qū)域信號強度；表示源紅外圖像在最高分辨率λ下、α方向上、3×3窗口內的區(qū)域信號強度；若Pj(x，y)≤T，則融合后的高頻分量GyV(x，y)的選取公式為：若Pj(x，y)＞T，則融合后的高頻分量GyV(x，y)的選取公式為：a、時：b、時：其中，T為設定的閾值；(4)二代Curvelet逆變換子模塊，用于對融合后的低頻分量DyV(x，y)和融合后的高頻分量GyV(x，y)進行二代Curvelet逆變換，以獲得新的明度分量VΩ；(5)HSV逆變換子模塊，用于對H、S、VΩ三個分量做HSV逆變換，最終得到融合圖像Q。發(fā)明人采用本實施例進行了一系列測試，以下是進行測試得到的實驗數(shù)據(jù)：車輛圖像信息圖像點銳度識別率固定車輛車牌號碼86.29100％活動車輛車牌號碼83.9999％固定車輛上人體目標82.3996％活動車輛上人體目標80.9594％本優(yōu)選實施例結合低頻分量融合單元和高頻分量融合單元，對高頻分量和低頻分量采用不同的融合公式進行融合，更具有針對性，能夠較好地描述車輛圖像中的目標特征信息；引入加權因子來計算融合后的高頻分量，能夠較好地保留源圖像中的有用信息；引入匹配測度因子來計算融合后的高頻分量，充分提取了源紅外圖像的熱目標特征信息與源可見光圖像豐富的背景特征信息，融合圖像細節(jié)清晰、邊緣平滑，具有更佳的融合性能和視覺效果。優(yōu)選的，所述圖像評價單元14包括：(1)第一評價單元：采用第一評估因子P1對融合效果進行評估：P1＝(R1-I0)(R1-V0)其中，R1為融合后圖像的辨識率，I0為融合前源紅外圖像的辨識率，V0為融合前源可見光圖像的辨識率；當P1＞0，判定融合效果合格；(2)第二評價單元：采用第二評估因子P2對融合速度進行評估：P2＝(T1-I1)(T1-V1)其中，T1為融合后圖像的辨識時間，I1為融合前源紅外圖像的辨識時間，V1為融合前源可見光圖像的辨識時間；若P2＜0，則融合速度合格。本優(yōu)選實施例能夠切實提高車輛圖像處理的實用性。結合上述實施例，對采集的車輛圖像的融合效果相對提高了30％，融合速度相對提高了10％。最后應當說明的是，以上實施例僅用以說明本發(fā)明的技術方案，而非對本發(fā)明保護范圍的限制，盡管參照較佳實施例對本發(fā)明作了詳細地說明，本領域的普通技術人員應當理解，可以對本發(fā)明的技術方案進行修改或者等同替換，而不脫離本發(fā)明技術方案的實質和范圍。當前第1頁1 2 3