一种基于物联网的智慧园区门禁系统及方法与流程

本发明涉及智慧园区门禁系统，具体为一种基于物联网的智慧园区门禁系统及方法。

背景技术：

1、智慧园区是指将园区和互联网技术融合起来，以物联网为纽带，把数字技术、传感技术和虚拟现实技术等，有机植入到园区的建设和生产过程中；建立互联协同、科学管理的信息化生态圈。智慧工地是智慧园区的一个具体体现，可以实现施工过程的可视化管理，提高施工的效率和安全性。

2、门禁系统是智慧工地的组成部分，是工地内外联系的节点；关系到人员、设备、车辆和材料的安全检测。其中，运输车辆在工地的施工中承担着重要作用，负责将施工所需的建筑材料运输到工地，将施工过程中产生的废弃物运输到工地外；在工地运输车工作过程中，为了提高工作效率，经常出现疲劳驾驶、车辆超载、车辆超高和密封不严等问题，严重影响了工地的施工安全。因此需要有效的车辆门禁检测技术，对进出工地的车辆进行安全检测。

3、现有的工地门禁系统技术主要是针对工作人员进行安全检测，对于工地车辆的门禁检测技术较少，且主要集中在车辆的车牌检测和驾驶员违规检测等单一方面，未能考虑到工地车辆安全是包含驾驶员、车辆和运输物品的多因素综合问题；导致现有的技术难以准确地对工地运输车辆进行安全检测和评价。

4、为此，提出一种基于物联网的智慧园区门禁系统及方法。

技术实现思路

1、本发明的目的在于提供一种基于物联网的智慧园区门禁系统及方法；对驾驶员图像进行识别，得到规范系数和疲劳系数；通过酒精检测装置获得驾驶员的酒精系数；再通过所述规范系数、所述疲劳系数、所述酒精系数计算驾驶员异常系数；使用车辆泄漏检测模型获得车辆的泄漏系数；使用轮胎检测模型获取车辆的轮胎异常系数；再结合所述车辆的综合重量、车辆高度和时间点计算车辆异常系数；通过车辆载物的密度和体积获得理论载物重量，通过车辆的综合重量和车辆重量获得实际载物重量；通过所述理论载物重量和所述实际载物重量得到载物异常系数。本发明通过驾驶员异常系数、车辆异常系数和载物异常系数实现工地车辆的安全监管。

2、为实现上述目的，本发明提供如下技术方案：

3、一种基于物联网的智慧园区门禁系统，包括驾驶员异常检测模块、车辆异常检测模块和载物异常检测模块；

4、所述驾驶员异常检测模块包含驾驶员规范检测单元、驾驶员酒精检测单元、驾驶员疲劳识别单元和驾驶员异常系数测算单元；获得驾驶员图像并输入对应的模型进行检测，获得所述驾驶员的规范系数和疲劳系数；通过酒精检测装置获得所述驾驶员的酒精系数；通过所述规范系数、所述疲劳系数和所述酒精系数计算得到驾驶员异常系数；

5、所述车辆异常检测模块包含车辆重量检测单元、车辆高度检测单元、车辆泄漏检测单元、车辆轮胎检测单元和车辆异常系数测算单元；对所述车辆的重量和高度进行检测，获得综合重量和车辆高度；通过对图像进行模型检测识别，获得所述车辆的车辆泄漏系数和轮胎异常系数；通过所述综合重量、所述车辆高度、所述车辆泄漏系数和所述轮胎异常系数计算得到车辆异常系数；

6、所述载物异常检测模块包含载物类型检测单元、载物体积检测单元、载物重量检测单元和载物异常系数测算单元；通过所述载物类型检测单元对车辆的载物类型进行识别；之后获得车辆载物的体积和重量；再通过所述车辆的载物体积、载物重量和载物类型计算得到载物异常系数。

7、所述驾驶员异常检测模块获取所述驾驶员的规范系数和疲劳系数的流程为：

8、对工地的车辆进行统计编号，获取车辆的型号、颜色、使用年限、空车重量、运输类型和所述车辆对应的驾驶员信息；

9、在所述车辆的驾驶室内设置摄像装置；

10、当所述车辆经过智慧园区门禁系统时，通过所述摄像装置对驾驶室的驾驶员进行拍摄，得到驾驶员图像；

11、对所述驾驶员图像进行图像预处理，得到预处理驾驶员图像；

12、将所述预处理驾驶员图像输入至驾驶员规范检测模型进行识别，得到所述驾驶员规范系数；所述规范系数用于衡量所述驾驶员的衣着和安全带规范程度；

13、将所述预处理驾驶员图像输入至驾驶员疲劳识别模型进行识别，得到所述驾驶员的疲劳系数；所述疲劳系数用于衡量所述驾驶员的疲劳程度。

14、所述驾驶员异常检测模块获取所述酒精系数的方法为：

15、当所述车辆进入门禁系统的检测范围时；所述驾驶员酒精检测单元向设置在所述车辆驾驶室的酒精检测仪发出工作讯号；所述酒精检测装置接收到所述工作讯号后开始工作，检测所述车辆驾驶室的酒精浓度，并将所述酒精浓度发送至所述驾驶员酒精检测单元；所述驾驶员酒精检测单元对所述车辆的驾驶室酒精浓度进行处理，得到所述驾驶员的酒精系数。

16、所述驾驶员异常系数用来衡量所述车辆驾驶员的状态异常情况，包括规范检测、疲劳检测和酒精检测多个方面；

17、所述驾驶员异常系数的计算公式为：

18、

19、α1+α2＝2；

20、其中，draf表示所述驾驶员异常系数；cncf表示所述驾驶员的规范系数；fgcf表示所述驾驶员的疲劳系数；ctwh表示所述驾驶员的工作时间；wktt表示工作时间阈值；alft表示所述驾驶员的酒精系数；alhd表示酒精阈值；α1表示第一驾驶员因子；α2表示第二驾驶员因子；tif1表示第一时间因子；exp表示以自然常数e为底的指数函数。

21、所述车辆泄漏检测单元通过车辆泄漏检测模型对车辆的泄漏系数进行识别；

22、所述车辆泄漏检测模型包含载物细度模数识别层、车辆图像拍摄层、车辆图像优化层、车辆图像特征提取层、左侧图像识别层、右侧图像识别层、后侧图像识别层、轨迹图像识别层、融合加权处理层和训练结果输出层；

23、所述载物细度模数识别层用于通过采样识别和获取车辆运输记录的方式获取所述车辆载物的细度模数，所述细度模数用于反映所述载物粒径的粗细程度；

24、所述车辆图像拍摄层通过对所述车辆拍摄取样，得到车辆泄漏图像集；所述车辆泄漏图像集包含所述车辆的左侧图像、右侧图像、后侧图像和轨迹图像；

25、所述车辆图像优化层用于对所述车辆泄漏图像集进行图像优化处理，得到预处理车辆泄漏图像集；

26、所述车辆图像特征提取层用于提取所述预处理车辆泄漏图像集的图像特征；

27、所述左侧图像识别层用于识别所述车辆左侧图像的特征，得到车辆左侧泄漏系数；

28、所述右侧图像识别层用于识别所述车辆右侧图像的特征，得到车辆右侧泄漏系数；

29、所述后侧图像识别层用于识别所述车辆后侧图像的特征，得到车辆后侧泄漏系数；

30、所述轨迹图像识别层用于识别所述车辆轨迹图像的特征，得到车辆轨迹泄漏系数；

31、所述融合加权处理层通过所述细度模数、所述车辆左侧泄漏系数、所述车辆右侧泄漏系数、所述车辆后侧泄漏系数和所述车辆轨迹泄漏系数计算得到车辆泄漏系数；

32、所述训练结果输出层用于输出所述车辆泄漏系数。

33、所述车辆轮胎检测单元通过轮胎检测模型对所述车辆的轮胎进行检测，得到所述车辆的轮胎异常系数；所述轮胎检测模型包含轮胎图像获取层、轮胎图像优化层、轮胎图像特征提取层、轮胎花纹识别层、轮胎形状识别层、轮胎对比识别层和结果融合输出层；

34、所述轮胎图像获取层用于对所述车辆的全部轮胎进行拍摄取样，得到所述车辆的待检测轮胎图像集；

35、所述轮胎图像优化层用于对所述待检测轮胎图像集进行优化处理，得到所述车辆的预处理轮胎图像集；

36、所述轮胎图像特征提取层用于提取所述预处理轮胎图像集的图像特征，得到轮胎图像特征数据；

37、所述轮胎花纹识别层用于识别所述车辆轮胎花纹的异常情况，得到轮胎花纹异常系数；

38、所述轮胎形状识别层用于识别所述车辆轮胎形状的异常情况，得到轮胎形状异常系数；

39、所述轮胎对比识别层用于识别所述车辆轮胎之间的对比度异常情况，得到轮胎对比度异常系数；

40、所述结果融合输出层通过所述轮胎花纹异常系数、所述轮胎形状异常系数和所述轮胎对比度异常系数得到所述轮胎异常系数并输出。

41、所述车辆异常系数用于衡量车辆的异常情况，包含车辆超重、车辆超高、车辆泄漏和车辆轮胎异常多个因素；

42、所述车辆异常系数的公式为：

43、

44、β1+β2＝2；

45、β3+β4＝2；

46、其中，veac表示所述车辆异常系数；comw表示所述车辆的综合重量；weit表示重量阈值；vehh表示所述车辆的车辆高度；heit为高度阈值；leac表示所述车辆的车辆泄漏系数；tiac表示所述车辆的轮胎异常系数；β1表示第一车辆因子；β2表示第二车辆因子；β3表示第三车辆因子；β4表示第四车辆因子；tif2表示第二时间因子；exp表示以自然常数e为底的指数函数。

47、所述载物异常检测模块的工作流程为：

48、通过图像识别技术对所述车辆的车内载物类型进行识别，同时结合车辆工作日志确定所述车辆的载物类型；通过所述载物类型获取所述载物的密度；通过图像识别技术对所述车辆的载物体积进行识别运算，得到所述载物体积；通过所述车辆的综合重量和车辆重量获得所述载物重量；通过所述载物体积、所述载物密度和所述载物重量测算所述载物异常系数；

49、所述载物异常系数的公式为：

50、

51、lowt＝comw-vehw；

52、其中，loac表示载物异常系数；lovo表示所述车辆的载物体积；lowt表示所述车辆的载物重量；lody表示所述车辆的载物密度；comw表示所述车辆的综合重量；vehw表示所述车辆的车辆重量；tif3表示第三时间因子；exp表示以自然常数e为底的指数函数。

53、一种基于物联网的智慧园区门禁方法，其流程步骤为：

54、对工地的车辆进行统计编号，获取车辆的型号、颜色、使用年限、运输类型和所述车辆对应的驾驶员信息；

55、在所述车辆的驾驶室内设置摄像装置和酒精检测仪；

56、当所述车辆经过智慧门禁系统时，通过所述摄像装置对驾驶室的驾驶员进行拍摄，得到驾驶员图像；通过所述酒精检测仪获得酒精系数；将所述驾驶员图像输入至驾驶员规范检测模型进行识别，得到所述驾驶员规范系数；将所述驾驶员图像输入至驾驶员疲劳识别模型进行识别，得到所述驾驶员的疲劳系数；通过所述规范系数、所述酒精系数、所述疲劳系数和检测时间点得到驾驶员异常系数；

57、通过车辆称重装置获得所述车辆的综合重量；通过高度测量装置获得车辆高度；通过车辆泄漏检测模型对车辆的泄漏情况进行识别，得到所述车辆的车辆泄漏系数；通过轮胎检测模型对所述车辆的轮胎进行检测，得到所述车辆的轮胎异常系数；通过所述综合重量、所述车辆高度、所述车辆泄漏系数和所述轮胎异常系数计算得到车辆异常系数；

58、通过所述车辆的工作日志和图像识别技术获得所述车辆的载物类型和载物体积；根据所述载物类型进一步获得载物密度；通过所述车辆的综合重量和车辆重量获得所述载物重量；通过所述载物体积、所述载物密度和所述载物重量计算得到所述载物异常系数。

59、所述驾驶员异常系数用来衡量所述车辆驾驶员的状态异常情况，包含规范检测、疲劳检测和酒精检测多个方面；所述驾驶员异常系数的计算公式为：

60、

61、α1+α2＝2；

62、其中，draf表示所述驾驶员异常系数；cncf表示所述驾驶员的规范系数；fgcf表示所述驾驶员的疲劳系数；ctwh表示所述驾驶员的工作时间；wktt表示工作时间阈值；alft表示所述驾驶员的酒精系数；alhd表示酒精阈值；α1表示第一驾驶员因子；α2表示第二驾驶员因子；tif1表示第一时间因子；exp表示以自然常数e为底的指数函数；

63、所述车辆异常系数用于衡量车辆的异常情况，包含车辆超重、车辆超高、车辆泄漏和车辆轮胎异常多个因素；所述车辆异常系数的公式为：

64、

65、β1+β2＝2；

66、β3+β4＝2；

67、其中，veac表示所述车辆异常系数；comw表示所述车辆的综合重量；weit表示重量阈值；vehh表示所述车辆的车辆高度；heit为高度阈值；leac表示所述车辆的车辆泄漏系数；tiac表示所述车辆的轮胎异常系数；β1表示第一车辆因子；β2表示第二车辆因子；β3表示第三车辆因子；β4表示第四车辆因子；tif2表示第二时间因子；exp表示以自然常数e为底的指数函数；

68、所述载物异常系数的公式为：

69、

70、lowt＝comw-behw；

71、其中，loac表示载物异常系数；lovo表示所述车辆的载物体积；lowt表示所述车辆的载物重量；lody表示所述车辆的载物密度；comw表示所述车辆的综合重量；vehw表示所述车辆的车辆重量；tif3表示第三时间因子；exp表示以自然常数e为底的指数函数。

72、与现有技术相比，本发明的有益效果为：

73、1、本发明通过对车辆驾驶员的规范检测、疲劳检测和酒精检测来衡量驾驶员的异常程度；其中，所述规范检测用于衡量所述驾驶员的衣着和安全带状态；所述疲劳检测通过图像识别和工作时间来衡量所述驾驶员的疲劳程度；所述酒精检测通过所述车辆驾驶室内的酒精浓度来衡量驾驶员的酒精系数；同时考虑所处的时间点并进行加权。本发明通过多方面的因素考量和量化，可以准确地判断所述车辆驾驶员的着装、疲劳和饮酒等异常状态，加强对车辆驾驶员安全的管理。

74、2、本发明通过车辆泄漏检测模型对所述车辆的泄漏状态进行识别，得到车辆的泄漏系数；通过轮胎检测模型对所述车辆轮胎的异常情况进行识别，得到轮胎异常系数；并结合所述车辆的综合重量、车辆高度和检测所处的时间点，对车辆自身的异常情况进行衡量，得到车辆异常系数。本发明可以有效地对进出工地的运输车辆安全进行检测识别，判断是否存在超高、超载、车辆泄漏和轮胎异常等危险情况，加强对车辆安全的监管。

75、3、本发明通过测算所述车辆载物的载物异常系数，对载物的异常情况进行衡量；通过识别所述载物的类型，得到其对应的密度；再通过图像识别技术得到所述载物的体积；同时通过车辆的综合重量和车辆重量计算得到载物重量；最后，通过理论的载物重量和实际的载物重量的大小关系，衡量其异常程度。本发明可以有效地对车辆载物的异常状况进行识别检测，判断其理论重量和实际重量是否相符，加强对车辆载物安全的监管。