一种带摄像头的充电桩的制作方法

阅读：评论：0

1.本发明属于充电桩技术领域，具体为一种带摄像头的充电桩。

背景技术：

2.充电桩其功能类似于加油站里面的加油机，可以固定在地面或墙壁，安装于公共建筑(公共楼宇、商场、公共停车场等)和居民小区停车场或充电站内，可以根据不同的电压等级为各种型号的电动汽车充电。
3.目前，通过在充电桩上装设摄像头来实现充电桩对使用场所的远程监控功能，通过对拍摄的图像进行特征提取识别，来实现对停车检测、非法停车检测、动态检测及遮挡检测等目的，但在图像的获取及特征识别过程中，由于拍摄目标的距离及拍摄环境的影响，部分图像特征难以靠观察目标的结构、纹理等特征来识别，同时杂波信号也存在干扰信号处理的效果，造成图像特征识别不精准，不利于对现场状况的准确判断。

技术实现要素：

4.(一)解决的技术问题
5.为了克服现有技术的上述缺陷，本发明提供了一种带摄像头的充电桩，解决了在图像的获取及特征识别过程中，由于拍摄目标的距离及拍摄环境的影响，部分图像特征难以靠观察目标的结构、纹理等特征来识别，同时杂波信号也存在干扰信号处理的效果，造成图像特征识别不精准，不利于对现场状况的准确判断的问题。
6.(二)技术方案
7.为实现上述目的，本发明提供如下技术方案：一种带摄像头的充电桩，包括充电桩主体，所述充电桩主体的两侧均设有散热组件，所述充电桩主体中设有内嵌框体，所述内嵌框体从上至下分别设有显示屏、识别模块和led 状态灯，所述充电桩主体顶部设有远程监控机构，所述远程监控机构包括主控模组和监控模组。
8.作为本发明的进一步方案：所述主控模组具体为嵌入式微处理器，且包含与监控模组连接的pcb板，所述监控模组具体为摄像头。
9.作为本发明的进一步方案：所述识别模块通过刷卡识别、敲击震动识别及手势识别的方式来激活充电桩主体进行工作。
10.作为本发明的进一步方案：所述微处理器包括远程图像采集模块、图像预处理模块、图像特征优化识别模块、远程通讯模块和储存模块。
11.所述远程图像采集模块、图像预处理模块、图像特征优化识别模块、远程通讯模块依次连接，所述图像特征优化识别模块的输出端与储存模块的输入端连接。
12.作为本发明的进一步方案：所述远程图像采集模块用于获取摄像头拍摄的图像数据，实现对远程采集图像的特征建模，构建远程图像采集模型。
13.所述采集图像的特征包括区域入侵、停车检测、非法停车检测、动态检测、遮挡检测、虚焦侦测、区域入侵、绊线入侵、物品遗留、物品搬移、场景变更、人脸侦测、人员聚集、徘
徊检测、快速移动及音频异常侦测的特征层。
14.所述远程图像采集模块的实施步骤如下：
15.s101、首先构建远程图像采集模型，基于小波变换将摄像头获取的高光谱图像分成多个特征层，采用相应的矢量化编码方法，得到生成的码字为wj(j＝0,1,...,n)，第j组中的代表为yj，j＝0,1,...n-1，对图像进行压缩编码，实现图像储存，把图像分为近似和细节两部分得到n级训练样本的码本为：
[0016][0017]
s102、计算图像的随机角度偏移，得到关于的远程采集的光谱图像的量化误差为：
[0018][0019]
式中，si＝{xj:d(xj,yi)≤d(xj,yi)}为轮廓区间内的水平集函数，采用小波分解方法计算高光谱图像的噪点l＝0,1,...,n，计算总平均失真为：
[0020][0021]
作为本发明的进一步方案：所述图像预处理模块用于对远程图像采集模块获取的信息进行降噪滤波预处理。
[0022]
所述图像预处理模块的实施步骤如下：
[0023]
s201、设{r1,r2,...,rn}为远程采集高光谱图像中的像素向量，其中，n为图像中的像素总数，能量最小化约束算法的约束条件为：
[0024][0025]
式中，w＝{w1,w2,...,w
l
}
t
为根据线性滤波系数构成的l维向量，在滤波器中，若假设输入信号ri对应的输出为yi，则：
[0026][0027]
s202、根据上式所有的输入信号{r1,r2,...,rn}都对应一个输出信号， {y1,y2,...,yn}经过二值化的图像预处理，得到图像降噪滤波器的输出平均能量为：
[0028][0029]
式中，r为图像信号的自相关矩阵。
[0030]
作为本发明的进一步方案：所述图像特征优化识别模块用于对预处理的图像进行图像特征优化识别计算，提高图像特征识别效果。
[0031]
所述图像特征优化识别模块的实施步骤如下：
[0032]
s301、远程采集高光谱图像经过能量最小约束滤波之后的输出为δc(r)：
[0033]
[0034]
则输出突出远程目标的边缘轮廓d，同时使其他噪声以及杂波信号的输出能量最小，定义图像的边缘特征的能量函数为：
[0035][0036]
式中，图像梯度权系数λ,v均为常数，且λ＞0，远程采集图像的成像面积为：
[0037][0038]
式中，i(x,y)为图像，sgn(
·
)为符号函数，为标准差为的几何活动轮廓区域函数，为图像与边缘停止速度函数卷积后的梯度。
[0039]
图像背景与目标的权系数为一个连续函数：
[0040]
pi(θ,θ
′
；ψi)δ
ij
＝e[si(θ,ψi)si*(θ
′
,ψi)]
ꢀꢀꢀ
(10)
[0041]
上式即为第i个分布源的角度自相关核，在远程目标的采集图像中，含有背景云层和噪声杂波信号，此时图像信号描述为：
[0042]
f(x,y,k)＝fb(x,y,k)＝f
t
(x,y,k)+fn(x,y,k)
ꢀꢀꢀ
(11)
[0043]
s302、构造基于能量最小化约束的目标降噪和边缘特征检测模型，基于轮廓线曲线分割技术，得到远程采集图像的轮廓线曲线分割理论，得到远程采集图像的轮廓线曲线分割边缘函数演化方程：
[0044][0045][0046][0047]
通过已知大小的标准块测量，图像先经二值化处理后得到坐标(u,v)，与对应的空间坐标位置(x,y)值带入二次函数模型，根据改进的小轮廓线曲线分割特征提取算法，提取到远程采集图像的空间信息、视觉信息和结构信息特征识别，识别结果分别为：
[0048][0049][0050][0051]
其次将参考图像看成尺度1，最高尺度为m，进行m-1次传递迭代，综合多个尺度信息进行轮廓线曲线分割建模，实现对远程采集图像特征的优化识别。
[0052]
作为本发明的进一步方案：所述远程通讯模块具体为4g、5g模组或wifi 模组其中的一种或几种。
[0053]
(三)有益效果
[0054]
与现有技术相比，本发明的有益效果在于：通过远程图像采集模块获取摄像头拍摄的图像数据，实现对远程采集图像的特征建模，构建远程图像采集模型，将采集的图像进行特征分层，并且对预处理的图像进行图像特征优化识别计算，提高图像特征识别效果，能够有效抑制背景噪声，能突出远程小目标图像结构特征，提高信噪比，提取到的远程采集图像空间信息、视觉信息和结构信息准确全面，实现对远程采集图像特征的优化识别，因而有利于对现场状况的准确判断。
附图说明
[0055]
图1为本发明立体的结构示意图；
[0056]
图2为本发明远程监控机构的原理示意框图；
[0057]
图中：1、充电桩主体；2、散热组件；3、内嵌框体；4、远程监控机构； 401、主控模组；402、监控模组；5、显示屏；6、识别模块；7、led状态灯。
具体实施方式
[0058]
下面结合具体实施方式对本专利的技术方案作进一步详细地说明。
[0059]
如图1-2所示，本发明提供一种技术方案：一种带摄像头的充电桩，包括充电桩主体，充电桩主体的两侧均设有散热组件，充电桩主体中设有内嵌框体，内嵌框体从上至下分别设有显示屏、识别模块和led状态灯，充电桩主体顶部设有远程监控机构，远程监控机构包括主控模组和监控模组。
[0060]
主控模组具体为嵌入式微处理器，且包含与监控模组连接的pcb板，监控模组具体为摄像头。
[0061]
识别模块通过刷卡识别、敲击震动识别及手势识别的方式来激活充电桩主体进行工作。
[0062]
微处理器包括远程图像采集模块、图像预处理模块、图像特征优化识别模块、远程通讯模块和储存模块。
[0063]
远程图像采集模块、图像预处理模块、图像特征优化识别模块、远程通讯模块依次连接，图像特征优化识别模块的输出端与储存模块的输入端连接。
[0064]
远程图像采集模块用于获取摄像头拍摄的图像数据，实现对远程采集图像的特征建模，构建远程图像采集模型。
[0065]
采集图像的特征包括区域入侵、停车检测、非法停车检测、动态检测、遮挡检测、虚焦侦测、区域入侵、绊线入侵、物品遗留、物品搬移、场景变更、人脸侦测、人员聚集、徘徊检测、快速移动及音频异常侦测的特征层。
[0066]
远程图像采集模块的实施步骤如下：
[0067]
s101、首先构建远程图像采集模型，基于小波变换将摄像头获取的高光谱图像分成多个特征层，采用相应的矢量化编码方法，得到生成的码字为wj(j＝0,1,...,n)，第j组中的代表为yj，j＝0,1,...n-1，对图像进行压缩编码，实现图像储存，把图像分为近似和细节两部分得到n级训练样本的码本为：
[0068]
[0069]
s102、计算图像的随机角度偏移，得到关于的远程采集的光谱图像的量化误差为：
[0070][0071]
式中，si＝{xj:d(xj,yi)≤d(xj,yi)}为轮廓区间内的水平集函数，采用小波分解方法计算高光谱图像的噪点l＝0,1,...,n，计算总平均失真为：
[0072][0073]
图像预处理模块用于对远程图像采集模块获取的信息进行降噪滤波预处理。
[0074]
图像预处理模块的实施步骤如下：
[0075]
s201、设{r1,r2,...,rn}为远程采集高光谱图像中的像素向量，其中，n为图像中的像素总数，能量最小化约束算法的约束条件为：
[0076][0077]
式中，w＝{w1,w2,...,w
l
}
t
为根据线性滤波系数构成的l维向量，在滤波器中，若假设输入信号ri对应的输出为yi，则：
[0078][0079]
s202、根据上式所有的输入信号{r1,r2,...,rn}都对应一个输出信号， {y1,y2,...,yn}经过二值化的图像预处理，得到图像降噪滤波器的输出平均能量为：
[0080][0081]
式中，r为图像信号的自相关矩阵。
[0082]
图像特征优化识别模块用于对预处理的图像进行图像特征优化识别计算，提高图像特征识别效果。
[0083]
图像特征优化识别模块的实施步骤如下：
[0084]
s301、远程采集高光谱图像经过能量最小约束滤波之后的输出为δc(r)：
[0085][0086]
则输出突出远程目标的边缘轮廓d，同时使其他噪声以及杂波信号的输出能量最小，定义图像的边缘特征的能量函数为：
[0087][0088]
式中，图像梯度权系数λ,v均为常数，且λ＞0，远程采集图像的成像面积为：
[0089][0090]
式中，i(x,y)为图像，sgn(
·
)为符号函数，为标准差为的几何活动轮廓区域
函数，为图像与边缘停止速度函数卷积后的梯度。
[0091]
图像背景与目标的权系数为一个连续函数：
[0092]
pi(θ,θ
′
；ψi)δ
ij
＝e[si(θ,ψi)si*(θ
′
,ψi)]
ꢀꢀꢀ
(10)
[0093]
上式即为第i个分布源的角度自相关核，在远程目标的采集图像中，含有背景云层和噪声杂波信号，此时图像信号描述为：
[0094]
f(x,y,k)＝fb(x,y,k)＝f
t
(x,y,k)+fn(x,y,k)
ꢀꢀꢀ
(11)
[0095]
s302、构造基于能量最小化约束的目标降噪和边缘特征检测模型，基于轮廓线曲线分割技术，得到远程采集图像的轮廓线曲线分割理论，得到远程采集图像的轮廓线曲线分割边缘函数演化方程：
[0096][0097][0098][0099]
通过已知大小的标准块测量，图像先经二值化处理后得到坐标(u,v)，与对应的空间坐标位置(x,y)值带入二次函数模型，根据改进的小轮廓线曲线分割特征提取算法，提取到远程采集图像的空间信息、视觉信息和结构信息特征识别，识别结果分别为：
[0100][0101][0102][0103]
其次将参考图像看成尺度1，最高尺度为m，进行m-1次传递迭代，综合多个尺度信息进行轮廓线曲线分割建模，实现对远程采集图像特征的优化识别。
[0104]
远程通讯模块具体为4g、5g模组或wifi模组其中的一种或几种。
[0105]
综上所得：
[0106]
通过远程图像采集模块获取摄像头拍摄的图像数据，实现对远程采集图像的特征建模，构建远程图像采集模型，将采集的图像进行特征分层，并且对预处理的图像进行图像特征优化识别计算，提高图像特征识别效果，能够有效抑制背景噪声，能突出远程小目标图像结构特征，提高信噪比，提取到的远程采集图像空间信息、视觉信息和结构信息准确全面，实现对远程采集图像特征的优化识别，因而有利于对现场状况的准确判断。
[0107]
在本发明的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以通过具体情况理解上述术语在本发明中的具体含义。
[0108]
上面对本专利的较佳实施方式作了详细说明，但是本专利并不限于上述实施方式，在本领域的普通技术人员所具备的知识范围内，还可以在不脱离本专利宗旨的前提下作出各种变化。

技术特征：

1.一种带摄像头的充电桩，包括充电桩主体，其特征在于：所述充电桩主体的两侧均设有散热组件，所述充电桩主体中设有内嵌框体，所述内嵌框体从上至下分别设有显示屏、识别模块和led状态灯，所述充电桩主体顶部设有远程监控机构，所述远程监控机构包括主控模组和监控模组。2.根据权利要求1所述的一种带摄像头的充电桩，其特征在于：所述主控模组具体为嵌入式微处理器，且包含与监控模组连接的pcb板，所述监控模组具体为摄像头。3.根据权利要求1所述的一种带摄像头的充电桩，其特征在于：所述识别模块通过刷卡识别、敲击震动识别及手势识别的方式来激活充电桩主体进行工作。4.根据权利要求2所述的一种带摄像头的充电桩，其特征在于：所述微处理器包括远程图像采集模块、图像预处理模块、图像特征优化识别模块、远程通讯模块和储存模块；所述远程图像采集模块、图像预处理模块、图像特征优化识别模块、远程通讯模块依次连接，所述图像特征优化识别模块的输出端与储存模块的输入端连接。5.根据权利要求4所述的一种带摄像头的充电桩，其特征在于：所述远程图像采集模块用于获取摄像头拍摄的图像数据，实现对远程采集图像的特征建模，构建远程图像采集模型；所述采集图像的特征包括区域入侵、停车检测、非法停车检测、动态检测、遮挡检测、虚焦侦测、区域入侵、绊线入侵、物品遗留、物品搬移、场景变更、人脸侦测、人员聚集、徘徊检测、快速移动及音频异常侦测的特征层；所述远程图像采集模块的实施步骤如下：s101、首先构建远程图像采集模型，基于小波变换将摄像头获取的高光谱图像分成多个特征层，采用相应的矢量化编码方法，得到生成的码字为w
j
(j＝0,1,...,n)，第j组中的代表为y
j
，j＝0,1,...n-1，对图像进行压缩编码，实现图像储存，把图像分为近似和细节两部分得到n级训练样本的码本为：s102、计算图像的随机角度偏移，得到关于的远程采集的光谱图像的量化误差为：式中，s
i
＝{x
j
:d(x
j
,y
i
)≤d(x
j
,y
i
)}为轮廓区间内的水平集函数，采用小波分解方法计算高光谱图像的噪点l＝0,1,...,n，计算总平均失真为：6.根据权利要求4所述的一种带摄像头的充电桩，其特征在于：所述图像预处理模块用于对远程图像采集模块获取的信息进行降噪滤波预处理；所述图像预处理模块的实施步骤如下：s201、设{r1,r2,...,r
n
}为远程采集高光谱图像中的像素向量，其中，n为图像中的像素总数，能量最小化约束算法的约束条件为：
式中，w＝{w1,w2,...,w
l
}
t
为根据线性滤波系数构成的l维向量，在滤波器中，若假设输入信号r
i
对应的输出为y
i
，则：s202、根据上式所有的输入信号{r1,r2,...,r
n
}都对应一个输出信号，{y1,y2,...,y
n
}经过二值化的图像预处理，得到图像降噪滤波器的输出平均能量为：式中，r为图像信号的自相关矩阵。7.根据权利要求4所述的一种带摄像头的充电桩，其特征在于：所述图像特征优化识别模块用于对预处理的图像进行图像特征优化识别计算，提高图像特征识别效果；所述图像特征优化识别模块的实施步骤如下：s301、远程采集高光谱图像经过能量最小约束滤波之后的输出为δ
c
(r)：则输出突出远程目标的边缘轮廓d，同时使其他噪声以及杂波信号的输出能量最小，定义图像的边缘特征的能量函数为：式中，图像梯度权系数λ,v均为常数，且λ＞0，远程采集图像的成像面积为：式中，i(x,y)为图像，sgn(
·
)为符号函数，为标准差为的几何活动轮廓区域函数，为图像与边缘停止速度函数卷积后的梯度；图像背景与目标的权系数为一个连续函数：p
i
(θ,θ
′
；ψ
i
)δ
ij
＝e[s
i
(θ,ψ
i
)s
i
*(θ
′
,ψ
i
)]
ꢀꢀꢀꢀ
(10)上式即为第i个分布源的角度自相关核，在远程目标的采集图像中，含有背景云层和噪声杂波信号，此时图像信号描述为：f(x,y,k)＝f
b
(x,y,k)＝f
t
(x,y,k)+f
n
(x,y,k)
ꢀꢀꢀꢀ
(11)s302、构造基于能量最小化约束的目标降噪和边缘特征检测模型，基于轮廓线曲线分割技术，得到远程采集图像的轮廓线曲线分割理论，得到远程采集图像的轮廓线曲线分割边缘函数演化方程：边缘函数演化方程：边缘函数演化方程：
通过已知大小的标准块测量，图像先经二值化处理后得到坐标(u,v)，与对应的空间坐标位置(x,y)值带入二次函数模型，根据改进的小轮廓线曲线分割特征提取算法，提取到远程采集图像的空间信息、视觉信息和结构信息特征识别，识别结果分别为：程采集图像的空间信息、视觉信息和结构信息特征识别，识别结果分别为：程采集图像的空间信息、视觉信息和结构信息特征识别，识别结果分别为：其次将参考图像看成尺度1，最高尺度为m，进行m-1次传递迭代，综合多个尺度信息进行轮廓线曲线分割建模，实现对远程采集图像特征的优化识别。8.根据权利要求4所述的一种带摄像头的充电桩，其特征在于：所述远程通讯模块具体为4g、5g模组或wifi模组其中的一种或几种。

技术总结

本发明公开了一种带摄像头的充电桩，其包括充电桩主体和内嵌框体，所述内嵌框体从上至下分别设有显示屏、识别模块和LED状态灯，所述充电桩主体顶部设有远程监控机构，所述远程监控机构包括主控模组和监控模组。通过远程图像采集模块获取摄像头拍摄的图像数据，实现对远程采集图像的特征建模，构建远程图像采集模型，将采集的图像进行特征分层，并且对预处理的图像进行图像特征优化识别计算，提高图像特征识别效果，能够有效抑制背景噪声，能突出远程小目标图像结构特征，提高信噪比，提取到的远程采集图像空间信息、视觉信息和结构信息准确全面，实现对远程采集图像特征的优化识别，因而有利于对现场状况的准确判断。因而有利于对现场状况的准确判断。因而有利于对现场状况的准确判断。