论文

Faster R-CNN with improved anchor box for cell recognition[J]. Mathematical Biosciences and Engineering, 2020, Wen T, H Wu, Du Y, et al.

无附件上传

为了解决现有的停车方案具有的施工难度高且易受干扰、视频流传输量大、效率低；服务器进行数据处理的任务繁重和日常维护及管理等成本高等问题，我们设计了一种应用于停车位检测的嵌入式AI摄像头，该摄像头具有AI能力，可实现视频数据结构化。能够更好地进行停车识别，以便实现停车管理。

（1） 基于深度网络的目标检测模型

（2） 基于上位机软件的视频结构化处理方案

（3）赋予检测过程更高效率、更低成

（4）赋予摄像头AI能力

（1）一套基于AI摄像头的硬件系统

（2）一套应用于高位停车检测的AI算法

（3）一套上位机软件的开发

（4）一个软件著作权

（5）一篇论文

一个完整的停车位检测管理系统所涉及到的知识十分广泛，内容繁杂，本项目重在对系统整体的初步开发实现，仅仅验证了系统可行性并满足了一些基础需求，在研究过程中依然存在诸多不足，系统还有许多可提高和改进的空间，本系统的之后将进行下一步工作如下：

（1）我们最终使用了树莓派了进行演示，后续我们将继续进行成本更低，市场应用更广的rk1808的开发

（2）对于停车位管理云平台只做了单板应用，可以考虑多板联合通信，即基于嵌入式WEB的分布式车位监控系统。

（3）该系统主要实现了监控区域内车辆监测及空车位统计，日后可以考虑加入车流量统计、车牌识别等功能，提升系统实用性。

（4）本系统只做了Web端网页，可以将本平台移植到手机app和小程序上，进一步完善系统功能。