一种智能车辆管理系统技术领域
本发明涉及车辆管理领域，具体涉及一种智能车辆管理系统。
背景技术
相关技术中,对车辆的管理(尤其是对摩托车的管理)，用的比较多的是对车辆的
安防、监控等的简单管理，无法实现对摩托车等车辆的智能化远程管理控制。
发明内容
为解决上述问题，本发明旨在提供一种智能车辆管理系统。
本发明的目的采用以下技术方案来实现：
一种智能车辆管理系统，包括车辆信息获取子系统、智能用户终端、以及分别与车
辆信息获取子系统和智能用户终端进行无线通信的云服务管理中心；其中，所述车辆信息
获取子系统用于获取车辆的车辆信息，并将车辆信息发送至云服务管理中心，或者从云服
务管理中心获取控制指令；所述智能用户终端，从云服务管理中心获取车辆信息，并发送控
制指令至云服务管理中心；所述云服务管理中心，用于接收和处理车辆信息获取子系统的
车辆信息和智能用户终端的控制指令，并分别向车辆信息获取子系统和智能用户终端发送
交互信息。
本发明的有益效果为：通过车辆信息获取子系统采集车辆信息并发送至云服务管
理中心，云服务管理中心进行统计分析并将其结果共享给智能用户终端，进而使用户通过
智能用户终端了解车辆信息，并对其车辆进行控制，方便用户对车辆进行实时了解及控制。
附图说明
利用附图对本发明作进一步说明，但附图中的实施例不构成对本发明的任何限
制，对于本领域的普通技术人员，在不付出创造性劳动的前提下，还可以根据以下附图获得
其它的附图。
图1是本发明的结构连接示意图；
图2是本发明图像处理装置的结构连接示意图。
附图标记：
车辆信息获取子系统1、智能用户终端2、云服务管理中心3、图像处理装置4、图像
获取单元11、图像预处理单元12、图像融合单元13、图像评价单元14。
具体实施方式
结合以下实施例对本发明作进一步描述。
参见图1、图2，本实施例的一种智能车辆管理系统包括车辆信息获取子系统1、智
能用户终端2、以及分别与车辆信息获取子系统1和智能用户终端2进行无线通信的云服务
管理中心3；其中，所述车辆信息获取子系统1用于获取车辆的车辆信息，并将车辆信息发送
至云服务管理中心3，或者从云服务管理中心3获取控制指令；所述智能用户终端2，从云服
务管理中心3获取车辆信息，并发送控制指令至云服务管理中心3；所述云服务管理中心3，
用于接收和处理车辆信息获取子系统1的车辆信息和智能用户终端2的控制指令，并分别向
车辆信息获取子系统1和智能用户终端2发送交互信息。
优选的，所述车辆信息包括车辆行驶信息、车辆状态信息、车辆位置信息、车辆图
像信息、车辆保养信息。
优选的，所述云服务管理中心3包括用于处理所述车辆图像信息的图像处理装置
4。
本发明上述实施例通过车辆信息获取子系统1采集车辆信息并发送至云服务管理
中心3，云服务管理中心3进行统计分析并将其结果共享给智能用户终端2，进而使用户通过
智能用户终端2了解车辆信息，并对其车辆进行控制，方便用户对车辆进行实时了解及控
制。
优选的，所述图像处理装置4包括图像获取单元11、图像预处理单元12、图像融合
单元13和图像评价单元14；所述图像获取单元11用于获取关于车辆图像信息的源可见光图
像和源红外图像；所述图像预处理单元12对聚焦不同的源可见光图像和源红外图像进行图
像配准；所述图像融合单元13用于对配准后的图像进行融合处理；所述图像评价单元14用
于对融合后的图像进行评价，选择评价合格的图像作为最终的图像。
本优选实施例设计了图像处理装置4的单元架构，从而实现车辆图像处理的功能。
优选的，所述图像获取单元11在采集时淘汰低质量的图像，其建立图像质量评价
函数采用了主观评价和客观评价相结合的方式：
式中，b1、b2、b3为各种评价因素所占比重，b1＜b2＜b3且b1+b2+b3＝1，Fi为第i次通
过主观评价而给予图像的分数，Zi为第i次通过客观评价而给予图像的分数，x表示图像的
峰值信噪比，N为进行主观评价的次数，G为进行客观评价的次数。
本优选实施例引入图像质量评价函数，能够剔除质量差的图像，提高车辆图像的
后期处理效率。
优选的，所述图像预处理单元12包括线段特征子模块、投影变换子模块、度量子模
块和遗传计算子模块；所述线段特征子模块以源红外图像作为参考图像，源可见光图像作
为待配准图像，检测源可见光图像的线段特征作为配准的依据；所述投影变换子模块：采用
投影变换对源可见光图像中的线段特征实施变换，变换参数构成的矢量为所述度量子模
块：采用基于方向一致性的度量准则构建度量函数，度量源红外图像线段特征和变换后的
源可见光图像线段特征的相似性，如果满足预设要求，则返回参数若不满足要求，则转入
参数更新模块；所述遗传计算子模块采用遗传算法对进行更新。本优选实施例在融合前
对车辆图像进行配准，极大的提高了融合效率。
优选的，所述图像融合单元13包括：
(1)HSV变换子模块：用于对预处理后的源可见光图像进行HSV变换并提取色调分
量H、饱和度分量S和明度分量V；
(2)分量获取子模块：用于将预处理后的源红外图像和明度分量V分别作二代
Curvelet变换，以得到各自在(x，y)位置的低频分量和高频分量，在此设源红外图像对应的
低频分量为Dy(x，y)、高频分量为Gy(x，y)；明度分量V对应的低频分量为DV(x，y)，高频分量
为GV(x，y)；
(3)融合子模块，包括低频分量融合单元和高频分量融合单元：
A、低频分量融合单元，用于对所述低频分量Dy(x，y)、DV(x，y)进行融合，融合后的
低频分量DyV(x，y)为：
a、若Dy(x，y)＝0或DV(x，y)＝0时：
DyV(x，y)＝Dy(x，y)+DV(x，y)；
b、若Dy(x，y)≠0或DV(x，y)≠0时：
B、高频分量融合单元，用于对高频分量Gy(x，y)、GV(x，y)进行融合，所述高频分量
融合单元对高频分量My(x，y)、MV(x，y)进行融合时，引入匹配测度因子：
其中，F＝1，...ψ，，其中，F＝1，...ψ，F表示二代Curvelet变换的分解级数，ψ为二
代Curvelet变换的最大分解级；F＝1，...ψ-1时，为计算的源可见光图像的像素点
信息质量均值，为源红外图像的像素点信息质量均值；F＝ψ时，为源可见光
图像中高频子带与低频子带的方向对比度，为源红外图像中高频子带与低频子带
的方向对比度；
表示源可见光图像在最高分辨率λ下、α方向上、3×3窗口内的区域信号强度；
表示源红外图像在最高分辨率λ下、α方向上、3×3窗口内的区域信号强度；
若Pj(x，y)≤T，则融合后的高频分量GyV(x，y)的选取公式为：
若Pj(x，y)＞T，则融合后的高频分量GyV(x，y)的选取公式为：
a、时：
b、时：
其中，T为设定的阈值；
(4)二代Curvelet逆变换子模块，用于对融合后的低频分量DyV(x，y)和融合后的高
频分量GyV(x，y)进行二代Curvelet逆变换，以获得新的明度分量VΩ；
(5)HSV逆变换子模块，用于对H、S、VΩ三个分量做HSV逆变换，最终得到融合图像Q。
发明人采用本实施例进行了一系列测试，以下是进行测试得到的实验数据：
车辆图像信息
图像点锐度
识别率
固定车辆车牌号码
86.29
100％
活动车辆车牌号码
83.99
99％
固定车辆上人体目标
82.39
96％
活动车辆上人体目标
80.95
94％
本优选实施例结合低频分量融合单元和高频分量融合单元，对高频分量和低频分
量采用不同的融合公式进行融合，更具有针对性，能够较好地描述车辆图像中的目标特征
信息；引入加权因子来计算融合后的高频分量，能够较好地保留源图像中的有用信息；引入
匹配测度因子来计算融合后的高频分量，充分提取了源红外图像的热目标特征信息与源可
见光图像丰富的背景特征信息，融合图像细节清晰、边缘平滑，具有更佳的融合性能和视觉
效果。
优选的，所述图像评价单元14包括：
(1)第一评价单元：采用第一评估因子P1对融合效果进行评估：
P1＝(R1-I0)(R1-V0)
其中，R1为融合后图像的辨识率，I0为融合前源红外图像的辨识率，V0为融合前源
可见光图像的辨识率；当P1＞0，判定融合效果合格；
(2)第二评价单元：采用第二评估因子P2对融合速度进行评估：
P2＝(T1-I1)(T1-V1)
其中，T1为融合后图像的辨识时间，I1为融合前源红外图像的辨识时间，V1为融合
前源可见光图像的辨识时间；
若P2＜0，则融合速度合格。
本优选实施例能够切实提高车辆图像处理的实用性。
结合上述实施例，对采集的车辆图像的融合效果相对提高了30％，融合速度相对
提高了10％。
最后应当说明的是，以上实施例仅用以说明本发明的技术方案，而非对本发明保
护范围的限制，尽管参照较佳实施例对本发明作了详细地说明，本领域的普通技术人员应
当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的实
质和范围。