一种基于车轮着地点检测车辆停车状态的方法及装置制造方法及图纸

本发明专利技术实施例提供了一种基于车轮着地点检测车辆停车状态的方法及装置，该方法包括：获取通过摄像机拍摄预定监控区域内的第一视频图像，并根据所述第一视频图像，确定每一个停车位的位置信息；基于车辆检测算法，检测所述第一视频图像中的车辆，并基于已确定的所述每一个停车位的位置信息，确定检测到的车辆是否停在任一停车位内；若所述车辆停在任一停车位内，检测所述车辆的车轮着地点位置；根据检测到的所述车辆的车轮着地点位置，判断所述车辆的停车状态。通过本发明专利技术，实现了高效、精确地判断车辆的多种停车状态，从而避免了场景复杂度限制、摄像头角度等因素导致停车状态判断失误情况发生，进一步地，极大地提高了路侧停车管理的效率。

A method and device to detect the parking state of vehicle based on the wheel landing location

The embodiment of the invention provides a method and a device for detecting the parking state of a vehicle based on the wheel landing point, the method includes: obtaining a first video image in a predetermined monitoring area through a camera, determining the location information of each parking space according to the first video image; detecting the vehicle in the first video image based on the vehicle detection algorithm, and The position information of each parking space has been determined to determine whether the detected vehicle is parked in any parking space; if the vehicle is parked in any parking space, the wheel landing position of the vehicle is detected; according to the wheel landing position of the detected vehicle, the parking status of the vehicle is determined. Through the invention, a variety of parking states of vehicles are effectively and accurately judged, thus avoiding the occurrence of wrong judgment of parking states caused by scene complexity limit, camera angle and other factors, and further, greatly improving the efficiency of roadside parking management.

【技术实现步骤摘要】
一种基于车轮着地点检测车辆停车状态的方法及装置
本专利技术涉及计算机视觉
，尤其涉及一种基于车轮着地点检测车辆停车状态的方法及装置。
技术介绍
路侧停车管理是城市交通建设中的一个典型问题。针对城市停车位资源紧张和停车难问题，通过车位的统一管理和动态实时监测，可以充分利用车位资源，实现车位资源的有效融合，从而解决驾驶员寻停车位难的问题，提供停车服务的智能化和一体化。但是，路侧停车往往存在停车空间不封闭、停车环境复杂的情况，从而给停车管理增加了困难，尤其是如何精确判定停车位内停车状态，都是亟待解决的难题。基于高位视频的监控技术近年来比较流行的方法，该方法通过摄像机对车辆和停车位信息进行图像视频采集，再通过计算机视觉技术进行分析与处理，从而达到对路侧停车状态进行监控与管理。高位视频的停车管理技术虽然存在直观、实时、安装维护费用低、可扩展能力强、能够同时监控多个停车位的信息和便于调查取证等优势，但是依靠高位视频技术对路侧停车进行自动化管理，必须配有识别停车位内停车状态的算法，然而现有停车状态判定算法易受场景复杂度限制、摄像头角度等因素的影响，均不能满足目前高位相机场景下的停车状态判定的需求。
技术实现思路
本专利技术实施例提供一种基于车轮着地点检测车辆停车状态的方法及装置，实现了高效、精确地判定停车位内车辆的停车状态。一方面，本专利技术实施例提供了一种基于车轮着地点检测车辆停车状态的方法，包括：获取通过摄像机拍摄预定监控区域内的第一视频图像，并根据所述第一视频图像，确定每一个停车位的位置信息；基于车辆检测算法，检测所述第一视频图像中的车辆，并基于已确定的所述每一个停车位的位置信息，确定检测到的车辆是否停在任一停车位内；若所述车辆停在任一停车位内，检测所述车辆的车轮着地点位置；根据检测到的所述车辆的车轮着地点位置，判断所述车辆的停车状态。另一方面，本专利技术实施例提供了一种基于车轮着地点检测车辆停车状态的装置，包括：第一获取及确定模块，用于获取通过摄像机拍摄预定监控区域内的第一视频图像，并根据所述第一视频图像，确定每一个停车位的位置信息；第一检测模块，用于基于车辆检测算法，检测所述第一视频图像中的车辆，并基于已确定的所述每一个停车位的位置信息，确定检测到的车辆是否停在任一停车位内；第二检测模块，用于若所述车辆停在任一停车位内，检测所述车辆的车轮着地点位置；判断模块，用于根据检测到的所述车辆的车轮着地点位置，判断所述车辆的停车状态。上述技术方案具有如下有益效果：通过本专利技术，能够根据确定的路侧停车区域中的每一个停车位的位置信息，通过大数据学习方式分析不同的停车场景训练得到的车辆检测算法，能够精确地检测车辆是否停在任一停车位内，极大地提高了停车位内车辆的检测精度和效率；同时，通过该车辆检测算法，检测停在任一停车位内的车辆的车轮着地点位置，为后续判断车辆的停车状态提供了必要的前提条件；实现了根据检测到的车轮着地点位置，来高效、精确地判断车辆的多种停车状态，从而避免了场景复杂度限制、摄像头角度等因素导致停车状态判断失误情况发生，进一步地，极大地提高了路侧停车管理的效率。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1为本专利技术实施例中一种基于车轮着地点检测车辆停车状态的方法流程图；图2为本专利技术一优选实施例中在图像上对停车位地面上连线的标定示意图；图3为本专利技术一优选实施例中基于卷积神经网络模型检测车轮着地点示意图；图4为本专利技术一优选实施例中车轮着地点与停车位的每两个相邻库角构成的一组多个三角形的示意图；图5为本专利技术一优选实施例中车辆正常停车状态的示意图；图6为本专利技术一优选实施例中车辆跨位停车状态的示意图；图7为本专利技术一优选实施例中的车辆压线停车状态示意图；图8为本专利技术一实施例中一种基于车轮着地点检测车辆停车状态的装置结构示意图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。如图1所示，为本专利技术实施例中一种基于车轮着地点检测车辆停车状态的方法流程图，包括：101、获取通过摄像机拍摄预定监控区域内的第一视频图像，并根据所述第一视频图像，确定每一个停车位的位置信息；102、基于车辆检测算法，检测所述第一视频图像中的车辆，并基于已确定的所述每一个停车位的位置信息，确定检测到的车辆是否停在任一停车位内；103、若所述车辆停在任一停车位内，检测所述车辆的车轮着地点位置；104、根据检测到的所述车辆的车轮着地点位置，判断所述车辆的停车状态。进一步地，所述根据所述第一视频图像，确定每一个停车位的位置信息，包括：根据所述第一视频图像，分别选择各个停车位处于无车状态时的任一停车位图像；基于已确定的各个停车位处于无车状态时的停车位图像，在所述停车位图像中确定各个停车位的位置信息；其中，停车位的位置信息包括停车位各个库角的坐标和两两相邻角点构成的各个边线中的至少一项。进一步地，在所述基于车辆检测算法，检测所述第一视频图像中的车辆的步骤之前，包括：获取所述摄像机拍摄预定监控区域内的第二视频图像；对所述第二视频图像中的车辆进行标注，并基于标注后的所述第二视频图像训练深度卷积神经网络，得到车辆检测模型。进一步地，所述基于车辆检测算法，检测所述第一视频图像中的车辆，并基于已确定的所述每一个停车位的位置信息，确定检测到的车辆是否停在任一停车位内，包括：通过所述车辆检测模型，检测所述第一视频图像中的车辆；确定所述第一视频图像中存在车辆的第一图像帧，并确定所述第一图像帧中所述车辆的车辆区域的坐标信息；基于已确定的所述每一个停车位的位置信息和所述车辆区域的坐标信息，计算所述车辆区域是否在任一停车位内；若是，确定所述车辆区域所在的当前停车位的位置信息。进一步地，在所述检测所述车辆的车轮着地点位置的步骤之前，包括：训练基于卷积神经网络的车轮着地点检测模型。进一步地，在所述训练基于卷积神经网络的车轮着地点检测模型的步骤之前，包括：获取通过所述摄像机拍摄预定监控区域内的第三视频图像，确定所述第三视频图像中的各个车辆；确定所述各个车辆在所述第三视频图像中的任一图像帧的第二图像帧中车轮着地点的坐标信息与车轮状态；基于所述坐标信息，针对所述各个车辆的每个车轮分别生成各自的第一热力图；其本文档来自技高网...

【技术保护点】
1.一种基于车轮着地点检测车辆停车状态的方法，其特征在于，包括：/n获取通过摄像机拍摄预定监控区域内的第一视频图像，并根据所述第一视频图像，确定每一个停车位的位置信息；/n基于车辆检测算法，检测所述第一视频图像中的车辆，并基于已确定的所述每一个停车位的位置信息，确定检测到的车辆是否停在任一停车位内；/n若所述车辆停在任一停车位内，检测所述车辆的车轮着地点位置；/n根据检测到的所述车辆的车轮着地点位置，判断所述车辆的停车状态。/n

【技术特征摘要】
1.一种基于车轮着地点检测车辆停车状态的方法，其特征在于，包括：
获取通过摄像机拍摄预定监控区域内的第一视频图像，并根据所述第一视频图像，确定每一个停车位的位置信息；
基于车辆检测算法，检测所述第一视频图像中的车辆，并基于已确定的所述每一个停车位的位置信息，确定检测到的车辆是否停在任一停车位内；
若所述车辆停在任一停车位内，检测所述车辆的车轮着地点位置；
根据检测到的所述车辆的车轮着地点位置，判断所述车辆的停车状态。


2.根据权利要求1所述的方法，其特征在于，所述根据所述第一视频图像，确定每一个停车位的位置信息，包括：
根据所述第一视频图像，分别选择各个停车位处于无车状态时的任一停车位图像；
基于已确定的各个停车位处于无车状态时的停车位图像，在所述停车位图像中确定各个停车位的位置信息；
其中，停车位的位置信息包括停车位各个库角的坐标和两两相邻角点构成的各个边线中的至少一项。


3.根据权利要求1或2所述的方法，其特征在于，在所述基于车辆检测算法，检测所述第一视频图像中的车辆的步骤之前，包括：
获取所述摄像机拍摄预定监控区域内的第二视频图像；
对所述第二视频图像中的车辆进行标注，并基于标注后的所述第二视频图像训练深度卷积神经网络，得到车辆检测模型。


4.根据权利要求3所述的方法，其特征在于，所述基于车辆检测算法，检测所述第一视频图像中的车辆，并基于已确定的所述每一个停车位的位置信息，确定检测到的车辆是否停在任一停车位内，包括：
通过所述车辆检测模型，检测所述第一视频图像中的车辆；
确定所述第一视频图像中存在车辆的第一图像帧，并确定所述第一图像帧中所述车辆的车辆区域的坐标信息；
基于已确定的所述每一个停车位的位置信息和所述车辆区域的坐标信息，计算所述车辆区域是否在任一停车位内；
若是，确定所述车辆区域所在的当前停车位的位置信息。


5.根据权利要求1所述的方法，其特征在于，在所述检测所述车辆的车轮着地点位置的步骤之前，包括：
训练基于卷积神经网络的车轮着地点检测模型。


6.根据权利要求5所述的方法，其特征在于，在所述训练基于卷积神经网络的车轮着地点检测模型步骤之前，包括：
获取通过所述摄像机拍摄预定监控区域内的第三视频图像，确定所述第三视频图像中的各个车辆；
确定所述各个车辆在所述第三视频图像中的任一图像帧的第二图像帧中车轮着地点的坐标信息与车轮状态；
基于所述坐标信息，针对所述各个车辆的每个车轮分别生成各自的第一热力图；
其中，所述车轮状态包括车轮着地点在图像中可见、车轮着地点在图像中不可见和车轮着地点不在图像中的任一种；
其中，若车轮状态为车轮着地点在图像中可见，进一步包括：
分别计算所述车轮对应的第一热力图中位置的值；
若车轮状态为车轮着地点在图像中不可见或车轮着地点不在图像中，所述车轮对应的第一热力图中位置的值为预定值。


7.根据权利要求6所述的方法，其特征在于，所述训练基于卷积神经网络的车轮着地点检测模型，包括：
在预定残差网络的最后一特征层之后添加预定个数的上采样层，并基于各个所述第二图像帧，训练所述预定残差网络；
将所述第二图像帧输入所述预定残差网络生成所述各个车辆每个车轮的第二热力图，得到所述各个车辆每个车轮的第二热力图中位置的值与所述各个车辆每个车轮的第一热力图中位置的值的损失函数，通过所述损失函数调整所述预定残差网络，得到车轮着地点检测模型。


8.根据权利要求7所述的方法，其特征在于，所述检测所述车辆的车轮着地点位置，包括：
将转化大小后的所述车辆的第一图像帧输入所述车轮着地点检测模型，得到所述车辆每个车轮的第三热力图；
基于所述车辆每个车轮的第三热力图，确定所述车辆每个车轮的着地点位置。


9.根据权利要求8所述的方法，其特征在于，所述根据检测到的所述车辆的车轮着地点位置，判断所述车辆的停车状态，包括：
基于已确定的所述车辆区域所在的当前停车位的位置信息，确定所述车辆停在当前停车位的面积；
确定所述车辆的每一个车轮着地点与当前停车位的每两个相邻库角构成的一组多个三角形的面积；
分别比较每组中的多个三角形面积之和与所述当前停车位面积的大小，得到每组的第一比较结果；
基于所述车辆每组的第一比较结果，确定所述车辆的停车状态；
其中，所述车辆的停车状态包括正常停车、跨位停车和压线停车中的任一种；
其中，所述正常停车包括车轮着地点在停车位内部和车轮着地点在停车位边线上中的任一情形。


10.根据权利要求9所述的方法，其特征在于，所述基于所述车辆每组的第一比较结果，确定所述车辆的停车状态，包括：
针对每一组的第一比较结果，若当前第一比较结果为大于，确定所述当前第一比较结果对应的当前车轮着地点在所述当前停车位外部；
否则，确定所述当前第一比较结果对应的当前车轮着地点在所述当前停车位内部或在当前停车位边线上。


11.根据权利要求10所述的方法，其特征在于，所述基于所述车辆每组的第一比较结果，确定所述车辆的停车状态，进一步包括：
将所述车辆每组第一比较结果分别与所述当前停车位的面积的比值与预定阈值参数比较，得到所述车辆每组的第二比较结果；
针对每一组的第二比较结果，若所述当前第二比较结果为大于，确定所述当前第二比较结果对应的当前车轮着地点在所述当前停车位外部；
否则，确定所述当前第二比较结果对应的当前车轮着地点在所述当前停车位内部或在所述当前停车位边线上。


12.根据权利要求11所述的方法，其特征在于，所述确定所述车辆的停车状态，包括：
若所述车辆的每一个车轮着地点在所述当前停车位内部或在所述当前停车位边线上，确定所述车辆的停车状态为正常停车；
若所述车辆的任一车轮着地点在所述当前停车位外部，进一步包括：
获取与当前停车位相邻的至少一个停车位信息，基于车轮着地点检测模型确定所述车辆的在所述当前停车位外部的车轮着地点是否在当前停车位相邻的任一停车位内；
若是，确定所述车辆的停车状态为跨位停车；
若否，确定...

【专利技术属性】
技术研发人员：闫军，阳平，王艳清，
申请(专利权)人：智慧互通科技有限公司，
类型：发明
国别省市：河北;13