一种基于深度学习车辆检测算法的露天车场泊位位置确定方法及系统技术方案

本发明专利技术公开一种基于深度学习车辆检测算法的露天车场泊位位置确定方法及系统，涉及智能停车管理领域，包括：采用训练好的车辆检测模型获取一段时间内，露天停车场中所有车辆的历史停车位置；采用基于历史数据的聚类算法获取各车辆位置的聚类中心，以各聚类中心预测泊位的位置，可以避免受到停车遮挡，地面泊位线不清晰，特征不明显等外在环境的干扰，进而提升了车场泊位位置的确定准确率和效率；同时继续实时检测车场内的各车辆位置变化，将各车辆位置与已经确定的泊位位置比较，进一步判断出漏掉的泊位位置，进一步提升车场泊位位置的确定准确率。定准确率。定准确率。

【技术实现步骤摘要】
一种基于深度学习车辆检测算法的露天车场泊位位置确定方法及系统


[0001]本专利技术涉及智能停车管理领域，特别涉及一种基于深度学习车辆检测算法的露天车场泊位位置确定方法及系统。

技术介绍

[0002]随着交通的发展及车辆数量的增加，以视频在手段的智能交通监控系统也在不发展，并在交通管理的中发挥了重要作用。其中使用高空相机对停车场的管理是智能交通系统中不可或缺的部分。由于停车场数量以及泊位数量的添加，需要有智能化的方法与装置自动取得泊位位置，以进一步分析车辆的停车行为，服务于停车业务的应用中。
[0003]目前在进行泊位位置确定时，通常采用人工在相机图像中标泊位位置，然而随着泊位数量的增加以相机位置的变化，导致该种方式泊位位置确定的的效率低下。另一种泊位位置确定方法是以目标检测算法直接检测泊位目标，然而由于受到停车遮挡，地面泊位线不清晰，特征不明显等外在环境的干扰，导致泊位位置检测的准确率较低。

技术实现思路

[0004]为解决上述技术问题，本专利技术提供一种基于深度学习车辆检测算法的露天车场泊位位置确定方法及系统，可以解决目前露天车场泊位位置确定效率较低、准确率较低的问题。
[0005]为实现上述目的，一方面，本专利技术提供一种基于深度学习车辆检测算法的露天车场泊位位置确定方法，所述方法包括：根据停车场监控图像生成车辆检测数据集，并根据所述车辆检测数据集训练初始车辆检测模型；根据训练后的车辆检测模型从预置数据库中获取车场预置时间段内的各个车辆位置，所述预置数据库中保存有各个停车场分别对应的监控图像；根据预置聚类算法对所述各个车辆位置进行聚类，得到多个车辆位置的聚类中心；根据所述多个车辆位置的聚类中心生成所述停车场的泊位位置集合。
[0006]进一步地，所述方法还包括：根据训练后的车辆检测模型实时获取停车场内各个车辆的位置信息；判断实时获取的所述各个车辆的位置信息与所述泊位位置集合中的各个泊位位置信息是否匹配；若不匹配，则根据所述车辆的位置信息更新所述泊位位置集合。
[0007]进一步地，所述根据停车场监控图像生成车辆检测数据集，并根据所述车辆检测数据集训练初始车辆检测模型的步骤包括：将所述初始车辆检测模型的处理分辨率、网络结构、先验框调整为小目标检测对
应的模型参数；利用车辆检测数据集通过梯度下降算法训练所述调整后的初始车辆检测模型。
[0008]进一步地，所述根据训练后的车辆检测模型从预置数据库中获取车场预置时间段内的各个车辆位置的步骤包括：通过预置帧差法将所述预置数据库中的车场监控图像划分为静止和运动区域；通过训练后的车辆检测模型按照预置时间间隔对所述车场监控图像进行车辆检测，记录监控图像静止区域中车辆在所在的位置区域。
[0009]进一步地，所述根据所述多个车辆位置的聚类中心生成所述停车场的泊位位置集合的步骤包括：根据所述多个车辆位置的聚类中心生成停车场的各个泊位中心，并且根据预置聚类算法获取每簇车辆的检测框区域；根据每簇车辆的检测框区域，生成所述停车场的泊位位置集合。
[0010]另一方面，本专利技术提供一种基于深度学习车辆检测算法的露天车场泊位位置确定系统，所述系统包括：训练单元，用于根据停车场监控图像生成车辆检测数据集，并根据所述车辆检测数据集训练初始车辆检测模型；获取单元，用于根据训练后的车辆检测模型从预置数据库中获取车场预置时间段内的各个车辆位置，所述预置数据库中保存有各个停车场分别对应的监控图像；聚类单元，用于根据预置聚类算法对所述各个车辆位置进行聚类，得到多个车辆位置的聚类中心；生成单元，用于根据所述多个车辆位置的聚类中心生成所述停车场的泊位位置集合。
[0011]进一步地，所述系统还包括：更新单元；所述获取单元，还用于根据训练后的车辆检测模型实时获取停车场内各个车辆的位置信息；判断实时获取的所述各个车辆的位置信息与所述泊位位置集合中的各个泊位位置信息是否匹配；所述更新单元，用于若不匹配，则根据所述车辆的位置信息更新所述泊位位置集合。
[0012]进一步地，所述训练单元，具体用于将所述初始车辆检测模型的处理分辨率、网络结构、先验框调整为小目标检测对应的模型参数；利用车辆检测数据集通过梯度下降算法训练所述调整后的初始车辆检测模型。
[0013]进一步地，所述获取单元，具体用于通过预置帧差法将所述预置数据库中的车场监控图像划分为静止和运动区域；通过训练后的车辆检测模型按照预置时间间隔对所述车场监控图像进行车辆检测，记录监控图像静止区域中车辆在所在的位置区域。
[0014]进一步地，所述聚类单元，具体用于根据所述多个车辆位置的聚类中心生成停车场的各个泊位中心，并且根据预置聚类算法获取每簇车辆的检测框区域；根据每簇车辆的检测框区域，生成所述停车场的泊位位置集合。
[0015]本专利技术提供的一种基于深度学习车辆检测算法的露天车场泊位位置确定方法及系统，采用训练好的车辆检测模型获取一段时间内，露天停车场中所有车辆的历史停车位
置；采用基于历史数据的聚类算法获取各车辆位置的聚类中心，以各聚类中心预测泊位的位置，可以避免受到停车遮挡，地面泊位线不清晰，特征不明显等外在环境的干扰，进而提升了车场泊位位置的确定准确率和效率；同时继续实时检测车场内的各车辆位置变化，将各车辆位置与已经确定的泊位位置比较，进一步判断出漏掉的泊位位置，进一步提升车场泊位位置的确定准确率。
附图说明
[0016]图1是本专利技术提供的一种基于深度学习车辆检测算法的露天车场泊位位置确定方法的流程图；图2是本专利技术提供的一种基于深度学习车辆检测算法的露天车场泊位位置确定系统的结构示意图；图3是本专利技术提供的露天停车场场景及车辆检测标注示意图；图4是本专利技术提供的车辆检测的模型结构示意图；图5是本专利技术提供的某时间段内检测到的车辆中心点示意图；图6是本专利技术提供的车辆中心点聚类结果示意图；图7是本专利技术提供的通过车辆聚类中心推断泊位位置示意图。
具体实施方式
[0017]下面通过附图和实施例，对本专利技术的技术方案做进一步的详细描述。
[0018]如图1所示，本专利技术实施例提供的一种基于深度学习车辆检测算法的露天车场泊位位置确定方法，包括如下步骤：101、根据停车场监控图像生成车辆检测数据集，并根据所述车辆检测数据集训练初始车辆检测模型。
[0019]对于本专利技术实施例，步骤101具体可以包括：将所述初始车辆检测模型的处理分辨率、网络结构、先验框调整为小目标检测对应的模型参数；利用车辆检测数据集通过梯度下降算法训练所述调整后的初始车辆检测模型。
[0020]例如，从采集一定量的露天停车场高空相机拍摄的监控图像，标注出图像中车辆位置，包括中心点坐标与宽高(x,y,w,h,c)，制作车辆检测数据集，具体的露天停车场监控图及车辆的位置标信息如图3所示。针对高空相机拍摄的视野大，目标分辨率小的特点，改进现有的深度学习目标检测模型，设计针对小目标检测的算法用于大型露天停车场中的车辆检测，具体包括检测模型的处理分辨率，网络结构及先验框的改进，使之能够检本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于深度学习车辆检测算法的露天车场泊位位置确定方法，其特征在于，所述方法包括：根据停车场监控图像生成车辆检测数据集，并根据所述车辆检测数据集训练初始车辆检测模型；根据训练后的车辆检测模型从预置数据库中获取车场预置时间段内的各个车辆位置，所述预置数据库中保存有各个停车场分别对应的监控图像；根据预置聚类算法对所述各个车辆位置进行聚类，得到多个车辆位置的聚类中心；根据所述多个车辆位置的聚类中心生成所述停车场的泊位位置集合。2.根据权利要求1所述的一种基于深度学习车辆检测算法的露天车场泊位位置确定方法，其特征在于，所述方法还包括：根据训练后的车辆检测模型实时获取停车场内各个车辆的位置信息；判断实时获取的所述各个车辆的位置信息与所述泊位位置集合中的各个泊位位置信息是否匹配；若不匹配，则根据所述车辆的位置信息更新所述泊位位置集合。3.根据权利要求1或2所述的一种基于深度学习车辆检测算法的露天车场泊位位置确定方法，其特征在于，所述根据停车场监控图像生成车辆检测数据集，并根据所述车辆检测数据集训练初始车辆检测模型的步骤包括：将所述初始车辆检测模型的处理分辨率、网络结构、先验框调整为小目标检测对应的模型参数；利用车辆检测数据集通过梯度下降算法训练所述调整后的初始车辆检测模型。4.根据权利要求1所述的一种基于深度学习车辆检测算法的露天车场泊位位置确定方法，其特征在于，所述根据训练后的车辆检测模型从预置数据库中获取车场预置时间段内的各个车辆位置的步骤包括：通过预置帧差法将所述预置数据库中的车场监控图像划分为静止和运动区域；通过训练后的车辆检测模型按照预置时间间隔对所述车场监控图像进行车辆检测，记录监控图像静止区域中车辆在所在的位置区域。5.根据权利要求1所述的一种基于深度学习车辆检测算法的露天车场泊位位置确定方法，其特征在于，所述根据所述多个车辆位置的聚类中心生成所述停车场的泊位位置集合的步骤包括：根据所述多个车辆位置的聚类中心生成停车场的各个泊位中心，并且根据预置聚类算法获取每簇车辆的检测框区域；根据每簇车辆的检测框区域...

【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：智慧互通科技股份有限公司，
类型：发明
国别省市：