【技术实现步骤摘要】
本专利技术涉及视频图像识别，具体涉及一种面向嵌套式停车场的车辆进出识别方法及系统。
技术介绍
1、随着城市车辆数量的增加，停车场的管理需求日益复杂。嵌套式停车场的结构尤为复杂，通常分为多个层次的停车区域，需要车辆在多个关联道闸间进出，这使得车辆识别和管理难度加大。
2、现有的车辆识别系统虽然能够识别车辆，但在嵌套式停车场中存在视频匹配的挑战，比如，不同道闸的摄像头拍摄角度以及车辆进入时的角度等不同，导致每个道闸的视频中车辆区域的角度和细节不同，导致视频匹配的准确性降低，进而影响了车辆识别的精度。
3、因此，需要一种方法能够有效匹配车辆在各个道闸间的视频，提升识别准确性，满足嵌套式停车场的管理需求。
技术实现思路
1、为了解决以上的技术问题，本专利技术的目的在于提供一种面向嵌套式停车场的车辆进出识别方法及系统。
2、根据本专利技术实施例的第一方面，提供的一种面向嵌套式停车场的车辆进出识别方法，所采用的技术方案具体如下：
3、获取车辆通过每一道道闸时的车辆视频，并对所述车辆视频进行预处理，得到车辆区域；
4、对所述车辆区域进行分块处理，并根据车辆通过第一道道闸时获取的车辆视频的第一帧中车辆区域的分块信息，构建初始车辆模型；
5、在所述初始车辆模型中构建窗口，分析所述窗口的第一灰度特征，得到窗口特征向量；
6、分析后续车辆视频的每一帧图像中车辆区域的每个分块的第二灰度特征，得到分块特征向量；
8、在所述分块和所述参考模型窗口的八邻域范围内，分析所述分块与其对应的参考模型窗口的匹配程度；
9、基于所述匹配程度，进行分块匹配与初始车辆模型的完善。
10、在本专利技术的一些实施例中，在所述初始车辆模型中构建窗口，分析所述窗口的第一灰度特征，得到窗口特征向量，包括：
11、在所述初始车辆模型中，以每个像素点作为左上角起始位置构建窗口，所述窗口大小与所述分块大小相同；
12、根据所述初始车辆模型中像素点的灰度值，以及所述像素点对应的窗口中所有像素点的灰度值的均值和标准差，得到窗口特征向量。
13、在本专利技术的一些实施例中，分析后续车辆视频的每一帧图像中车辆区域的每个分块的第二灰度特征，得到分块特征向量，包括：
14、分析后续车辆视频的每一帧图像中车辆区域的每个分块的左上角起始位置的像素点的灰度值，以及所述分块中所有像素点的灰度值的均值和标准差，得到分块特征向量。
15、在本专利技术的一些实施例中，根据所述窗口特征向量和所述分块特征向量，分析后续车辆视频的每一帧图像中车辆区域的每个分块与初始车辆模型中每个窗口之间的余弦相似度，得到所述分块的参考模型窗口，包括：
16、根据所述窗口特征向量和所述分块特征向量，得到后续车辆视频的每一帧图像中车辆区域的每个分块与初始车辆模型中每个窗口之间的余弦相似度；
17、设置相似度阈值；
18、将所述分块对应的余弦相似度大于相似度阈值对应的所述窗口，作为所述分块的参考模型窗口。
19、在本专利技术的一些实施例中，在所述分块和所述参考模型窗口的八邻域范围内，分析所述分块与其对应的参考模型窗口的匹配程度，包括：
20、将所述分块及其对应的八邻域分块，与所述分块对应的参考模型窗口及参考模型窗口对应的八邻域窗口，构成分块-窗口组合；
21、分析所述分块-窗口组合中所有对应的像素点的灰度相似程度，得到所述分块与其对应的参考模型窗口的匹配程度。
22、在本专利技术的一些实施例中，基于所述匹配程度，进行分块匹配，完成初始车辆模型的完善，包括：
23、获取所述分块与其对应的参考模型窗口的匹配程度的最大值，作为所述分块的最大匹配程度；
24、设置匹配程度阈值；
25、获取所述分块与监控历史时间同一位置分块之间的历史匹配程度；
26、分析所述最大匹配程度与所述历史匹配程度的大小关系，结合所述最大匹配程度与所述匹配程度阈值的大小关系，判断所述分块是否加入数据库，完成初始车辆模型的完善。
27、在本专利技术的一些实施例中，分析所述最大匹配程度与所述历史匹配程度的大小关系，结合所述最大匹配程度与所述匹配程度阈值的大小关系，判断所述分块是否加入数据库，包括：
28、所述最大匹配程度不低于所述历史匹配程度，且所述最大匹配程度大于所述匹配程度阈值，所述分块不加入数据库；
29、所述最大匹配程度不低于所述历史匹配程度，但所述最大匹配程度不大于所述匹配程度阈值，所述分块加入数据库；
30、所述最大匹配程度低于所述历史匹配程度，所述分块不加入数据库。
31、在本专利技术的一些实施例中，对所述车辆视频进行预处理，得到车辆区域，包括：
32、利用语义分割技术，对所述车辆视频的每一帧图像进行图像分割，得到每一帧图像对应的车辆区域。
33、根据本专利技术实施例的第二方面，提供的一种面向嵌套式停车场的车辆进出识别系统，包括：存储器和处理器，其中：
34、所述存储器，用于存储程序代码；
35、所述处理器，用于读取所述存储器中存储的程序代码，并执行本专利技术实施例的第一方面所述的方法。
36、在本专利技术的一些实施例中，所述处理器包括：
37、车辆区域获取模块，用于获取车辆通过每一道道闸时的车辆视频，并对所述车辆视频进行预处理，得到车辆区域；
38、车辆数据模型构建模块，用于对所述车辆区域进行分块处理，并根据车辆通过第一道道闸时获取的第一帧车辆视频中车辆区域的分块信息，构建初始车辆模型；
39、特征向量分析模块，用于在所述初始车辆模型中构建窗口，分析所述窗口的第一灰度特征，得到窗口特征向量；以及用于分析后续车辆视频的每一帧图像中车辆区域的每个分块的第二灰度特征，得到分块特征向量；
40、匹配程度分析模块，用于根据所述窗口特征向量和所述分块特征向量，分析后续车辆视频的每一帧图像中车辆区域的每个分块与初始车辆模型中每个窗口之间的余弦相似度，得到所述分块的参考模型窗口；然后在所述分块和所述参考模型窗口的八邻域范围内，分析所述分块与其对应的参考模型窗口的匹配程度；
41、车辆数据模型完善模块，用于基于所述匹配程度，进行分块匹配与初始车辆模型的完善。
42、相较于现有技术，本专利技术提供的一种面向嵌套式停车场的车辆进出识别方法及系统，具有如下有益效果：
43、1.本专利技术通过逐步构建车辆的特征模型，提高了后续视频匹配效率，确保复杂场景中车辆识别的准确性和实时性，提升了嵌套式停车场中多道闸的车辆识别精度。
44、2.本专利技术本文档来自技高网...
【技术保护点】
1.一种面向嵌套式停车场的车辆进出识别方法，其特征在于，所述方法包括：
2.根据权利要求1所述的面向嵌套式停车场的车辆进出识别方法，其特征在于，在所述初始车辆模型中构建窗口，分析所述窗口的第一灰度特征，得到窗口特征向量，包括：
3.根据权利要求1所述的面向嵌套式停车场的车辆进出识别方法，其特征在于，分析后续车辆视频的每一帧图像中车辆区域的每个分块的第二灰度特征，得到分块特征向量，包括：
4.根据权利要求1所述的面向嵌套式停车场的车辆进出识别方法，其特征在于，根据所述窗口特征向量和所述分块特征向量，分析后续车辆视频的每一帧图像中车辆区域的每个分块与初始车辆模型中每个窗口之间的余弦相似度，得到所述分块的参考模型窗口，包括：
5.根据权利要求1所述的面向嵌套式停车场的车辆进出识别方法，其特征在于，在所述分块和所述参考模型窗口的八邻域范围内，分析所述分块与其对应的参考模型窗口的匹配程度，包括：
6.根据权利要求1所述的面向嵌套式停车场的车辆进出识别方法，其特征在于，基于所述匹配程度，进行分块匹配，完成初始车辆模型的完善，包括：<...
【技术特征摘要】
1.一种面向嵌套式停车场的车辆进出识别方法，其特征在于，所述方法包括：
2.根据权利要求1所述的面向嵌套式停车场的车辆进出识别方法，其特征在于，在所述初始车辆模型中构建窗口，分析所述窗口的第一灰度特征，得到窗口特征向量，包括：
3.根据权利要求1所述的面向嵌套式停车场的车辆进出识别方法，其特征在于，分析后续车辆视频的每一帧图像中车辆区域的每个分块的第二灰度特征，得到分块特征向量，包括：
4.根据权利要求1所述的面向嵌套式停车场的车辆进出识别方法，其特征在于，根据所述窗口特征向量和所述分块特征向量，分析后续车辆视频的每一帧图像中车辆区域的每个分块与初始车辆模型中每个窗口之间的余弦相似度，得到所述分块的参考模型窗口，包括：
5.根据权利要求1所述的面向嵌套式停车场的车辆进出识别方法，其特征在于，在所述分块和所述参考模型窗口的...
【专利技术属性】
技术研发人员：伦毅均，翟晋权，
申请(专利权)人：东莞市杰瑞智能科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。