[發(fā)明專利]一種智能停車車位檢測方法

在審

• 申請?zhí)枺?/td>: 201711366711.0
• 申請日: 2017-12-18
• 公開（公告）號: CN108108689A
• 公開（公告）日: 2018-06-01
• 發(fā)明（設計）人: 黎海濤;王馬成
• 申請（專利權）人: 北京工業(yè)大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/04;G06T3/40;G08G1/14
• 代理公司: 北京思海天達知識產權代理有限公司 11203
• 代理人: 張慧

本發(fā)明提供了一種智能停車車位檢測方法，其在服務器端先利用深度學習中卷積神經網絡算法精確度高的優(yōu)勢，對現有監(jiān)控系統(tǒng)采集的不同場景中停車場圖像進行訓練。然后根據訓練得到的CNN模型，對當前采集的停車場圖像進行分類識別，獲得當前車位的檢測結果。最后，服務器端把停車場當前車位狀態(tài)信息和位置信息傳送到用戶端，用戶利用應用軟件根據當前車位狀態(tài)信息選擇車位，并根據車位位置對車輛導航到所選擇的未被占用車位。與現有停車位檢測及車位誘導方法相比，本發(fā)明提出的方法能夠在復雜環(huán)境下克服天氣變化、光照強度、陰影及行人雜物等因素的影響，提高車位檢測正確率，同時降低停車場管理成本。

技術領域

本發(fā)明涉及智能停車管理領域，是一種提高車位利用效率，減少停車場附近路面擁擠的智能停車車位檢測方法。

背景技術

隨著汽車需求量和保有量的迅速増長，＂停車難＂的問題日益突出。在私人汽車剛剛興起之時，停車場規(guī)模較小且多采用人工進行管理，車主需要長時間占用車道尋找空車位，增加了管理人員的勞動強度且管理效率低。隨著停車場越建越大，傳統(tǒng)人工管理方式的缺陷更加突出。于是，停車場的管理逐步向非人工方式的智能停車系統(tǒng)發(fā)展。

在停車管理系統(tǒng)中，車位檢測是實現智能停車的關鍵。目前，已提出一些空閑車位檢測技術，主要包括：地磁傳感器的車位檢測技術、超聲波車位檢測技術、射頻(RFID)識別技術等。這些停車位檢測技術中，需要在每個車位區(qū)域的周圍或者地面下安裝傳感器，然后通過有線/無線網絡將每個車位的檢測信息傳送到服務器端。

這幾種方法均需要對路面進行施工來安裝傳感器，直接影響停車場的運營，而且如果有外力導致傳感器損壞，維護時也需要對路面施工，直接增加設備成本和維護成本。尤其是室外的大型停車場的車位檢測，采用上述幾種方法并不合適。

近年來，在視頻監(jiān)控聯(lián)網技術的推動下，包括停車場在內的諸多地方均已安裝了攝像頭等圖像/視頻采集裝置。因此人們提出基于圖像的空車位檢測技術。一般的圖像識別的車位檢測技術中，采用圖像比對的方式進行識別。首先對所要識別區(qū)域進行圖像采集，對所有車位進行識別，將把它設定為基準圖像；然后需要識別停車信息時再次對目標區(qū)域進行圖像采集并識別。由于環(huán)境不同和圖像在采集之后壓縮過程中存在圖像質量的下降和其它噪聲干擾，降低車位正確檢測率。

考慮到卷積神經網絡(CNN)等深度學習算法(DL)在圖像、語音和文本多個領域得到了廣泛應用，本發(fā)明提出利用深度卷積神經網絡來檢測空閑車位方法，以此為核心設計出對用戶進行車位誘導的智能停車管理系統(tǒng)。

發(fā)明內容

本發(fā)明解決的技術問題是，提供一種智能停車車位檢測方法，在復雜環(huán)境下，如天氣變化、光照強度、陰影及行人雜物等因素的影響，如何提高車位檢測正確率。

本發(fā)明的基本原理為：先利用深度學習中卷積神經網絡算法精確度高的優(yōu)勢，對采集的不同場景中停車場圖像進行訓練。然后根據訓練得到的CNN網絡模型，定時對采集的停車場圖像進行處理，獲得當前車位的檢測結果。

一種智能停車車位檢測方法，包括以下實施步驟：

步驟1：利用現有視頻監(jiān)控系統(tǒng)，在不同天氣條件下，采集不同的停車場的圖像，對圖像進行分類并生成樣本；

所述步驟1包括：

1.1)記采集的所有不同停車場在不同天氣條件下為類別j的停車場圖像組成集合Cj,其中1≤j≤N，N為類別總數；判斷所有采集的圖像中是否有彩色圖像，如果是，則轉入步驟1.2)，如果否，則轉入步驟1.3)；

1.2)將所有停車場圖像中的彩色圖像轉換為灰度圖像；

1.3)將得到的所有停車場的灰度圖像縮放至為W×H像素大小，其中W和H均為整數且W≥32，H≥32；

1.4)本步驟包括以下子步驟：