[發明專利]一種基于車頂模型的停車行為算法在審
| 申請號: | 201811573650.X | 申請日: | 2018-12-21 |
| 公開(公告)號: | CN109509368A | 公開(公告)日: | 2019-03-22 |
| 發明(設計)人: | 胡中華;彭磊;劉鳴;劉園 | 申請(專利權)人: | 深圳信路通智能技術有限公司 |
| 主分類號: | G08G1/14 | 分類號: | G08G1/14;G06T7/246;G06K9/00 |
| 代理公司: | 北京匯信合知識產權代理有限公司 11335 | 代理人: | 孫民興 |
| 地址: | 518000 廣東省深圳市南山區*** | 國省代碼: | 廣東;44 |
| 權利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關鍵詞: | 車頂 車牌 世界坐標系 視頻圖像 檢測 車輛狀態 精準定位 停車狀態 行為算法 車位 跟蹤 停車 高分辨率相機 車輛跟蹤 車輛信息 實時檢測 運動軌跡 泊車 對正 建模 抓拍 矯正 輸出 | ||
1.一種基于車頂模型的停車行為算法,其特征在于,所述算法包括:
步驟一、進行車位框定及世界坐標系建模;
步驟二、采用高分辨率相機實時檢測其正下方視頻圖像;
步驟三、判斷當前視頻圖像中是否存在車輛,當視頻圖像中不存在車輛時,進入步驟二;當視頻圖像中存在車輛時,進入步驟四;
步驟四、判斷所述車輛是否有車牌,當檢測到車頂模型卻檢測不到車牌模型時,直接進入步驟六;當檢測到車牌模型時,則進入步驟五;
步驟五、進行車牌的實時矯正及跟蹤識別;
步驟六、對所述車輛在世界坐標系下進行精準定位;
步驟七、對所述車輛的運動軌跡進行跟蹤,并對車輛運動狀態進行抓拍;
步驟八、通過車頂跟蹤確定所述車輛的運動軌跡,并結合泊車位內是否存在車輛狀態,來判斷車輛的停車狀態;
步驟九、輸出車輛信息及其停車狀態。
2.如權利要求1所述的基于車頂模型的停車行為算法,其特征在于,所述步驟一中采用相機標定法對各個泊車位進行框定,在此基礎上對地面的泊位邊緣進行世界坐標系平面建模,用于對場景中所有圖形對象的空間定位。
3.如權利要求1所述的基于車頂模型的停車行為算法,其特征在于,所述步驟二中通過模型訓練的方法,利用樣本訓練獲得車頂模型、車牌模型,然后根據車頂模型和車牌模型對視頻圖像進行對比檢測。
4.如權利要求1所述的基于車頂模型的停車行為算法,其特征在于,所述判斷當前視頻圖像中是否存在車輛的方式為:當所述步驟二中搜索到與車頂模型相似的區域時,則判斷視頻圖像中存在車輛;當步驟二中沒有搜索到與車頂模型相似的區域時,則判斷視頻圖像中不存在車輛。
5.如權利要求1所述的基于車頂模型的停車行為算法,其特征在于,所述步驟五中利用Radon變換對車牌進行矯正。
6.如權利要求1所述的基于車頂模型的停車行為算法,其特征在于,所述步驟六中對車輛進行精確定位所采用的方式為:將車頂邊緣映射到路面,確定映射點在世界坐標系中的坐標,從而計算車輛位置及車輛與各個停車位之間的距離。
7.如權利要求1所述的基于車頂模型的停車行為算法,其特征在于,所述步驟七中對車輛運動狀態的抓拍是針對連續的視頻流圖像進行抓拍。
8.如權利要求1所述的基于車頂模型的停車行為算法,其特征在于,所述步驟八中判斷車輛的停車狀態采用的技術有連續多幀車頂檢測、基于灰度圖的haar特征算法和基于灰度圖的廣義hough變換中的至少一種。
9.如權利要求1所述的基于車頂模型的停車行為算法,其特征在于,所述步驟九中輸出的車輛信息包括車牌信息、車型、車標和車身顏色中的至少一種;停車狀態包括車輛所在的泊位號和停車時間。
10.如權利要求9所述的基于車頂模型的停車行為算法,其特征在于,所述步驟九中對于車牌信息的獲得采用的技術為:綜合矯正后的各幀車牌質量,對不同角度的車牌分別識別,然后采用投票機制確定最終的車牌信息。
該專利技術資料僅供研究查看技術是否侵權等信息,商用須獲得專利權人授權。該專利全部權利屬于深圳信路通智能技術有限公司,未經深圳信路通智能技術有限公司許可,擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作,請聯系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/201811573650.X/1.html,轉載請聲明來源鉆瓜專利網。





