[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

本發明公開了一種基于車頂模型的停車行為算法，包括：車位框定及世界坐標系建模；采用高分辨率相機實時檢測其正下方視頻圖像；判斷當前視頻圖像中是否存在車輛；當視頻圖像中存在車輛時，判斷所述車輛是否有車牌，當檢測到車牌模型時，進行車牌的實時矯正及跟蹤識別，然后對車輛在世界坐標系下進行精準定位；當檢測到車頂模型卻檢測不到車牌模型時，直接對車輛在世界坐標系下進行精準定位；然后對定位后的車輛進行跟蹤及狀態抓拍；繼而通過車頂跟蹤確定車輛的運動軌跡，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；最后輸出車輛信息及其停車狀態。本發明可對正下方的車頂模型進行檢測及車輛跟蹤，準確判斷車位內的車輛狀態。

技術領域

本發明涉及停車管理技術領域，尤其涉及一種基于車頂模型的停車行為算法。

背景技術

現今，路內泊車位視頻監控管理領域，因應用方案及其他因素的限制，對泊車位內的車輛進行監控時，仍存在不少問題。例如，高點視頻監控對泊車位進行管理，是不能監控相機正下方停車位的停車行為的，因為現今的視頻監控只能對車頭和車尾模型進行車輛跟蹤，對于正下方的車頂模型跟蹤很難實現，只能采用視頻樁等低位方案去彌補，如此高位視頻監控方案的靈活度大大減小。

發明內容

針對上述現有技術中存在的不足之處，本發明提供一種基于車頂模型的停車行為算法，該算法包括：

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。

進一步地，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。

進一步地，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。

進一步地，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。

進一步地，所述步驟五中利用Radon變換對車牌進行矯正。

進一步地，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。

進一步地，所述步驟七中對車輛運動狀態的抓拍針對連續的視頻流圖像進行抓拍。

進一步地，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。

進一步地，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。