[發(fā)明專利]一種基于停車場(chǎng)的車輛定位方法、系統(tǒng)和存儲(chǔ)介質(zhì)

在審

• 申請(qǐng)?zhí)枺?/td>: 202011340370.1
• 申請(qǐng)日: 2020-11-25
• 公開(kāi)（公告）號(hào): CN112509041A
• 公開(kāi)（公告）日: 2021-03-16
• 發(fā)明（設(shè)計(jì)）人: 楊承奐;趙文一
• 申請(qǐng)（專利權(quán)）人: 杭州自動(dòng)桌信息技術(shù)有限公司
• 主分類號(hào): G06T7/73
• 分類號(hào): G06T7/73;G06T7/246;G06T7/292;G06K9/00;G06K9/32;G06F16/51;G06F16/583;G06F16/587;G08G1/14
• 代理公司: 暫無(wú)信息
• 代理人: 暫無(wú)信息

1.一種基于停車場(chǎng)的車輛定位方法，其特征在于，所述方法包括：

獲取目標(biāo)車輛的車牌號(hào)和車輛全貌圖像；

建立用于關(guān)聯(lián)所述車牌號(hào)與所述車輛全貌圖像的映射關(guān)系；

利用預(yù)先訓(xùn)練好的學(xué)習(xí)模型對(duì)所述車輛全貌圖像進(jìn)行處理，并獲得所述目標(biāo)車輛的特征信息；

根據(jù)所述特征信息，獲得所述目標(biāo)車輛停放時(shí)的位置信息；

根據(jù)所述位置信息和所述映射關(guān)系，對(duì)所述目標(biāo)車輛所在停車場(chǎng)的車位數(shù)據(jù)庫(kù)進(jìn)行更新。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述根據(jù)所述特征信息，獲得所述目標(biāo)車輛停放時(shí)的位置信息包括：

根據(jù)所述特征信息和車輛重識(shí)別算法，獲得所述目標(biāo)車輛停放時(shí)的位置信息。

3.根據(jù)權(quán)利要求2所述的方法，其特征在于，根據(jù)所述特征信息和車輛重識(shí)別算法，獲得所述目標(biāo)車輛停放時(shí)的位置信息包括：

根據(jù)所述特征信息和所述車輛重識(shí)別算法，獲得所述目標(biāo)車輛停放時(shí)的停車圖像，所述停車圖像包括所述目標(biāo)車輛；

對(duì)所述停車圖像內(nèi)的所述目標(biāo)車輛進(jìn)行坐標(biāo)數(shù)據(jù)匹配，并獲得所述位置信息。

4.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述特征信息包括對(duì)應(yīng)于所述目標(biāo)車輛的粗粒度特征和細(xì)粒度特征，所述粗粒度特征至少包括車輛的車型和顏色，所述細(xì)粒度特征至少包括車輛的年檢標(biāo)、飾物、紙巾盒、貼紙和刮痕；所述學(xué)習(xí)模型的訓(xùn)練過(guò)程包括：

A、利用卷積神經(jīng)網(wǎng)絡(luò)對(duì)預(yù)先設(shè)定的訓(xùn)練集進(jìn)行卷積、池化和全連接處理，并獲得對(duì)應(yīng)于所述訓(xùn)練集的視覺(jué)特征；

B、對(duì)上述視覺(jué)特征進(jìn)行拆分，從而獲得兩個(gè)內(nèi)容不同但維度相同的子視覺(jué)特征；

C、對(duì)其中一個(gè)子視覺(jué)特征進(jìn)行分類學(xué)習(xí)，獲得基于粗粒度特征區(qū)分的分類學(xué)習(xí)結(jié)果，并將所述分類學(xué)習(xí)結(jié)果與訓(xùn)練集的實(shí)際分類結(jié)果進(jìn)行比較，進(jìn)而獲得用于說(shuō)明所述分類學(xué)習(xí)過(guò)程的分類準(zhǔn)確度的粗粒度損失值；

D、對(duì)另外一個(gè)子視覺(jué)特征進(jìn)行度量學(xué)習(xí)，獲得基于細(xì)粒度特征區(qū)分的度量學(xué)習(xí)結(jié)果，并將所述度量學(xué)習(xí)結(jié)果與訓(xùn)練集的實(shí)際度量結(jié)果進(jìn)行比較，進(jìn)而獲得用于說(shuō)明所述度量學(xué)習(xí)過(guò)程的度量準(zhǔn)確度的細(xì)粒度損失值；

E、根據(jù)所述粗粒度損失值和所述細(xì)粒度損失值，對(duì)所述卷積神經(jīng)網(wǎng)絡(luò)、所述分類學(xué)習(xí)過(guò)程和所述度量學(xué)習(xí)過(guò)程的參數(shù)進(jìn)行調(diào)整；

F、對(duì)所述訓(xùn)練集重復(fù)步驟A-E的過(guò)程，直至所述粗粒度損失值和所述細(xì)粒度損失值均不再下降，結(jié)束對(duì)所述卷積神經(jīng)網(wǎng)絡(luò)、所述分類學(xué)習(xí)過(guò)程和所述度量學(xué)習(xí)過(guò)程的參數(shù)調(diào)整，并得到訓(xùn)練好的學(xué)習(xí)模型。

5.根據(jù)權(quán)利要求4所述的方法，其特征在于，在對(duì)所述訓(xùn)練集重復(fù)步驟A-E的過(guò)程中，所述方法還包括：

根據(jù)參數(shù)調(diào)整后的分類學(xué)習(xí)過(guò)程對(duì)所述步驟D所要處理的視覺(jué)特征進(jìn)行篩分，并將篩分后的視覺(jué)特征送入步驟D中進(jìn)行處理。

6.一種基于停車場(chǎng)的車輛定位系統(tǒng)，其特征在于，所述系統(tǒng)包括：

識(shí)別裝置，獲取目標(biāo)車輛的車牌號(hào)和車輛全貌圖像；

關(guān)聯(lián)裝置，用于建立用于關(guān)聯(lián)所述車牌號(hào)與所述車輛全貌圖像的映射關(guān)系；

特征提取裝置，用于利用預(yù)先訓(xùn)練好的學(xué)習(xí)模型對(duì)所述車輛全貌圖像進(jìn)行處理，并獲得所述目標(biāo)車輛的特征信息；

定位裝置，用于根據(jù)所述特征信息，獲得所述目標(biāo)車輛停放時(shí)的位置信息；

數(shù)據(jù)更新裝置，用于根據(jù)所述停放位置和所述映射關(guān)系，對(duì)所述目標(biāo)車輛所在停車場(chǎng)的車位數(shù)據(jù)庫(kù)進(jìn)行更新。

7.根據(jù)權(quán)利要求6所述的系統(tǒng)，其特征在于，所述定位裝置包括定位模塊，所述定位模塊用于根據(jù)所述特征信息和車輛重識(shí)別算法，獲得所述目標(biāo)車輛停放時(shí)的位置信息。