[發明專利]一種路側停車的管理方法及裝置有效
| 申請號: | 202110597859.5 | 申請日: | 2021-05-31 |
| 公開(公告)號: | CN113450575B | 公開(公告)日: | 2022-04-19 |
| 發明(設計)人: | 閆軍;劉艷洋 | 申請(專利權)人: | 超級視線科技有限公司 |
| 主分類號: | G08G1/017 | 分類號: | G08G1/017;G08G1/01;G08G1/14;G06V20/40;G06N3/04 |
| 代理公司: | 暫無信息 | 代理人: | 暫無信息 |
| 地址: | 100080 北京市海淀*** | 國省代碼: | 北京;11 |
| 權利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關鍵詞: | 一種 停車 管理 方法 裝置 | ||
1.一種路側停車的管理方法,其特征在于,包括:
獲取多個攝像機采集的視頻圖像信息,確定各視頻幀中的泊位區域檢測框;
檢測各視頻幀中是否存在車輛,若存在,確定所述泊位區域檢測框的坐標信息,通過多層卷積神經網絡對各圖像幀進行車輛特征提取,得到所述車輛的第一特征表示向量;
通過多層卷積神經網絡,對所述第一特征表示向量進行特征融合,得到第二特征表示向量,并根據所述第二特征表示向量,計算每一幀圖像中所述車輛的運動矢量方向和運動距離大小;
根據所述泊位區域檢測框的坐標信息,分析預定時長內所述車輛的運動矢量方向和運動距離大小,得到分析結果,并根據分析結果確定所述車輛的停車事件;
所述根據所述泊位區域檢測框的坐標信息,分析預定時長內所述車輛的運動矢量方向和運動距離大小,得到分析結果,并根據分析結果確定所述車輛的停車事件,包括:
根據所述泊位區域檢測框的坐標信息,在各視頻圖像的任一視頻幀圖像的二維坐標系中,分別確定預定時長內所述車輛的運動矢量方向指向泊位區域內和指向泊位區域外的視頻幀的數量與在預定時長內的總視頻幀數的比例;
若預定時長內所述車輛的運動矢量方向指向泊位區域內的視頻幀的數量與在預定時長內的總視頻幀數的比例大于預定閾值,確定所述車輛發生入場事件;
若預定時長內所述車輛的運動矢量方向指向泊位區域外的視頻幀的數量與在預定時長內的總視頻幀數的比例大于預定閾值,確定所述車輛發生出場事件。
2.根據權利要求1所述的方法,其特征在于,所述獲取多個攝像機采集的視頻圖像信息,確定各視頻幀中的泊位區域檢測框,包括:
確定預定圖像采集區域內車輛泊位的各個頂點在各個圖像中的坐標;
根據所述坐標,確定各個攝像機視頻采集視頻幀圖像中的泊位區域檢測框。
3.根據權利要求2所述的方法,其特征在于,所述檢測各視頻幀中是否存在車輛,若存在,確定所述泊位區域檢測框的坐標信息,包括:
通過預定目標檢測算法檢測所述圖像幀中是否存在車輛;
若存在,確定所述泊位區域檢測框各頂點的像素坐標信息。
4.根據權利要求3所述的方法,其特征在于,所述通過多層卷積神經網絡對各圖像幀進行車輛特征提取,得到所述車輛的第一特征表示向量,包括:
根據所述泊位區域檢測框各頂點的像素坐標信息,將所述圖像幀輸入至多層卷積神經網絡;
通過多個卷積層的編碼運算,提取得到所述車輛在所述多個卷積層中的高層第一特征表示向量和低層第一特征表示向量。
5.根據權利要求4所述的方法,其特征在于,所述通過多層卷積神經網絡,對所述第一特征表示向量進行特征融合,得到第二特征表示向量,包括:
通過所述多層卷積神經網絡的轉換層,將提取得到的所述高層第一特征表示向量和所述低層第一特征表示向量進行堆積,得到堆積后的特征表示向量圖;
將所述堆積后的特征表示向量圖進行融合,得到第二特征表示向量。
6.根據權利要求5所述的方法,其特征在于,所述根據所述第二特征表示向量,計算每一幀圖像中所述車輛的運動矢量方向和運動距離大小,包括:
根據所述第二特征表示向量,通過稠密光流計算計算每一幀圖像中所述車輛的運動矢量方向和運動距離大小。
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超級視線科技有限公司,未經超級視線科技有限公司許可,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/202110597859.5/1.html,轉載請聲明來源鉆瓜專利網。





