[發明專利]一種基于高點視頻分析的停車場空位引導系統

在審

• 申請號: 202110606293.8
• 申請日: 2021-05-27
• 公開（公告）號: CN113327453A
• 公開（公告）日: 2021-08-31
• 發明（設計）人: 胥志偉
• 申請（專利權）人: 山東巍然智能科技有限公司
• 主分類號: G08G1/14
• 分類號: G08G1/14;G08G1/0968;G08G1/017;G06K9/00;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 青島易維申知識產權代理事務所(普通合伙) 37310
• 代理人: 于正友

本發明屬于圖像分析技術領域，公開一種基于高點視頻分析的停車場空位引導系統，包括：高點視頻分析模塊、車輛與空位綁定模塊、最優路線規劃模塊和引導模塊；其中，當車輛進入停車場時，通過高點視頻分析模塊查找停車場上的空位信息以及車輛的車牌信息，并將空位與車輛進行匹配，然后通過最優路線規劃模塊規劃車輛與空位的路線，找到最優的路線作為推薦，再通過車輛與空位綁定模塊將車輛與相應的空位進行綁定，在進行綁定之后，引導模塊引導駕駛員行駛到空位。本發明的系統解決了目前停車場人工找尋空車位費事又耗力的問題，便于停車場的管理，也極大的方便了人們的生活。

技術領域

本發明涉及圖像分析技術領域，特別涉及一種基于高點視頻分析的停車場空位引導系統。

背景技術

隨著汽車數量的快速增加，停車場的需求量也急劇增加，停車難的問題越來越嚴重，尤其是一些公共場所，比如辦公樓，醫院，超市等，在停車場尋找空位成了一個費事又耗力的事情，有時在停車場轉了幾圈都找不到空位，甚至因為一個停車位出現毆打事件。

目前，大部分的露天停車場仍采用的是人工找尋空位的方式，這種方法費事又耗力。而且，人工管理停車場效率低下，也不能對車輛進行引導，由于露天停車場地形復雜，指示標志也不能很好的發揮作用。再者，一旦車輛不能及時找到停車位，就會造成交通堵塞。因此，如何有效的找尋停車空位及引導車輛停車是目前亟待解決的問題。

發明內容

本發明實施例提供了一種基于高點視頻分析的停車場空位引導系統，以解決現有技術中停車場尋找空位的問題。為了對披露的實施例的一些方面有一個基本的理解，下面給出了簡單的概括。該概括部分不是泛泛評述，也不是要確定關鍵/重要組成元素或描繪這些實施例的保護范圍。其唯一目的是用簡單的形式呈現一些概念，以此作為后面的詳細說明的序言。

根據本發明實施例的第一方面，提供了一種基于高點視頻分析的停車場空位引導系統。

在一些可選實施例中，一種基于高點視頻分析的停車場空位引導系統包括：

高點視頻分析模塊、車輛與空位綁定模塊、最優路線規劃模塊和引導模塊；其中，

當車輛進入停車場時，通過高點視頻分析模塊查找停車場上的空位信息以及車輛的車牌信息，并將空位與車輛進行匹配，然后通過最優路線規劃模塊規劃車輛與空位的路線，找到最優的路線作為推薦，再通過車輛與空位綁定模塊將車輛與相應的空位進行綁定，在進行綁定之后，引導模塊引導駕駛員行駛到空位。

可選地，所述高點視頻分析模塊包括yolov4-tiny網絡，yolov4-tiny網絡包括：CSPDarknet53-Tiny網絡、FPN網絡和yolov3網絡；首先通過CSPDarknet53-Tiny網絡提取輸入圖片的特征，得到兩個不同大小的特征圖，然后通過FPN網絡進行特征融合和處理，最后連接yolov3網絡輸出結果。

可選地，輸入到CSPDarknet53-Tiny網絡的圖像經過卷積層、正則化和激活層操作，得到第一特征圖；將第一特征圖再經過卷積層、正則化和激活層操作，得到第二特征圖；將第二特征圖經過殘差塊的操作后得到第三特征圖，接著經過殘差塊的操作后變換成第四特征圖，然后分成兩路，第一路直接進入FPN模塊，通過卷積層進行候選框的選取；第二路繼續經過一個殘差塊的操作后得到第五特征圖，再經過卷積層、正則化和激活層的操作后得到第六特征圖，然進入FPN網絡的卷積層進行候選框的選擇，然后又分成兩路，一路直接進入yolov3網絡預測結果，另一路通過卷積和上采樣操作，與第一路直接進入FPN網絡的第四特征圖進行張量拼接，這兩個特征圖具有相同的長寬尺寸，而高度不同，兩個特征圖拼接在一起；拼接后獲得的第七特征圖再進行卷積操作，最后進入Yolov3網絡預測結果。

可選地，所述Yolov3網絡用于預測圖片中物體的位置和類別，每個物體產生一個bounding box，用來標注物體的位置，每個檢測框包括4個坐標，tx、ty、tw、th，分別對應著檢測框的左上角的坐標為tx、ty，以及檢測框的長寬tw、th；