[發明專利]一種基于深度學習檢測路側停車場泊位的方法及裝置

在審

• 申請號: 202110663742.2
• 申請日: 2021-06-16
• 公開（公告）號: CN113408514A
• 公開（公告）日: 2021-09-17
• 發明（設計）人: 閆軍;陽平
• 申請（專利權）人: 超級視線科技有限公司
• 主分類號: G06K9/20
• 分類號: G06K9/20;G06K9/62;G06T7/11;G06T7/73;G08G1/14
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種基于深度學習檢測路側停車場泊位的方法，其特征在于，包括：

獲取預定監控區域中包含至少一個泊位的圖像，通過角點檢測模型檢測所述圖像，得到所述圖像中的各個可見泊位角點的位置與類型；

通過語義分割模型分割所述圖像，得到包含各泊位邊線區域的分割圖；

根據所述各個可見泊位角點的位置與類型以及所述分割圖中的各泊位邊線區域，分析所述圖像中各個可見泊位角點與所述各泊位邊線區域的位置關系；

根據所述位置關系，確定所述圖像中各個泊位的位置。

2.根據權利要求1所述的方法，其特征在于，所述獲取預定監控區域中包含至少一個泊位的圖像，通過角點檢測模型檢測所述圖像，得到所述圖像中的各個可見泊位角點的位置與類型，包括：

獲取預定監控區域中包含至少一個泊位的圖像，通過角點檢測模型獲取所述圖像中的各個可見泊位角點的位置，并截取每個泊位角點在所述圖像中的角點區域；

通過預定層數組成的卷積神經網絡，確定所述角點區域中各個可見泊位角點的類型；

其中，所述泊位角點的類型包括“L”型角點、“T”型角點、“I”型角點和非角點中的任一項。

3.根據權利要求1-2任一項所述的方法，其特征在于，在所述通過角點檢測模型檢測所述圖像，得到所述圖像中的各個可見泊位角點的位置與類型的步驟之前，包括：

獲取角點訓練集，并標注所述角點訓練集中各個圖像中的泊位角點矩形框區域和泊位角點類型；

通過梯度下降算法訓練標注后的所述角點訓練集，得到角點檢測模型。

4.根據權利要求3所述的方法，其特征在于，所述通過角點檢測模型獲取所述圖像中的各個可見泊位角點的位置，并截取每個泊位角點在所述圖像中的角點區域，包括：

通過預定目標檢測模型和預定網絡結構，得到所述圖像的多個不同尺度的特征，并根據所述多個不同尺度的特征，分別獲取不同大小的目標物體；

識別所述目標物體中的泊位角點，確定包含每個泊位角點在所述圖像中的矩形框區域，并截取所述矩形框區域中的角點區域。

5.根據權利要求4所述的方法，其特征在于，所述通過語義分割模型分割所述圖像，得到包含各泊位邊線區域的分割圖，包括：

將所述圖像輸入所述語義分割模型，得所述圖像的特征圖；

確定所述特征圖中的每個像素各自對應的像素區域，并分析各像素區域的語義類別；

根據各像素區域的語義類別，確定語義類別為泊位邊線區域的各像素，得到包含各泊位邊線區域的分割圖；

其中，所述語義類別包括背景和地面實線中的任一項，所述地面實線包括車道線和泊位線中的至少一項。

6.根據權利要求5所述的方法，其特征在于，所述根據所述各個可見泊位角點的位置與類型以及所述分割圖中的各泊位邊線區域，分析所述圖像中各個可見泊位角點與所述各泊位邊線區域的位置關系，包括：

判斷所述各個可見泊位角點中每兩個泊位角點之間的線段是否為地面實線；

若是，根據所述分割圖，確定每兩個泊位角點之間的線段為地面實線的線段集合，得到角點連接圖。

7.根據權利要求6所述的方法，其特征在于，所述根據所述位置關系，確定所述圖像中各個泊位的位置，包括：

判斷所述連接圖中是否至少含有三條線段相連接的待檢測區域；

若是，判斷所述待檢測區域中的泊位角點類型是否為“L”型角點或“T”型角點；

若是，確定所述待檢測區域為泊位。