[發(fā)明專利]一種基于深度學(xué)習(xí)檢測路側(cè)停車場泊位的方法及裝置

在審

• 申請?zhí)枺?/td>: 202110663742.2
• 申請日: 2021-06-16
• 公開（公告）號: CN113408514A
• 公開（公告）日: 2021-09-17
• 發(fā)明（設(shè)計）人: 閆軍;陽平
• 申請（專利權(quán)）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

本發(fā)明實施例提供了基于深度學(xué)習(xí)檢測路側(cè)停車場泊位的方法，該方法包括：獲取預(yù)定監(jiān)控區(qū)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(qū)域的分割圖；根據(jù)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(qū)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(qū)域的位置關(guān)系；根據(jù)所述位置關(guān)系，確定所述圖像中各個泊位的位置。通過本發(fā)明，實現(xiàn)了通過分析圖像中各個可見泊位角點與各泊位邊線區(qū)域的位置關(guān)系，無需人工操作，即可針對復(fù)雜的路側(cè)停車場景，精確地定位泊位的位置。

技術(shù)領(lǐng)域

本發(fā)明涉及智能交通技術(shù)領(lǐng)域，尤其涉及一種基于深度學(xué)習(xí)檢測路側(cè)停車場泊位的方法及裝置。

背景技術(shù)

現(xiàn)有技術(shù)中基于高位視頻的路側(cè)停車場管理系統(tǒng)，一般是由網(wǎng)絡(luò)相機、云計算和停車場管理設(shè)備搭建而成的，針對路側(cè)停車位的車輛駛出和駛?cè)氲男畔⒒?wù)系統(tǒng)。該路側(cè)停車場管理系統(tǒng)通過攝像機對車輛信息進行圖像視頻采集，再通過計算機視覺技術(shù)對采集的圖像進行分析與處理，實現(xiàn)對車輛的動態(tài)和靜態(tài)的綜合管理。在該視覺場景下，車輛和泊位成了兩個主要管理的目標(biāo)對象，其中泊位管理包括泊位定位，泊位占位情況等。而泊位的定位的檢測精度直接影響了泊位占位的檢測。

現(xiàn)有的泊位定位方法包括采用人工標(biāo)定方法，該方式的定位精度雖然高，但是，隨著停車系統(tǒng)業(yè)務(wù)的大規(guī)模拓展，人工成本極大，如一個擁有百萬停車泊位的城市級規(guī)模，其人工標(biāo)定成本極高；另外，相機不可避免地會受外力干擾，造成相機移動，則已標(biāo)定的泊位位置也得重新定位，人工成本將成倍提高。因此自動化標(biāo)定泊位的方法逐步替代了人工標(biāo)定的方法，目前自動化標(biāo)定泊位的方法，如基于霍夫直線檢測等方法，不適用于復(fù)雜場景下的應(yīng)用。因此，亟需一種適用于復(fù)雜場景下的自動化標(biāo)定泊位的方法。

發(fā)明內(nèi)容

本發(fā)明實施例提供一種基于深度學(xué)習(xí)檢測路側(cè)停車場泊位的方法及裝置，實現(xiàn)了無需人工操作，即可針對復(fù)雜的路側(cè)停車場景，精確地定位泊位的位置。

一方面，本發(fā)明實施例提供了一種基于深度學(xué)習(xí)檢測路側(cè)停車場泊位的方法，包括：

獲取預(yù)定監(jiān)控區(qū)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(qū)域的分割圖；

根據(jù)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(qū)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(qū)域的位置關(guān)系；

根據(jù)所述位置關(guān)系，確定所述圖像中各個泊位的位置。

進一步地，所述獲取預(yù)定監(jiān)控區(qū)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(yù)定監(jiān)控區(qū)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(qū)域；

通過預(yù)定層數(shù)組成的卷積神經(jīng)網(wǎng)絡(luò)，確定所述角點區(qū)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。

進一步地，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(xùn)練集，并標(biāo)注所述角點訓(xùn)練集中各個圖像中的泊位角點矩形框區(qū)域和泊位角點類型；

通過梯度下降算法訓(xùn)練標(biāo)注后的所述角點訓(xùn)練集，得到角點檢測模型。

進一步地，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(qū)域，包括：