CN106504580A - 一种车位检测方法及装置 - Google Patents
一种车位检测方法及装置 Download PDFInfo
- Publication number
- CN106504580A CN106504580A CN201611116274.2A CN201611116274A CN106504580A CN 106504580 A CN106504580 A CN 106504580A CN 201611116274 A CN201611116274 A CN 201611116274A CN 106504580 A CN106504580 A CN 106504580A
- Authority
- CN
- China
- Prior art keywords
- parking stall
- headstock
- parking
- image
- measured
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/14—Traffic control systems for road vehicles indicating individual free spaces in parking areas
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
- G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
- G06V20/586—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads of parking space
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明实施例公开了一种车位检测方法及装置,本发明实施例包括:获取待测车位的车位图像;判断连续两帧的所述车位图像的背景区域是否发生变化,所述背景区域为所述车位图像的第一预设区域;若所述背景区域发生变化,则判断所述车位图像的车头区域的是否有车头,所述车头区域为所述车位图像的第二预设区域;若所述车头区域有所述车头,则确定所述待测车位的车位状态为有车。本发明实施例提供一种通过视频图像判断停车场车位是否被占用的检测方法。
Description
技术领域
本发明涉及智能停车场领域,特别涉及一种车位检测方法及装置。
背景技术
在现有技术中,在停车场中用于检测车位是否被占用的方法有很多,主要可以分为基于物理特征的检测方法和基于视频监控、计算机视觉及图像技术的检测方法。基于物理特征的检测方法主要采用地埋感应线圈、超声波、地磁检测等方式实现。这种方法施工麻烦,要开挖路面,对路面造成破坏,而且路面受季节和车辆压力影响,线圈容易损坏,难于维护。而目前基于视频监控、计算机视觉及图像处理技术的检测方式都使用预设背景图像进行匹配的做法,背景图像会动态更新。这种可能出错并引起累积误差。
发明内容
本申请实施例提供了一种车位检测方法及装置,提供一种基于视频图像的车位检测方法,将车位视频图像划分成背景检测区域以及车头检测区域分别检测,检测精度高。
有鉴于此,本发明的第一方面提供一种车位检测方法,包括:
获取待测车位的车位图像;
判断连续两帧的车位图像的背景区域是否发生变化,背景区域为车位图像的第一预设区域;
若背景区域发生变化,则判断车位图像的车头区域的是否有车头,车头区域为车位图像的第二预设区域;
若车头区域有车头,则确定待测车位的车位状态为有车。
结合本发明实施例的第一方面,在本发明实施例的第一方面的第一种实施方式中,判断连续两帧的车位图像的背景区域是否发生变化包括:
获取车位图像的背景区域的每一个像素点的灰度值;
判断连续两帧车位图像中相同位置的像素点的灰度值的差值大于第一预设阈值的像素点的数量是否多于第二预设阈值;
若像素点的灰度值的差值大于第一预设阈值的像素点的数量多于第二预设阈值,则确定车位图像的背景区域发生变化。
结合本发明实施例的第一方面,第一方面的第一种实施方式中任一种,在本发明实施例的第一方面的第二种实施方式中,判断车位图像的车头区域的是否有车头包括:
使用可形变部件模型DPM模型判断车头区域是否有车头,包括:
计算车头区域的方向梯度直方图特征金字塔HOG特征金字塔;
计算HOG特征金字塔的窗口的根滤波器得分、部件滤波器得分、形变花费,并根据根滤波器得分、部件滤波器得分、形变花费得到窗口得分;
记录窗口得分高于第三预设阈值的窗口记为目标窗口;
利用非极大值抑制选取窗口得分最高的目标窗口,并根据窗口得分最高的目标窗口中的车头位置确定是否有车头。
结合本发明实施例的第一方面,第一方面的第一种实施方式至第二种实施方式中任一种,在本发明实施例的第一方面的第三种实施方式中,使用可形变部件模型DPM模型判断车头区域是否有车头之前,还包括:
根据含有车辆的正样本图像以及不含车辆的负样本图像训练并得到DPM模型。
结合本发明实施例的第一方面,第一方面的第一种实施方式至第三种实施方式中任一种,在本发明实施例的第一方面的第四种实施方式中,待测车位的数量为1个或以上,确定待测车位的车位状态为有车之后还包括:
当待测车位的车位状态为有车时,则待测车位的指示灯显示第一预设颜色,待测车位的车位状态为无车时,则待测车位的指示灯显示第二预设颜色;
若所有待测车位的指示灯都显示第一预设颜色时,则发出第一提示信息提示车主没有剩余车位;
若存在待测车位的指示灯显示第二预设颜色,则发出第二提示信息提示车主有剩余车位。
本发明的第二方面提供一种装置,包括:
获取模块,用于获取待测车位的车位图像;
第一判断模块,用于判断连续两帧的车位图像的背景区域是否发生变化,背景区域为车位图像的第一预设区域;
第二判断模块,用于若背景区域发生变化,则判断车位图像的车头区域的是否有车头,车头区域为车位图像的第二预设区域;
确定模块,用于若车头区域有车头,则确定待测车位的车位状态为有车。
结合本发明实施例的第二方面,在本发明实施例的第二方面的第一种实施方式中,第一判断模块包括:
获取单元,用于获取车位图像的背景区域的每一个像素点的灰度值;
第一判断单元,用于判断连续两帧车位图像中相同位置的像素点的灰度值的差值大于第一预设阈值的像素点的数量是否多于第二预设阈值;
第一确定单元,用于若像素点的灰度值的差值大于第一预设阈值的像素点的数量多于第二预设阈值,则确定车位图像的背景区域发生变化。
结合本发明实施例的第二方面,第二方面的第一种实施方式中任一种,在本发明实施例的第二方面的第二种实施方式中,第二判断模块还用于使用可形变部件模型DPM模型判断车头区域是否有车头,第二判断模块包括:
第一计算单元,用于计算车头区域的方向梯度直方图特征金字塔HOG特征金字塔;
第二计算单元,用于计算HOG特征金字塔的窗口的根滤波器得分、部件滤波器得分、形变花费,并根据根滤波器得分、部件滤波器得分、形变花费得到窗口得分;
记录单元,用于记录窗口得分高于第三预设阈值的窗口记为目标窗口;
第二确定单元,用于利用非极大值抑制选取窗口得分最高的目标窗口,并根据窗口得分最高的目标窗口中的车头位置确定是否有车头。
结合本发明实施例的第二方面,第二方面的第一种实施方式至第二种实施方式中任一种,在本发明实施例的第二方面的第三种实施方式中,还包括:
训练模块,用于根据含有车辆的正样本图像以及不含车辆的负样本图像训练并得到DPM模型。
结合本发明实施例的第二方面,第二方面的第一种实施方式至第三种实施方式中任一种,在本发明实施例的第二方面的第四种实施方式中,还包括:
开启模块,用于当待测车位的车位状态为有车时,则待测车位的指示灯显示第一预设颜色,待测车位的车位状态为无车时,则待测车位的指示灯显示第二预设颜色;
第一提示模块,用于若所有待测车位的指示灯都显示第一预设颜色时,则发出第一提示信息提示车主没有剩余车位;
第二提示模块,用于若存在待测车位的指示灯显示第二预设颜色,则发出第二提示信息提示车主有剩余车位。
从以上技术方案可以看出,本发明实施例具有以下优点:
本发明实施例提供一种车位检测方法及装置,这种基于视频图像的车位检测方法,将车位视频图像划分成背景检测区域以及车头检测区域分别检测,实现了快速、精确的车位检测,并且不需要预置或更新背景图片,避免了由于背景图片更新出错而导致的累加误差。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据提供的附图获得其他的附图。
图1是本发明实施例中一种车位检测方法的一个实施例示意图;
图2是本发明实施例中一种车位检测方法的另一个实施例示意图;
图3是本发明实施例中一种车位检测方法的车位划分示意图;
图4是本发明实施例中一种车位检测方法的车位状态提示示意图;
图5是本发明实施例中一种装置的一个实施例示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分的实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本发明保护的范围。
本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等(如果存在)是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的实施例能够以除了在这里图示或描述的内容以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
本发明实施例一种车位检测方法,提供一种基于视频图像的车位检测方法,将车位视频图像划分成背景检测区域以及车头检测区域分别检测。请参阅图1,图1是本发明实施例的一个工作流程示意图。
步骤101、获取待测车位的车位图像;
通过在车位前上方安装高清网络摄像机采集多个车位的视频图像。
步骤102、判断连续两帧的车位图像的背景区域是否发生变化;
对采集到的车位图像,每个车位图像都划分为背景区域以及车头区域。背景区域为车位中远离摄像头的一个预设区域,车头区域为靠近摄像头的一个预设区域。此处请参阅图3,图3是本发明实施例车位划分示意图。首先比较连续两帧的车位图像,判断车位图像中的背景区域是否发成了变化。
步骤103、若背景区域发生变化,则判断车位图像的车头区域的是否有车头;
当确定背景发声了变化,则进而判断车位的车头区域是否有车头。
步骤104、若车头区域有车头,则确定待测车位的车位状态为有车。
当车头区域确定有车头时,则确定待测的车位的车位状态为有车,说明该待测车位被占用。在实际使用中,可以设定连续N帧进行车头检测结果显示能检测到车头时,并且结果位置相近并保持一致,则下一帧不再进行车头检测,判定当前车位的状态为有车。而当没有检测到车头时,可以设置再持续检测C帧,如果C帧内检测到N帧包含有效车头,则判定当前车位的状态为有车,否则判定状态为无车。这样设置可以防止由于现场应用环境复杂,有可能存在误检,虚检等,太容易发生状态改变会导致指示灯频繁跳变。
在本发明一个较佳的实施例中,待测车位的数量为3个。车位图像中背景区域的变化的判断是根据比较图像灰度值得出,车位图像中是否有车头的判断是根据DPM模型进行判断。判断完各个车位的占用状态后,还会给用户相关的车位信息,此处请参阅图2。
步骤201与步骤101相同,此处不再赘述。
步骤202、获取车位图像的背景区域的每一个像素点的灰度值。
步骤203、判断连续两帧车位图像中相同位置的像素点的灰度值的差值大于第一预设阈值的像素点的数量是否多于第二预设阈值,若像素点的灰度值的差值大于第一预设阈值的像素点的数量多于第二预设阈值,则确定车位图像的背景区域发生变化;
终端会统计相邻两帧的车位图像中处于相同的位置的像素点,然后比较像素点的灰度值,统计灰度值差的绝对值大于第一预设阈值的像素点的个数,若统计得到的像素点数量大于第二预设阈值,则判断车位背景发生变化。
步骤204、使用可形变部件模型DPM模型判断车头区域是否有车头;
终端会使用DPM模型判断车头区域是否有车头,具体方法为首先计算车头区域的方向梯度直方图特征金字塔HOG特征金字塔,然后计算HOG特征金字塔的窗口的根滤波器得分、部件滤波器得分、形变花费,并根据根滤波器得分、部件滤波器得分、形变花费得到窗口得分,之后记录窗口得分高于第三预设阈值的窗口标记为目标窗口,最后利用非极大值抑制选取窗口得分最高的目标窗口,并根据窗口得分最高的目标窗口中的车头位置确定是否有车头。在实际应用中,使用可形变部件模型DPM模型判断车头区域是否有车头之前需要训练DPM模型,具体方法为录制各种时间段,各种天气情况下的车位上的车辆的图像与视频,然后在图像和视频中挑选包含车辆的图像,并选取图像中的车头区域,对车头区域进行标注。所选取的图像包含各种车的类型,各种角度。这些图像作为车头模型训练的正样本。最后选取没有包含车的图像作为负样本。根据含有车辆的正样本图像以及不含车辆的负样本图像训练并得到DPM模型。
步骤205、车头区域有车头,则确定待测车位的车位状态为有车;
当车头区域确定有车头时,则确定待测的车位的车位状态为有车,说明该待测车位被占用。在实际应用中,可以设置至少需要连续N帧车位图像的车头检测结果都能检测到车头,才确定车位状态为有车,则下一帧不再进行车头检测。实际应用中还可以设置如果检测到背景无变化,也直接进行车头区域有无车头的检测。即在实际使用中,可以设定连续N帧进行车头检测结果显示能检测到车头时,并且结果位置相近并保持一致,则下一帧不再进行车头检测,判定当前车位的状态为有车。而当没有检测到车头时,可以设置再持续检测C帧,如果C帧内检测到N帧包含有效车头,则判定当前车位的状态为有车,否则判定状态为无车。这样设置可以防止由于现场应用环境复杂,有可能存在误检,虚检等,太容易发生状态改变会导致指示灯频繁跳变。
步骤206、判断所有车位的车位状态并发出提示信息;
当待测车位的车位状态为有车时,待测车位对应的指示灯显示第一种预设的颜色,而待测车位的车位状态为无车时,显示第二种预设的颜色。例如指示灯可以在有车时显示为红色,无车时显示为绿色。若所有待测车位的指示灯都为红色时,则发出第一提示信息提示车主没有剩余车位。若存在待测车位的指示灯为绿色,则发出第二提示信息提示车主有剩余车位。此处请参阅图4,在图4中,当检测到有车占用车位时,车位提示灯会开启,当所有的车位提示灯都开启时,发出提示信息提示无车位,当有车位提示灯未开启时,则发出提示信息提示有车位。
上面从本发明实施例的一种车位检测方法进行描述,下面对本发明实施例的一种装置进行描述。
请参阅图5,本发明实施例的一种装置包括:
装置包括获取模块501、第一判断模块502、第二判断模块503、确定模块504、训练模块505、开启模块506、第一提示模块507、第二提示模块508。
获取模块501,用于获取待测车位的车位图像。
第一判断模块502,用于判断连续两帧的车位图像的背景区域是否发生变化,背景区域为车位图像的第一预设区域。
进一步的,第一判断模块502包括获取单元5021、第一判断单元5022、第一确定单元5023。
获取单元5021,用于获取车位图像的背景区域的每一个像素点的灰度值。
第一判断单元5022,用于判断连续两帧车位图像中相同位置的像素点的灰度值的差值大于第一预设阈值的像素点的数量是否多于第二预设阈值。
第一确定单元5023,用于若像素点的灰度值的差值大于第一预设阈值的像素点的数量多于第二预设阈值,则确定车位图像的背景区域发生变化。
第二判断模块503,用于若背景区域发生变化,则判断车位图像的车头区域的是否有车头,车头区域为车位图像的第二预设区域。
第二判断模块503还用于使用可形变部件模型DPM模型判断车头区域是否有车头。
进一步的,第二判断模块503包括第一计算单元5031、第二计算单元5032、记录单元5033、第二确定单元5034。
第一计算单元5031,用于计算车头区域的方向梯度直方图特征金字塔HOG特征金字塔。
第二计算单元5032,用于计算HOG特征金字塔的窗口的根滤波器得分、部件滤波器得分、形变花费,并根据根滤波器得分、部件滤波器得分、形变花费得到窗口得分。
记录单元5033,用于记录窗口得分高于第三预设阈值的窗口记为目标窗口。
第二确定单元5034,用于利用非极大值抑制选取窗口得分最高的目标窗口,并根据窗口得分最高的目标窗口中的车头位置确定是否有车头。
确定模块504,用于若车头区域有车头,则确定待测车位的车位状态为有车。
训练模块505,用于根据含有车辆的正样本图像以及不含车辆的负样本图像训练并得到DPM模型。
开启模块506,用于当待测车位的车位状态为有车时,则开启待测车位的指示灯;
第一提示模块507,用于若所有待测车位的指示灯都开启时,则发出第一提示信息提示车主没有剩余车位;
第二提示模块508,用于若存在待测车位的指示灯没有开启,则发出第二提示信息提示车主有剩余车位。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统,装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的系统,装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
以上所述,以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种车位检测方法,其特征在于,包括:
获取待测车位的车位图像;
判断连续两帧的所述车位图像的背景区域是否发生变化,所述背景区域为所述车位图像的第一预设区域;
若所述背景区域发生变化,则判断所述车位图像的车头区域的是否有车头,所述车头区域为所述车位图像的第二预设区域;
若所述车头区域有所述车头,则确定所述待测车位的车位状态为有车。
2.根据权利要求1所述的车位检测方法,其特征在于,所述判断连续两帧的所述车位图像的背景区域是否发生变化包括:
获取所述车位图像的背景区域的每一个像素点的灰度值;
判断连续两帧所述车位图像中相同位置的所述像素点的灰度值的差值大于第一预设阈值的所述像素点的数量是否多于第二预设阈值;
若所述像素点的灰度值的差值大于所述第一预设阈值的所述像素点的数量多于所述第二预设阈值,则确定所述车位图像的背景区域发生变化。
3.根据权利要求1或2所述的车位检测方法,其特征在于,所述判断所述车位图像的车头区域的是否有车头包括:
使用可形变部件模型DPM模型判断所述车头区域是否有车头,包括:
计算所述车头区域的方向梯度直方图特征金字塔HOG特征金字塔;
计算所述HOG特征金字塔的窗口的根滤波器得分、部件滤波器得分、形变花费,并根据所述根滤波器得分、所述部件滤波器得分、所述形变花费得到窗口得分;
记录所述窗口得分高于第三预设阈值的所述窗口记为目标窗口;
利用非极大值抑制选取所述窗口得分最高的所述目标窗口,并根据所述窗口得分最高的所述目标窗口中的车头位置确定是否有车头。
4.根据权利要求3所述的车位检测方法,其特征在于,所述使用可形变部件模型DPM模型判断所述车头区域是否有车头之前,还包括:
根据含有车辆的正样本图像以及不含车辆的负样本图像训练并得到所述DPM模型。
5.根据权利要求4所述的车位检测方法,其特征在于,所述待测车位的数量为1个或以上,所述确定所述待测车位的车位状态为有车之后还包括:
当所述待测车位的车位状态为有车时,则所述待测车位的指示灯显示第一预设颜色,所述待测车位的车位状态为无车时,则所述待测车位的指示灯显示第二预设颜色;
若所有所述待测车位的指示灯都显示所述第一预设颜色时,则发出第一提示信息提示车主没有剩余车位;
若存在所述待测车位的指示灯显示所述第二预设颜色,则发出第二提示信息提示车主有剩余车位。
6.一种装置,其特征在于,包括:
获取模块,用于获取待测车位的车位图像;
第一判断模块,用于判断连续两帧的所述车位图像的背景区域是否发生变化,所述背景区域为所述车位图像的第一预设区域;
第二判断模块,用于若所述背景区域发生变化,则判断所述车位图像的车头区域的是否有车头,所述车头区域为所述车位图像的第二预设区域;
确定模块,用于若所述车头区域有所述车头,则确定所述待测车位的车位状态为有车。
7.根据权利要求6所述的装置,其特征在于,所述第一判断模块包括:
获取单元,用于获取所述车位图像的背景区域的每一个像素点的灰度值;
第一判断单元,用于判断连续两帧所述车位图像中相同位置的所述像素点的灰度值的差值大于第一预设阈值的所述像素点的数量是否多于第二预设阈值;
第一确定单元,用于若所述像素点的灰度值的差值大于所述第一预设阈值的所述像素点的数量多于所述第二预设阈值,则确定所述车位图像的背景区域发生变化。
8.根据权利要求6或7所述的装置,其特征在于,所述第二判断模块还用于使用可形变部件模型DPM模型判断所述车头区域是否有车头,所述第二判断模块包括:
第一计算单元,用于计算所述车头区域的方向梯度直方图特征金字塔HOG特征金字塔;
第二计算单元,用于计算所述HOG特征金字塔的窗口的根滤波器得分、部件滤波器得分、形变花费,并根据所述根滤波器得分、所述部件滤波器得分、所述形变花费得到窗口得分;
记录单元,用于记录所述窗口得分高于第三预设阈值的所述窗口记为目标窗口;
第二确定单元,用于利用非极大值抑制选取所述窗口得分最高的所述目标窗口,并根据所述窗口得分最高的所述目标窗口中的车头位置确定是否有车头。
9.根据权利要求8所述的装置,其特征在于,还包括:
训练模块,用于根据含有车辆的正样本图像以及不含车辆的负样本图像训练并得到所述DPM模型。
10.根据权利要求9所述的装置,其特征在于,还包括:
开启模块,用于当所述待测车位的车位状态为有车时,则所述待测车位的指示灯显示第一预设颜色,所述待测车位的车位状态为无车时,则所述待测车位的指示灯显示第二预设颜色;
第一提示模块,用于若所有所述待测车位的指示灯都显示所述第一预设颜色时,则发出第一提示信息提示车主没有剩余车位;
第二提示模块,用于若存在所述待测车位的指示灯显示所述第二预设颜色,则发出第二提示信息提示车主有剩余车位。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611116274.2A CN106504580A (zh) | 2016-12-07 | 2016-12-07 | 一种车位检测方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611116274.2A CN106504580A (zh) | 2016-12-07 | 2016-12-07 | 一种车位检测方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106504580A true CN106504580A (zh) | 2017-03-15 |
Family
ID=58329428
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611116274.2A Pending CN106504580A (zh) | 2016-12-07 | 2016-12-07 | 一种车位检测方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106504580A (zh) |
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106677094A (zh) * | 2017-03-27 | 2017-05-17 | 深圳市捷顺科技实业股份有限公司 | 一种道闸控制方法及装置 |
CN108108689A (zh) * | 2017-12-18 | 2018-06-01 | 北京工业大学 | 一种智能停车车位检测方法 |
CN108242178A (zh) * | 2018-02-26 | 2018-07-03 | 北京车和家信息技术有限公司 | 一种车位检测方法、装置及电子设备 |
CN108615028A (zh) * | 2018-05-14 | 2018-10-02 | 北京主线科技有限公司 | 港口重型车辆的细粒度检测识别方法 |
CN109918977A (zh) * | 2017-12-13 | 2019-06-21 | 华为技术有限公司 | 确定空闲车位的方法、装置及设备 |
CN110163107A (zh) * | 2019-04-22 | 2019-08-23 | 智慧互通科技有限公司 | 一种基于视频帧识别路侧停车行为的方法及装置 |
CN110599796A (zh) * | 2019-09-06 | 2019-12-20 | 北京筑梦园科技有限公司 | 一种车位状态判断方法、服务器及停车管理系统 |
CN111081047A (zh) * | 2019-12-10 | 2020-04-28 | 重庆邮电大学 | 一种基于光电图像处理的精准智能停车管理方法及管理系统 |
CN111564058A (zh) * | 2020-05-19 | 2020-08-21 | 杭州自动桌信息技术有限公司 | 一种用于监控停车场状况的装置及停车场管理系统及管理方法 |
CN111583656A (zh) * | 2020-04-03 | 2020-08-25 | 北京博研中能科技有限公司 | 一种适用于新能源车的充电桩车位智能防控系统 |
CN111814560A (zh) * | 2020-06-10 | 2020-10-23 | 河南观潮智能科技有限公司 | 一种车位状态识别方法、系统、介质及设备 |
CN112820141A (zh) * | 2021-01-14 | 2021-05-18 | 浙江吉利控股集团有限公司 | 一种泊车车位的检测方法和检测系统 |
CN113053094A (zh) * | 2021-02-03 | 2021-06-29 | 西安宏源视讯设备有限责任公司 | 一种共享单车规范化放置方法及系统 |
CN113192356A (zh) * | 2021-04-01 | 2021-07-30 | 上海欧菲智能车联科技有限公司 | 一种多传感器融合的车位检测方法、装置及车辆 |
CN113205692A (zh) * | 2021-04-29 | 2021-08-03 | 超级视线科技有限公司 | 一种路侧停车泊位异常变动的自动识别方法 |
CN113206995A (zh) * | 2021-04-29 | 2021-08-03 | 超级视线科技有限公司 | 一种基于视频帧判定泊位线偏转角度的方法 |
CN114255589A (zh) * | 2021-12-14 | 2022-03-29 | 北京筑梦园科技有限公司 | 一种车辆动态确认方法、装置及停车管理系统 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1794312A (zh) * | 2005-11-25 | 2006-06-28 | 北京工业大学 | 视频车位检测器及其检测方法 |
CN2847410Y (zh) * | 2005-12-06 | 2006-12-13 | 北京工业大学 | 视频车位检测器 |
CN101807352A (zh) * | 2010-03-12 | 2010-08-18 | 北京工业大学 | 一种模糊模式识别的车位检测方法 |
CN103065494A (zh) * | 2012-04-12 | 2013-04-24 | 华南理工大学 | 一种基于计算机视觉的空闲停车位检测方法 |
CN103198705A (zh) * | 2013-03-21 | 2013-07-10 | 电子科技大学 | 车位状态自动检测方法 |
CN103500517A (zh) * | 2013-09-29 | 2014-01-08 | 西安祥泰软件设备系统有限责任公司 | 一种停车场车位检测方法及装置 |
EP2705664A2 (en) * | 2011-05-03 | 2014-03-12 | Atsmon, Alon | Automatic image content analysis method and system |
CN104200236A (zh) * | 2014-08-22 | 2014-12-10 | 浙江生辉照明有限公司 | 基于dpm的快速目标检测方法 |
CN104376742A (zh) * | 2014-12-02 | 2015-02-25 | 深圳市捷顺科技实业股份有限公司 | 一种车位状态检测方法与系统 |
CN104574351A (zh) * | 2014-08-06 | 2015-04-29 | 深圳市捷顺科技实业股份有限公司 | 一种基于视频处理的车位检测方法 |
CN105469091A (zh) * | 2015-12-03 | 2016-04-06 | 深圳市捷顺科技实业股份有限公司 | 一种车辆识别方法及装置 |
CN106056968A (zh) * | 2016-07-29 | 2016-10-26 | 北京华航无线电测量研究所 | 一种基于光学图像的车位检测方法 |
-
2016
- 2016-12-07 CN CN201611116274.2A patent/CN106504580A/zh active Pending
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1794312A (zh) * | 2005-11-25 | 2006-06-28 | 北京工业大学 | 视频车位检测器及其检测方法 |
CN2847410Y (zh) * | 2005-12-06 | 2006-12-13 | 北京工业大学 | 视频车位检测器 |
CN101807352A (zh) * | 2010-03-12 | 2010-08-18 | 北京工业大学 | 一种模糊模式识别的车位检测方法 |
EP2705664A2 (en) * | 2011-05-03 | 2014-03-12 | Atsmon, Alon | Automatic image content analysis method and system |
CN103065494A (zh) * | 2012-04-12 | 2013-04-24 | 华南理工大学 | 一种基于计算机视觉的空闲停车位检测方法 |
CN103198705A (zh) * | 2013-03-21 | 2013-07-10 | 电子科技大学 | 车位状态自动检测方法 |
CN103500517A (zh) * | 2013-09-29 | 2014-01-08 | 西安祥泰软件设备系统有限责任公司 | 一种停车场车位检测方法及装置 |
CN104574351A (zh) * | 2014-08-06 | 2015-04-29 | 深圳市捷顺科技实业股份有限公司 | 一种基于视频处理的车位检测方法 |
CN104200236A (zh) * | 2014-08-22 | 2014-12-10 | 浙江生辉照明有限公司 | 基于dpm的快速目标检测方法 |
CN104376742A (zh) * | 2014-12-02 | 2015-02-25 | 深圳市捷顺科技实业股份有限公司 | 一种车位状态检测方法与系统 |
CN105469091A (zh) * | 2015-12-03 | 2016-04-06 | 深圳市捷顺科技实业股份有限公司 | 一种车辆识别方法及装置 |
CN106056968A (zh) * | 2016-07-29 | 2016-10-26 | 北京华航无线电测量研究所 | 一种基于光学图像的车位检测方法 |
Non-Patent Citations (4)
Title |
---|
吴东承: ""基于可变形部件模型的车辆检测方法研究"", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
夏菲: ""基于视觉检测的停车场车位自动识别技术研究"", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
李宇成 等: ""利用视频图像检测车位状态的方法"", 《计算机工程与设计》 * |
蒋大林 等: ""基于视频图像的多特征车位检测算法"", 《北京工业大学学报》 * |
Cited By (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106677094B (zh) * | 2017-03-27 | 2019-11-19 | 深圳市捷顺科技实业股份有限公司 | 一种道闸控制方法及装置 |
CN106677094A (zh) * | 2017-03-27 | 2017-05-17 | 深圳市捷顺科技实业股份有限公司 | 一种道闸控制方法及装置 |
CN109918977B (zh) * | 2017-12-13 | 2021-01-05 | 华为技术有限公司 | 确定空闲车位的方法、装置及设备 |
CN109918977A (zh) * | 2017-12-13 | 2019-06-21 | 华为技术有限公司 | 确定空闲车位的方法、装置及设备 |
CN108108689A (zh) * | 2017-12-18 | 2018-06-01 | 北京工业大学 | 一种智能停车车位检测方法 |
CN108242178A (zh) * | 2018-02-26 | 2018-07-03 | 北京车和家信息技术有限公司 | 一种车位检测方法、装置及电子设备 |
CN108615028A (zh) * | 2018-05-14 | 2018-10-02 | 北京主线科技有限公司 | 港口重型车辆的细粒度检测识别方法 |
CN110163107A (zh) * | 2019-04-22 | 2019-08-23 | 智慧互通科技有限公司 | 一种基于视频帧识别路侧停车行为的方法及装置 |
CN110599796A (zh) * | 2019-09-06 | 2019-12-20 | 北京筑梦园科技有限公司 | 一种车位状态判断方法、服务器及停车管理系统 |
CN110599796B (zh) * | 2019-09-06 | 2022-03-04 | 北京筑梦园科技有限公司 | 一种车位状态判断方法、服务器及停车管理系统 |
CN111081047A (zh) * | 2019-12-10 | 2020-04-28 | 重庆邮电大学 | 一种基于光电图像处理的精准智能停车管理方法及管理系统 |
CN111583656A (zh) * | 2020-04-03 | 2020-08-25 | 北京博研中能科技有限公司 | 一种适用于新能源车的充电桩车位智能防控系统 |
CN111564058A (zh) * | 2020-05-19 | 2020-08-21 | 杭州自动桌信息技术有限公司 | 一种用于监控停车场状况的装置及停车场管理系统及管理方法 |
CN111814560A (zh) * | 2020-06-10 | 2020-10-23 | 河南观潮智能科技有限公司 | 一种车位状态识别方法、系统、介质及设备 |
CN111814560B (zh) * | 2020-06-10 | 2023-12-26 | 河南观潮智能科技有限公司 | 一种车位状态识别方法、系统、介质及设备 |
CN112820141A (zh) * | 2021-01-14 | 2021-05-18 | 浙江吉利控股集团有限公司 | 一种泊车车位的检测方法和检测系统 |
CN113053094A (zh) * | 2021-02-03 | 2021-06-29 | 西安宏源视讯设备有限责任公司 | 一种共享单车规范化放置方法及系统 |
CN113192356A (zh) * | 2021-04-01 | 2021-07-30 | 上海欧菲智能车联科技有限公司 | 一种多传感器融合的车位检测方法、装置及车辆 |
CN113192356B (zh) * | 2021-04-01 | 2023-01-03 | 上海欧菲智能车联科技有限公司 | 一种多传感器融合的车位检测方法、装置及车辆 |
CN113205692A (zh) * | 2021-04-29 | 2021-08-03 | 超级视线科技有限公司 | 一种路侧停车泊位异常变动的自动识别方法 |
CN113206995A (zh) * | 2021-04-29 | 2021-08-03 | 超级视线科技有限公司 | 一种基于视频帧判定泊位线偏转角度的方法 |
CN114255589A (zh) * | 2021-12-14 | 2022-03-29 | 北京筑梦园科技有限公司 | 一种车辆动态确认方法、装置及停车管理系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106504580A (zh) | 一种车位检测方法及装置 | |
CN109801282A (zh) | 路面状况检测方法、处理方法、装置及系统 | |
CN101656023B (zh) | 一种视频监视模式下的室内停车场管理方法 | |
CN101510356B (zh) | 视频检测系统及其数据处理装置、视频检测方法 | |
CN106251695A (zh) | 基于车位状态监控的目的地停车位智能推荐系统及方法 | |
CN106448257A (zh) | 一种车位占用情况检测方法及装置 | |
US20130136307A1 (en) | Method for counting objects and apparatus using a plurality of sensors | |
CN106781680A (zh) | 一种基于图像空车位检测的路边停车智能监控方法 | |
CN102867417B (zh) | 一种出租车防伪系统及方法 | |
CN105512720A (zh) | 一种公交车辆客流统计方法和系统 | |
CN108491758A (zh) | 一种轨道检测方法及机器人 | |
CN101209207A (zh) | 睑检测装置、睑检测方法及其程序 | |
CN110386065A (zh) | 车辆盲区的监控方法、装置、计算机设备及存储介质 | |
CN109409238A (zh) | 一种障碍物检测方法、装置及终端设备 | |
CN103359020A (zh) | 一种机动车驾驶培训或考试监控方法和系统 | |
CN105023452B (zh) | 一种多路交通信号灯信号采集的方法及装置 | |
CN102445453B (zh) | 一种高速铁路线路护栏完整性自动检测装置及识别方法 | |
CN101803928A (zh) | 基于视频的驾驶员疲劳检测装置 | |
CN108022431A (zh) | 一种通过视频采集图像检测车位的方法及系统 | |
CN111967396A (zh) | 障碍物检测的处理方法、装置、设备及存储介质 | |
CN112084892B (zh) | 一种道路异常事件检测管理装置及其方法 | |
CN112149509B (zh) | 深度学习与图像处理融合的交通信号灯故障检测方法 | |
CN110659546A (zh) | 一种违法摊位检测方法及装置 | |
CN111144301A (zh) | 一种基于深度学习的道路路面缺陷快速预警装置 | |
CN110223505A (zh) | 一种行人闯红灯行为的确定方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170315 |