CN106599921A - 一种车位引导方法及装置 - Google Patents
一种车位引导方法及装置 Download PDFInfo
- Publication number
- CN106599921A CN106599921A CN201611155170.2A CN201611155170A CN106599921A CN 106599921 A CN106599921 A CN 106599921A CN 201611155170 A CN201611155170 A CN 201611155170A CN 106599921 A CN106599921 A CN 106599921A
- Authority
- CN
- China
- Prior art keywords
- parking stall
- state
- frame image
- current frame
- car
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2413—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on distances to training or reference patterns
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
-
- 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
- G08G1/141—Traffic control systems for road vehicles indicating individual free spaces in parking areas with means giving the indication of available parking spaces
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
- G06V10/469—Contour-based spatial representations, e.g. vector-coding
- G06V10/473—Contour-based spatial representations, e.g. vector-coding using gradient analysis
Abstract
本发明公开了一种车位引导方法及装置,该方法包括:获取车位的多个无车状态帧图像,添加至背景队列中;判断车位指示灯出现频闪时,获取车位的当前帧图像;计算所述当前帧图像的HOG特征与背景队列中每个无车状态帧图像的HOG特征的欧式距离,确定当前帧图像的车位状态;通过当前帧图像的车位状态控制车位指示灯的亮灯状态。该方法实现解决指示灯频闪问题。
Description
技术领域
本发明涉及停车场管理技术领域,特别是涉及一种车位引导方法及装置。
背景技术
目前,随着大型购物商城的不断涌现,配套的停车场规模也日益庞大,人们在享受其便利的购物环境的同时,也要忍受着停车时车位难寻、购物后难寻爱车的烦恼。在此背景下,车位引导系统大面积在各大城市铺开,为客户在停车以及寻车上带来了便利。
停车场的车位引导系统首先通过车位检测的方法获取当前车位的状态信息,然后中央处理服务器给出结果,并通过指示灯显示。目前,停车场车位检测的方法主要有两种,一种是基于物理特征的检测方法,采用地感线圈、超声波、地磁检测等方式实现,这种方式具有成本低、受气候影响小等优点,但是施工麻烦,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。另一种是基于视频监控、计算机视觉和图像处理技术的检测方式,这种方法具有许多优势,首先,拍摄视频图像的摄像机安装方便,更换不影响交通,容易调整和移动摄像头的位置,无需在车道路面上施工。其次,视频图像处理技术,可以达到实时性强、车位检测精度高等特点。
视频车位检测方法一般采用视频流检测方法,即使用摄像机一直监控车位,并对采集回来的视频帧进行分析。然而视频分析的方法会存在一定的漏检率与错检率,并且在停车场内,采集回来的视频容易受车辆通行,行人通行,光照改变。因此就会容易造成在车位状态判断上出现结果的频繁跳变。例如当前几帧车位检测失败,没有检测到车位上有车,但是接下来几帧又检测到有车,接下来的几帧可能由于有行人经过产生遮挡等原因又检测失败。这样中央处理服务器会连 续接收到“无车”,“有车”,“无车”的状态信息,就容易出现频繁修改结果的情况。车位指示灯看起来就会出现频闪的状况,即“红-绿”的循环跳变。这样会给看指示灯停车的车主带来极大不便。
造成跳变的原因主要有三个,第一个是出现了“虚检”,即把现场的某个物体检测成为车牌。第二是无牌车,由于没有车牌,在进行车头检测的时候有可能漏检,会出现一段时间检测到车头,一段时间检测不到车头。第三是目前的车牌识别对于尾牌的识别率会比前面的牌差,因此有可能识别车牌失败。第四是车主在停车的过程中,可能会出现倒进车位,停几秒调整,又开出来,停几秒调整,然后再倒进车位,反复多次,那么摄像机判断的时候就会反复出现“有车”,“无车”,“有车”的转换。因此如何解决指示灯频闪问题是亟待解决的问题。
发明内容
本发明的目的是提供一种车位引导方法及装置,以实现解决指示灯频闪问题。
为解决上述技术问题,本发明提供一种车位引导方法,该方法包括:
获取车位的多个无车状态帧图像,添加至背景队列中;
判断车位指示灯出现频闪时,获取车位的当前帧图像;
计算所述当前帧图像的HOG特征与背景队列中每个无车状态帧图像的HOG特征的欧式距离,确定当前帧图像的车位状态;
通过当前帧图像的车位状态控制车位指示灯的亮灯状态。
优选的,所述计算所述当前帧图像的HOG特征与背景队列中每个无车状态帧图像的HOG特征的欧式距离,确定当前帧图像的车位状态,包括:
提取当前帧图像的HOG特征,提取背景队列中每个无车状态帧图像的HOG特征;
计算所述当前帧图像的HOG特征与背景队列中每个无车状态帧 图像的HOG特征的欧式距离;
判断每个欧式距离是否均小于预设阈值,若是,确定当前帧图像的车位状态为无车状态;若否,确定当前帧图像为有车状态。
优选的,通过当前帧图像的车位状态控制车位指示灯的亮灯状态,包括:
若当前帧图像的车位状态为无车状态,控制车位指示灯亮绿灯;
若当前帧图像的车位状态为有车状态,控制车位指示灯亮红灯。
优选的,所述获取车位的多个无车状态帧图像,添加至背景队列中之前,还包括:对车位进行车头检测和车牌识别。
优选的,所述判断车位指示灯出现频闪时,获取车位的当前帧图像,包括:
判断在预设时间内车位指示灯的变灯次数是否大于预设值;
若所述变灯次数大于预设值,确定车位指示灯出现频闪,获取车位的当前帧图像。
本发明还提供一种车位引导装置,该装置包括:
获取模块,用于获取车位的多个无车状态帧图像,添加至背景队列中;
判断模块,用于判断车位指示灯出现频闪时,获取车位的当前帧图像;
计算模块,用于计算所述当前帧图像的HOG特征与背景队列中每个无车状态帧图像的HOG特征的欧式距离,确定当前帧图像的车位状态;
控制模块,用于通过当前帧图像的车位状态控制车位指示灯的亮灯状态。
优选的,所述计算模块包括:
提取单元,用于提取当前帧图像的HOG特征,提取背景队列中每个无车状态帧图像的HOG特征;
计算单元,用于计算所述当前帧图像的HOG特征与背景队列中每个无车状态帧图像的HOG特征的欧式距离;
判断单元,用于判断每个欧式距离是否均小于预设阈值,若是,确定当前帧图像的车位状态为无车状态;若否,确定当前帧图像为有车状态。
优选的,所述控制模块包括:
第一控制单元,用于若当前帧图像的车位状态为无车状态,控制车位指示灯亮绿灯;
第二控制单元,用于若当前帧图像的车位状态为有车状态,控制车位指示灯亮红灯。
优选的,所述获取模块还包括:检测单元,用于对车位进行车头检测和车牌识别。
优选的,所述判断单元包括:
采集单元,用于判断在预设时间内车位指示灯的变灯次数是否大于预设值;
确定单元,用于若所述变灯次数大于预设值,确定车位指示灯出现频闪,获取车位的当前帧图像。
本发明所提供的一种车位引导方法及装置,获取车位的多个无车状态帧图像,添加至背景队列中;判断车位指示灯出现频闪时,获取车位的当前帧图像;计算所述当前帧图像的HOG特征与背景队列中每个无车状态帧图像的HOG特征的欧式距离,确定当前帧图像的车位状态;通过当前帧图像的车位状态控制车位指示灯的亮灯状态。可见,当出现了频闪的时候,计算所述当前帧图像的HOG特征与背景队列中每个无车状态帧图像的HOG特征的欧式距离,确定当前帧图像的车位状态,如此在由于某些原因出现导致了频闪时,利用当前帧的图像来做一个有车或无车的状态判断,通过这个判断来打破频闪的状况,相当于引入了一个干预调整,及时调整车位指示灯显示正确的亮灯状态,防止指示灯一直频闪,因此使用当前帧的状态来判断当前车位的真实状态,并用这个真实状态来解决频闪问题。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述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为本发明所提供的一种车位引导方法的流程图;
图2为车位引导方法具体实施流程图;
图3为本发明所提供的一种车位引导装置的结构示意图。
具体实施方式
本发明的核心是提供一种车位引导方法及装置,以实现解决指示灯频闪问题。
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,都属于本发明保护的范围。
请参考图1,图1为本发明所提供的一种车位引导方法的流程图,该方法包括:
S11:获取车位的多个无车状态帧图像,添加至背景队列中;
S12:判断车位指示灯出现频闪时,获取车位的当前帧图像;
S13:计算当前帧图像的HOG特征与背景队列中每个无车状态帧图像的HOG特征的欧式距离,确定当前帧图像的车位状态;
S14:通过当前帧图像的车位状态控制车位指示灯的亮灯状态。
可见,当出现了频闪的时候,该方法计算所述当前帧图像的HOG特征与背景队列中每个无车状态帧图像的HOG特征的欧式距离,确定当前帧图像的车位状态,如此在由于某些原因出现导致了频闪时,利用当前帧的图像来做一个有车或无车的状态判断,通过这个判断来 打破频闪的状况,相当于引入了一个干预调整,及时调整车位指示灯显示正确的亮灯状态,防止指示灯一直频闪,因此使用当前帧的状态来判断当前车位的真实状态,并用这个真实状态来解决频闪问题。
基于上述方法,其中,无车状态帧图像为没有车停在车位时车位的帧图像。
进一步的,步骤S11之前,还对车位进行车头检测和车牌识别。
进一步的,步骤S12的过程包括:判断在预设时间内车位指示灯的变灯次数是否大于预设值;若所述变灯次数大于预设值,确定车位指示灯出现频闪,获取车位的当前帧图像。
其中,预设时间为120s,预设值为5。
进一步的,步骤S13优选采用以下步骤实现:
S1:提取当前帧图像的HOG特征,提取背景队列中每个无车状态帧图像的HOG特征;
S2:计算当前帧图像的HOG特征与背景队列中每个无车状态帧图像的HOG特征的欧式距离;
S3:判断每个欧式距离是否均小于预设阈值,若是,确定当前帧图像的车位状态为无车状态;若否,确定当前帧图像为有车状态。
其中,HOG特征是灰度图的梯度统计信息,而梯度主要存在于边缘的地方。对于图像I的一阶梯度,梯度大小可以表示为:其中I(x,y)表示图像上的某个像素点,横坐标为x,纵坐标为y。梯度方向可以表示为:Ang(x,y)=arccos(I(x+1,y)-I(x-1,y)/R)。直方图方向为9个,将每个分块中所有像素的一维梯度直方图累加到其中,就形成了最终的特征。对于一个cell的尺寸为8x8的块来说,可以用这9维的特征来表征这个块。
进一步的,步骤S14的过程包括:若当前帧图像的车位状态为无车状态,控制车位指示灯亮绿灯;若当前帧图像的车位状态为有车状态,控制车位指示灯亮红灯。
其中,判断当前帧图像的车位状态与车位指示灯上一次输出的车 位状态是否一致,如果一致,表示不需要变换状态,保存当前车位状态,即控制车位指示灯亮灯状态不变,不需要变灯;如果不一致,则变换当前车位状态,即控制车位指示灯状态改变,需要变灯。
可见,当出现了频闪的时候,本方法通过提取当前帧图像与背景队列的HOG特征,通过计算欧式距离,然后通过阈值来确定当前帧是属于“有车”还是“无车”状态。由于某些原因出现导致了频闪,这个时候利用当前帧的图像来做一个“有车”或“无车”的判断,通过这个判断来打破频闪的状况,相当于引入了一个“干预”,直到系统重新回到一个相对稳定的状态。并实现提高了停车场的管理效率、降低了管理人员成本,加快了车位的周转周期,为车主带来便利的停车体验。
对于背景队列,每一次判断为“无车”状态,就把当前帧保存下来,作为“无车”的一个样本,然后加入队列。优选的,队列长度为5。队列采取先进先出的管理模式,当队列满了,下一帧被认为是“无车”的图像添加到队列,就把最早的一张图像删除。
参考图2,图2为车位引导方法具体实施流程图。当“无车”队列满了后,进行如下操作:
步骤1、首先执行车头检测,因为车头检测比起车牌识别的速度要快,并且车头检测能解决没有车牌的无牌车的检测的问题。但是由于现场有可能存在遮挡,或者车主没把车停好等因素,会导致车头检测失败。如果检测到车头,保存当前帧状态为“有车”,跳转步骤4。如果没有检测到车头,跳转步骤2。
其中,因为一般情况下,用户把车停在车位后会停留一段时间才离开,因此车牌识别可以在接下来的系统的空闲时间进行。当记录当前车位的状态为“有车”,但是又没有车牌号码,就会在接下来的空闲时间进行车牌识别。
步骤2、执行车牌识别,如果检测到车牌号码,保存当前帧状态为“有车”,跳转步骤4。如果没有检测到车牌号码,保存当前帧状态为“无车”,跳转步骤3。
步骤3、判断在过去n1帧内是否有n2帧没有检测到车头与车牌。这里的n1与n2都是自由设置,n1的值如果大,会更稳定,但是变灯速度慢。n1的值如果小,能够变灯更快,但是有可能不够稳定。其中,n2的值必须大于n1的一半,一般取70%。优选的,n1=10,n2=7。如果满足条件,设置当前车位的状态为“无车”,跳转步骤5。如果不满足条件,表明当前帧不需要进行状态判断,当前帧操作结束。
其中,系统每帧都会执行状态判断。当前车位的状态从一种状态转换到另外一种状态,需要一定时间。另外如果达到了稳态,即在一段时间内一直“有车”或者“无车”,输出的状态就会被过滤。
步骤4、判断在过去n1帧内是否有n2帧检测到车头或车牌。这里的n1与n2都是自由设置,n1的值如果大,会更稳定,但是变灯速度慢。n1的值如果小,能够变灯更快,但是有可能不够稳定。原则上,n2的值必须大于n1的一半,一般取70%。优选的,n1=10,n2=7。如果满足条件,设置当前车位的状态为“有车”,跳转步骤5。如果不满足条件,表明当前帧不需要进行状态判断,当前帧操作结束。
步骤5、判断当前帧需要输出的状态与上一次输出的状态是否一致,如果一致,表示不需要变灯,当前帧操作结束。如果不一致,则需要变换状态。判断在T1时间内变灯的次数是否大于阈值Th1,如果变灯次数没有大于阈值Th1,表示当前状态转换不算频繁,可以输出当前的车位状态,当前帧操作结束。如果变灯次数大于阈值Th1,表明状态变换太频繁,跳转步骤6。优选的,T1=120秒,Th1=5。
步骤6、执行判断当前状态的操作,得到结果后,判断当前帧需要输出的状态与上一次输出的状态是否一致,如果一致,表示不需要变换状态。如果不一致,则需要变换状态,输出后当前帧操作结束。
其中,状态判断的具体步骤如下:
1、提取当前帧图像的HOG特征,然后再提取队列里5帧“无车”图像的HOG特征。其中,每个车位都框出一块区域作为频闪判断的区域。把该区域的大小调整到64x 64像素,然后使用cell=8,步长为4,提取HOG特征。每个8x 8的块可以提取到9维特征,对于64 x 64的图像,有225块,因此可以获得225x 9=2025维的特征。
2、依次计算当前帧提取到的HOG特征与5张“无车”图像的HOG特征的欧式距离。
3、统计上一步骤中欧式距离大于阈值Th2的数量,如果欧式距离大于阈值Th2的数量小于1,则确定当前帧的状态为“无车”。如果所有欧式距离中至少有一个欧式距离大于等于阈值,则判断为“有车”。Th2的值是依据情况自由设置的,可根据实验室经过多次试验获取。即判断每个欧式距离是否均小于预设阈值,若是,确定当前帧图像的车位状态为无车状态;若否,确定当前帧图像为有车状态。
其中,如果车位上有车,那么提取出来的HOG特征与没有车辆的背景所提取的HOG特征差异很大,因此通过计算欧式距离就能很容易区分有车与无车,并且准确率很高。一旦判断结束后,从一个状态转换到另外一个状态需要一定的帧数。例如现场背景中可能有某些区域看起来很像车牌,那么这些区域就会有可能被识别称为车牌。在实际应用中,这些区域可能存在T1时间内变灯的次数大于阈值Th1的情况,这个时候通过状态检测,就很容易知道当前帧并没有车辆,直接输出“无车”状态。
其中,状态检测的意义在于,一般场景下,车位上的状态的波动是很小的,不会发生频闪。但是由于某些原因出现导致了频闪,这个时候系统利用当前帧的图像来做一个“有车”或“无车”的判断,通过这个判断来打破频闪的状况,直到系统重新回到一个相对稳定的状态。即使用当前帧的状态来判断当前车位的真实状态,并用这个真实状态来解决频闪问题。
请参考图3,图3为本发明所提供的一种车位引导装置的结构示意图,该装置包括:
获取模块101,用于获取车位的多个无车状态帧图像,添加至背景队列中;
判断模块102,用于判断车位指示灯出现频闪时,获取车位的当前帧图像;
计算模块103,用于计算当前帧图像的HOG特征与背景队列中每个无车状态帧图像的HOG特征的欧式距离,确定当前帧图像的车位状态;
控制模块104,用于通过当前帧图像的车位状态控制车位指示灯的亮灯状态。
可见,当出现了频闪的时候,该装置计算所述当前帧图像的HOG特征与背景队列中每个无车状态帧图像的HOG特征的欧式距离,确定当前帧图像的车位状态,如此在由于某些原因出现导致了频闪时,利用当前帧的图像来做一个有车或无车的状态判断,通过这个判断来打破频闪的状况,相当于引入了一个干预调整,及时调整车位指示灯显示正确的亮灯状态,防止指示灯一直频闪,因此使用当前帧的状态来判断当前车位的真实状态,并用这个真实状态来解决频闪问题。
基于上述装置,其中,无车状态帧图像为没有车停在车位时车位的帧图像。
进一步的,获取模块还包括:检测单元,用于对车位进行车头检测和车牌识别。
进一步的,判断单元包括:
采集单元,用于判断在预设时间内车位指示灯的变灯次数是否大于预设值;
确定单元,用于若所述变灯次数大于预设值,确定车位指示灯出现频闪,获取车位的当前帧图像。其中,预设时间为120s,预设值为5。
进一步的,计算模块包括:
提取单元,用于提取当前帧图像的HOG特征,提取背景队列中每个无车状态帧图像的HOG特征;
计算单元,用于计算当前帧图像的HOG特征与背景队列中每个无车状态帧图像的HOG特征的欧式距离;
判断单元,用于判断每个欧式距离是否均小于预设阈值,若是,确定当前帧图像的车位状态为无车状态;若否,确定当前帧图像为有 车状态。
进一步的,控制模块包括:
第一控制单元,用于若当前帧图像的车位状态为无车状态,控制车位指示灯亮绿灯;
第二控制单元,用于若当前帧图像的车位状态为有车状态,控制车位指示灯亮红灯。
其中,控制模块判断当前帧图像的车位状态与车位指示灯上一次输出的车位状态是否一致,如果一致,表示不需要变换状态,保存当前车位状态,即控制车位指示灯亮灯状态不变,不需要变灯;如果不一致,则变换当前车位状态,即控制车位指示灯状态改变,需要变灯。
如此,当出现了频闪的时候,本装置通过提取当前帧图像与背景队列的HOG特征,通过计算欧式距离,然后通过阈值来确定当前帧是属于“有车”还是“无车”状态。由于某些原因出现导致了频闪,这个时候利用当前帧的图像来做一个“有车”或“无车”的判断,通过这个判断来打破频闪的状况,相当于引入了一个“干预”,直到系统重新回到一个相对稳定的状态。并实现提高了停车场的管理效率、降低了管理人员成本,加快了车位的周转周期,为车主带来便利的停车体验。
以上对本发明所提供的一种车位引导方法及装置进行了详细介绍。本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想。应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以对本发明进行若干改进和修饰,这些改进和修饰也落入本发明权利要求的保护范围内。
Claims (10)
1.一种车位引导方法,其特征在于,包括:
获取车位的多个无车状态帧图像,添加至背景队列中;
判断车位指示灯出现频闪时,获取车位的当前帧图像;
计算所述当前帧图像的HOG特征与背景队列中每个无车状态帧图像的HOG特征的欧式距离,确定当前帧图像的车位状态;
通过当前帧图像的车位状态控制车位指示灯的亮灯状态。
2.如权利要求1所述的方法,其特征在于,所述计算所述当前帧图像的HOG特征与背景队列中每个无车状态帧图像的HOG特征的欧式距离,确定当前帧图像的车位状态,包括:
提取当前帧图像的HOG特征,提取背景队列中每个无车状态帧图像的HOG特征;
计算所述当前帧图像的HOG特征与背景队列中每个无车状态帧图像的HOG特征的欧式距离;
判断每个欧式距离是否均小于预设阈值,若是,确定当前帧图像的车位状态为无车状态;若否,确定当前帧图像为有车状态。
3.如权利要求2所述的方法,其特征在于,通过当前帧图像的车位状态控制车位指示灯的亮灯状态,包括:
若当前帧图像的车位状态为无车状态,控制车位指示灯亮绿灯;
若当前帧图像的车位状态为有车状态,控制车位指示灯亮红灯。
4.如权利要求3所述的方法,其特征在于,所述获取车位的多个无车状态帧图像,添加至背景队列中之前,还包括:对车位进行车头检测和车牌识别。
5.如权利要求1至4中任意一项所述的方法,其特征在于,所述判断车位指示灯出现频闪时,获取车位的当前帧图像,包括:
判断在预设时间内车位指示灯的变灯次数是否大于预设值;
若所述变灯次数大于预设值,确定车位指示灯出现频闪,获取车位的当前帧图像。
6.一种车位引导装置,其特征在于,包括:
获取模块,用于获取车位的多个无车状态帧图像,添加至背景队列中;
判断模块,用于判断车位指示灯出现频闪时,获取车位的当前帧图像;
计算模块,用于计算所述当前帧图像的HOG特征与背景队列中每个无车状态帧图像的HOG特征的欧式距离,确定当前帧图像的车位状态;
控制模块,用于通过当前帧图像的车位状态控制车位指示灯的亮灯状态。
7.如权利要求6所述的装置,其特征在于,所述计算模块包括:
提取单元,用于提取当前帧图像的HOG特征,提取背景队列中每个无车状态帧图像的HOG特征;
计算单元,用于计算所述当前帧图像的HOG特征与背景队列中每个无车状态帧图像的HOG特征的欧式距离;
判断单元,用于判断每个欧式距离是否均小于预设阈值,若是,确定当前帧图像的车位状态为无车状态;若否,确定当前帧图像为有车状态。
8.如权利要求7所述的装置,其特征在于,所述控制模块包括:
第一控制单元,用于若当前帧图像的车位状态为无车状态,控制车位指示灯亮绿灯;
第二控制单元,用于若当前帧图像的车位状态为有车状态,控制车位指示灯亮红灯。
9.如权利要求8所述的装置,其特征在于,所述获取模块还包括:检测单元,用于对车位进行车头检测和车牌识别。
10.如权利要求6至9中任意一项所述的装置,其特征在于,所述判断单元包括:
采集单元,用于判断在预设时间内车位指示灯的变灯次数是否大于预设值;
确定单元,用于若所述变灯次数大于预设值,确定车位指示灯出现频闪,获取车位的当前帧图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611155170.2A CN106599921A (zh) | 2016-12-14 | 2016-12-14 | 一种车位引导方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611155170.2A CN106599921A (zh) | 2016-12-14 | 2016-12-14 | 一种车位引导方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106599921A true CN106599921A (zh) | 2017-04-26 |
Family
ID=58801612
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611155170.2A Pending CN106599921A (zh) | 2016-12-14 | 2016-12-14 | 一种车位引导方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106599921A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108564814A (zh) * | 2018-06-06 | 2018-09-21 | 清华大学苏州汽车研究院(吴江) | 一种基于图像的停车场车位检测方法及装置 |
CN110322681A (zh) * | 2018-03-30 | 2019-10-11 | 杭州海康威视数字技术股份有限公司 | 检测车位状态的方法和装置 |
CN114038228A (zh) * | 2021-10-20 | 2022-02-11 | 深圳市捷顺科技实业股份有限公司 | 一种停车位引导的方法及装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103198705A (zh) * | 2013-03-21 | 2013-07-10 | 电子科技大学 | 车位状态自动检测方法 |
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 |
CN105528912A (zh) * | 2016-01-20 | 2016-04-27 | 中山大学 | 一种室内车位推荐方法及其系统 |
CN105931492A (zh) * | 2016-07-05 | 2016-09-07 | 南通理工学院 | 居民小区停车场管理系统实现方法 |
CN106169251A (zh) * | 2016-08-09 | 2016-11-30 | 苏州千阙传媒有限公司 | 一种停车场车辆信息智能管理系统 |
-
2016
- 2016-12-14 CN CN201611155170.2A patent/CN106599921A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103198705A (zh) * | 2013-03-21 | 2013-07-10 | 电子科技大学 | 车位状态自动检测方法 |
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 |
CN105528912A (zh) * | 2016-01-20 | 2016-04-27 | 中山大学 | 一种室内车位推荐方法及其系统 |
CN105931492A (zh) * | 2016-07-05 | 2016-09-07 | 南通理工学院 | 居民小区停车场管理系统实现方法 |
CN106169251A (zh) * | 2016-08-09 | 2016-11-30 | 苏州千阙传媒有限公司 | 一种停车场车辆信息智能管理系统 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110322681A (zh) * | 2018-03-30 | 2019-10-11 | 杭州海康威视数字技术股份有限公司 | 检测车位状态的方法和装置 |
CN108564814A (zh) * | 2018-06-06 | 2018-09-21 | 清华大学苏州汽车研究院(吴江) | 一种基于图像的停车场车位检测方法及装置 |
CN108564814B (zh) * | 2018-06-06 | 2020-11-17 | 清华大学苏州汽车研究院(吴江) | 一种基于图像的停车场车位检测方法及装置 |
CN114038228A (zh) * | 2021-10-20 | 2022-02-11 | 深圳市捷顺科技实业股份有限公司 | 一种停车位引导的方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106373426B (zh) | 基于计算机视觉的停车位及违规占道停车监控方法 | |
CN104392224B (zh) | 一种公路路面裂纹检测方法 | |
Tahmid et al. | Density based smart traffic control system using canny edge detection algorithm for congregating traffic information | |
CN105702048B (zh) | 基于行车记录仪的高速公路前车违法占道识别系统及方法 | |
CN104504377B (zh) | 一种公交车乘客拥挤程度识别系统及方法 | |
CN104464290B (zh) | 一种基于嵌入式双核芯片的道路交通参数采集及违章抓拍系统 | |
CN101726493B (zh) | 一种水泥基材料收缩与开裂性能检测方法及装置 | |
Schmugge et al. | Crack segmentation by leveraging multiple frames of varying illumination | |
CN101882374A (zh) | 一种车辆行程分布综合信息分析系统及方法 | |
CN104166841A (zh) | 一种视频监控网络中指定行人或车辆的快速检测识别方法 | |
CN102759347B (zh) | 一种高铁接触网在线巡检装置、巡检方法以及其检测系统 | |
CN105225523B (zh) | 一种车位状态检测方法及装置 | |
CN102915638A (zh) | 基于监控视频的智能停车场管理系统 | |
CN103559703A (zh) | 基于双目视觉的起重机障碍物监测及预警方法及系统 | |
CN106097722B (zh) | 利用视频进行路侧车位自动化监管的系统和方法 | |
CN109999469A (zh) | 一种足球绕杆考试智能裁判系统 | |
CN106599921A (zh) | 一种车位引导方法及装置 | |
CN104378539A (zh) | 场景自适应的视频结构化语义提取摄像机及其方法 | |
CN202444572U (zh) | 一种无参考的视频监控图像模糊质量检测装置 | |
CN110490150A (zh) | 一种基于车辆检索的违章图片自动审核系统及方法 | |
CN116012701A (zh) | 一种基于矾花检测的水处理加药控制方法及装置 | |
CN104268548A (zh) | 一种基于道路图像的积雪检测方法 | |
CN104200231B (zh) | 一种高效的交通状态标注方法 | |
CN110880205B (zh) | 一种停车收费方法及装置 | |
CN106919889B (zh) | 对视频图像中的人头进行检测的方法和装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | 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: 20170426 |