CN106652551A - 一种车位检测方法及设备 - Google Patents
一种车位检测方法及设备 Download PDFInfo
- Publication number
- CN106652551A CN106652551A CN201611170732.0A CN201611170732A CN106652551A CN 106652551 A CN106652551 A CN 106652551A CN 201611170732 A CN201611170732 A CN 201611170732A CN 106652551 A CN106652551 A CN 106652551A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- image
- parking stall
- detection zone
- stop
- 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.)
- Granted
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
- G08G1/145—Traffic control systems for road vehicles indicating individual free spaces in parking areas where the indication depends on the parking areas
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Image Analysis (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种车位检测方法。在确定有车辆驶入检测区域时采集驶入图像,当车辆停留的时间超过一定时间后,在时间段内持续检测到所识别出的车辆特征出现在同一位置或在模板匹配框中停留的时间超过一定时间时采集停留图像,在识别出的车辆特征发生位移的距离超过预设的距离阈值或在检测区域出现帧差的面积超过预设的面积阈值时采集驶离图像,并判断车辆特征是否与停留图像中的位置接近,根据判断结果将车位设置为空车位或将驶离图像根据检测区域当前的采集图像进行更新。从而在减少设备维护量的前提下,提高了车位状态检测效率。
Description
技术领域
本发明涉及通信技术领域,特别涉及一种车位检测方法。本发明同时还涉及一种车位检测设备。
背景技术
随着社会经济的发展,城市中各类机动车数量迅猛增长,诸多城市规划在中心区域兴建大型停车场以满足大众泊车的需求。为了使管理人员或者停车用户及时的获知停车场内的车位使用情况,车位检测技术应运而生。
由于车位检测是提高车位管理、停车诱导、合理调度统筹的重要手段,因此车位检测对于开放式的停车场是必要的,但目前很多停车场的停车位管理仍以人工管理为主,这样不仅会使得车位统计以及调度工作效率低下,甚至还会造成差错。
为了避免人工管理所带来的不便,现有技术逐渐采用各种技术代替人工来进行车位检测。部分停车场采用车位检测技术特别是传感器技术来进行车位占用情况的检测,如超声波、地感线圈、地磁、压力、红外线等。然而,发明人在实现本发明的过程中发现,以上几种检测方法前期的设备安装及后期的设备维护都较为复杂,而且当停车位越来越多时会带来通信和计算的压力,也易受到环境的干扰导致误检。
举例来说,当超声波检测器当风速太大或者探头下方有人或物体通过时,将会产生反射波造成误检;而地感线圈安装时需要挖开道路,线圈线路使用的可靠性和交通压力及环境温度有关;红外线传感器会受到灰尘等影响而造成干扰等等。
由此可见,如何在安装维护方便、抗干扰性强、鲁棒性高的前提下,针对不同的环境和条件下的停车位进行有效的视频检测,成为本领域技术人员亟待解决的技术问题。
发明内容
本发明提供了一种车位检测方法,用以在减少设备维护量的基础上提高停车位的检测效率,该方法应用于包含前端采集设备的停车管理系统中,预先配置与车位对应的检测区域,该方法还包括:
根据车位特征检测模型以及对指定特征的检测确定是否有车辆驶入所述检测区域,并在确定结果为是时通过所述前端采集设备采集所述车辆的驶入图像,所述指定特征包括环境特征以及车辆特征;
当所述车辆在预设的模板匹配框中停留的时间超过预设的第一时间阈值后,在预设的时间段内持续检测到所识别出的车辆特征出现在同一位置时采集所述车辆的停留图像,或在所述车辆在所述模板匹配框中停留的时间超过预设的第二时间阈值时采集所述车辆的停留图像;
在所述识别出的车辆特征发生位移的距离超过预设的距离阈值时采集所述车辆的驶离图像,或在所述检测区域出现帧差的面积超过预设的面积阈值时采集所述车辆的驶离图像;
判断所述车辆的一个或多个车辆特征是否与所述停留图像中的位置接近;
若否,清除所述车辆的信息,并将所述车位设置为空车位;
若是,将所述驶离图像根据所述检测区域当前的采集图像进行更新。
优选的,所述环境特征具体为车位限位器,根据车位特征检测模型以及对指定特征的检测确定是否有车辆驶入所述检测区域,具体为:
若根据所述车位特征检测模型确认所述检测区域存在所述车辆,且所述检测区域中不包含所述车位限位器,先后对所述车辆的车辆特征以及车牌进行检测以及识别,并根据识别结果设置在采集所述驶入图像时对所述车牌或所述车辆的车轮进行抓拍;
若根据所述车位特征检测模型确认所述检测区域存在所述车辆,但所述检测区域中包含所述车位限位器,重新利用所述车位特征检测模型对所述检测区域进行检测;
若无法根据所述车位特征检测模型确认所述检测区域是否存在所述车辆,先后对所述车辆的车辆特征以及车牌进行检测以及识别,并根据识别结果设置在采集所述驶入图像时对所述车牌或所述车辆的车轮进行抓拍。
优选的,在预设的时间段内持续检测到所识别出的车辆特征出现在同一位置时采集所述车辆的停留图像或在所述车辆在所述模板匹配框中停留的时间超过预设的第二时间阈值时采集所述车辆的停留图像,具体为:
当所述车辆在所述模板匹配框中停留的时间超过预设的第二时间阈值时,采用强制停稳方式采集所述车辆的停留图像;
当所述车辆在所述模板匹配框中停留的时间未超过预设的第二时间阈值,且所述车牌以及所述车辆特征均能够被检测以及识别,在所述车牌的位置停止的时间超过所述时间段后采集所述车辆的停留图像;
当所述车辆在所述模板匹配框中停留的时间未超过预设的第二时间阈值,所述车牌无法被识别,所述车辆特征能够被检测到,在所述车辆特征的位置停止的时间超过所述时间段后采集所述车辆的停留图像。
优选的,在所述识别出的车辆特征发生位移的距离超过预设的距离阈值时采集所述车辆的驶离图像或在所述检测区域出现帧差的面积超过预设的面积阈值时采集所述车辆的驶离图像,具体为:
若所述停留图像通过所述强制停稳方式采集,且所述检测区域出现帧差的面积超过预设的面积阈值,采集所述车辆的驶离图像;
若所述停留图像未通过所述强制停稳方式采集,且所述检测区域出现帧差,根据所述车辆特征以及所述车牌的检测结果,在所述车辆特征或所述车牌的位置与停稳时的位置相差超过预设的距离阈值后采集所述车辆的驶离图像。
优选的,判断所述车辆特征是否与所述停留图像中的位置接近,具体为:
对所述车辆特征的位置进行检测;
若所述车辆特征的位置与所述车辆在停稳时的位置接近,重新采集并更新所述驶离图像;
若通过车位特征检测模型在所述检测区域无法检测到所述车辆,且所述车牌的位置与所述车辆在停稳时的位置不接近,确定所述检测区域为空车位;
若通过车位特征检测模型在所述检测区域无法检测到所述车辆,且所述车牌的位置与所述车辆在停稳时的位置接近,重新采集并更新所述驶离图像。
相应的,本申请还提出了一种车位检测设备,应用于包含前端采集设备的停车管理系统中,包括:
配置模块,预先配置与车位对应的检测区域;
第一采集模块,根据车位特征检测模型以及对指定特征的检测确定是否有车辆驶入所述检测区域,并在确定结果为是时通过所述前端采集设备采集所述车辆的驶入图像,所述指定特征包括环境特征以及车辆特征;
第二采集模块,当所述车辆在预设的模板匹配框中停留的时间超过预设的第一时间阈值后,在预设的时间段内持续检测到所识别出的车辆特征出现在同一位置时采集所述车辆的停留图像,或在所述车辆在所述模板匹配框中停留的时间超过预设的第二时间阈值时采集所述车辆的停留图像;
第三采集模块,在所述识别出的车辆特征发生位移的距离超过预设的距离阈值时采集所述车辆的驶离图像,或在所述检测区域出现帧差的面积超过预设的面积阈值时采集所述车辆的驶离图像;
判断模块,判断所述车辆的一个或多个车辆特征是否与所述停留图像中的位置接近;
更新模块,用于在所述判断模块的判断结果为否时清除所述车辆的信息,并将所述车位设置为空车位,以及在所述判断模块的判断结果为是时将所述驶离图像根据所述检测区域当前的采集图像进行更新。
优选的,所述环境特征具体为车位限位器,所述第一采集模块根据车位特征检测模型以及对指定特征的检测确定是否有车辆驶入所述检测区域,具体为:
若根据所述车位特征检测模型确认所述检测区域存在所述车辆,且所述检测区域中不包含所述车位限位器,先后对所述车辆的车辆特征以及车牌进行检测以及识别,并根据识别结果设置在采集所述驶入图像时对所述车牌或所述车辆的车轮进行抓拍
若根据所述车位特征检测模型确认所述检测区域存在所述车辆,但所述检测区域中包含所述车位限位器,重新利用所述车位特征检测模型对所述检测区域进行检测;
若无法根据所述车位特征检测模型确认所述检测区域是否存在所述车辆,先后对所述车辆的车辆特征以及车牌进行检测以及识别,并根据识别结果设置在采集所述驶入图像时对所述车牌或所述车辆的车轮进行抓拍。
优选的,所述第二采集模块在预设的时间段内持续检测到所识别出的车辆特征出现在同一位置时采集所述车辆的停留图像或在所述车辆在所述模板匹配框中停留的时间超过预设的第二时间阈值时采集所述车辆的停留图像,具体为:
当所述车辆在所述模板匹配框中停留的时间超过预设的第二时间阈值时,采用强制停稳方式采集所述车辆的停留图像;
当所述车辆在所述模板匹配框中停留的时间未超过预设的第二时间阈值,且所述车牌以及所述车辆特征均能够被检测以及识别,在所述车牌的位置停止的时间超过所述时间段后采集所述车辆的停留图像;
当所述车辆在所述模板匹配框中停留的时间未超过预设的第二时间阈值,所述车牌无法被识别,所述车辆特征能够被检测到,在所述车辆特征的位置停止的时间超过所述时间段后采集所述车辆的停留图像。
优选的,所述第三采集模块在所述识别出的车辆特征发生位移的距离超过预设的距离阈值时采集所述车辆的驶离图像或在所述检测区域出现帧差的面积超过预设的面积阈值时采集所述车辆的驶离图像,具体为:
若所述停留图像通过所述强制停稳方式采集,且所述检测区域出现帧差的面积超过预设的面积阈值,采集所述车辆的驶离图像;
若所述停留图像未通过所述强制停稳方式采集,且所述检测区域出现帧差,根据所述车辆特征以及所述车牌的检测结果,在所述车辆特征或所述车牌的位置与停稳时的位置相差超过预设的距离阈值后采集所述车辆的驶离图像。
优选的,所述判断模块具体用于:
对所述车辆特征的位置进行检测;
若所述车辆特征的位置与所述车辆在停稳时的位置接近,重新采集并更新所述驶离图像;
若通过车位特征检测模型在所述检测区域无法检测到所述车辆,且所述车牌的位置与所述车辆在停稳时的位置不接近,确定所述检测区域为空车位;
若通过车位特征检测模型在所述检测区域无法检测到所述车辆,且所述车牌的位置与所述车辆在停稳时的位置接近,重新采集并更新所述驶离图像。
由此可见,在确定有车辆驶入检测区域时采集驶入图像,当车辆停留的时间超过一定时间后,在时间段内持续检测到所识别出的车辆特征出现在同一位置或在模板匹配框中停留的时间超过一定时间时采集停留图像,在识别出的车辆特征发生位移的距离超过预设的距离阈值或在检测区域出现帧差的面积超过预设的面积阈值时采集驶离图像,并判断车辆特征是否与停留图像中的位置接近,根据判断结果将车位设置为空车位或将驶离图像根据检测区域当前的采集图像进行更新。从而在减少设备维护量的前提下,提高了车位状态检测效率。
附图说明
图1为本申请具体实施例中停车位检测示意图;
图2A为本申请具体实施例中车辆驶入的抓拍示意图;
图2B为本申请具体实施例中车辆停稳的抓拍示意图;
图2C为本申请具体实施例中车辆驶离的抓拍示意图;
图2D为本申请具体实施例中空车位的抓拍示意图;
图3为本申请提出的一种车位检测方法的流程示意图;
图4为本申请具体实施例中对车位检测区域进行配置的示意图;
图5为本申请具体实施例中车辆驶入检测流程图;
图6为本申请具体实施例中车辆停稳检测流程图;
图7为本申请具体实施例中车辆驶离检测流程图;
图8为本申请具体实施例中空车位检测流程图;
图9为本申请提出的一种车位检测设备的结构示意图。
具体实施方式
如背景技术所述,现有的车位检测技术易受环境影响,抗干扰性较低,在实际应用中检测效率偏低,进而影响车位检测的准确性。
有鉴于现有技术所存在的技术问题,本申请提出了一种车位检测方法,通过车辆特征检测技术,对停车场的停车位从车辆驶入,车辆停稳,车辆驶离,空车位四个阶段的图像进行实时检测和采集。在此基础上技术人员不仅能够提供车位引导作用,而且还能够准确提供停车时长。由于结合车辆特征进行停车位的检测,从而大大提升了大角度倾斜停车位的检出率,具有检测精度高,误检率低,检测实时性好,实施维护方便,鲁棒性高等优势。
如上所述,由于本申请旨在针对停车场内的车位进行高效率检测的同时不增加设备的升级负担,本申请的技术方案应用于包含前端采集设备的停车管理系统中。特别地,该停车管理系统在具体的应用场景中可以采用支持大角度车辆检测的车位半球计时系统,相应的前端采集设备为半球形摄像头,这样能够实现每台车位半球相机监控两个或者三个停车位,从而对该车位进行车辆驶入、车辆停稳、车辆驶离、空车位四个状态实时检测。
在本申请的具体实施例中,基于本申请技术方案的停车位检测示意图如图1所示,相应的四种不同状态的停车位检测分别如图2A、图2B、图2C以及图2D所示,该具体实施例的布置方式除了对于特殊工勘下的大角度倾斜停车位具有较好的检测效果,后续还能够通过车辆驶离与车辆驶入的时间差确定出停车时长。
如图3所示,为本申请提出的一种车位检测方法的流程示意图,虽然本申请的技术方案主要由车辆驶入状态判断、车辆停稳状态判断、车辆驶离状态判断以及空车位的判断等流程组成,但是在此之前,还需要预先配置与车位对应的检测区域,在如图4所示的具体应用场景中,停车位的检测区域为实际车位ABCD四个顶点的外接矩形,其中虚线框为车位限位器(例如挡轮杆(器)等),在本申请的技术方案中,车位限位器是车辆驶入、驶离判定的重要依据之一。
具体地,该方法还包括如下步骤:
S301,根据车位特征检测模型以及对指定特征的检测确定是否有车辆驶入所述检测区域,并在确定结果为是时通过所述前端采集设备采集所述车辆的驶入图像,所述指定特征包括环境特征以及车辆特征。
该步骤旨在对车辆驶入状态进行判断,判断的依据来源于两个不同的方面:一方面是检测车辆的各类特征(例如车头、车位、车轮等)以及环境特征(例如停车位上的挡轮杆等车位限位器),如果检测区域存在车辆特征或者是不存在环境特征的话,那么该检测区域有很大的区域存在车辆;除此之外,本申请的技术方案还从另一方面通过车位特征检测模型确定是否有车辆驶入停车位。在通过判断确认有车辆驶入车位之后,再通过前端采集设备对车辆的驶入图像进行抓拍。
在本申请的优选实施例中,为了更好地支持大角度下的车辆检测,驶入检测过程主要利用基于卷积神经网络(Convolutional Neural Network,CNN)的车位特征检测,该车位特征检测模型进一步包括二分类检测和三分类检测,二分类分为有车以及无车两种情况,但是这两种情况的判断方式较于三分类来说精度不高,而三分类检测能够包括有车、无车、其它这三种情况,能给有效的减少跨车位停车漏拍情况,本领域技术人员可以结合实际情况利用不同类型的车位检测模型对检测区域进行检测,这些改变均属于本申请的保护范围。
在本申请的优选实施例中,车辆驶入车位抓拍策略包括车轮抓拍策略和车牌抓拍策略。对于无牌车或倾斜车位车牌未露出的场景可通过车轮抓拍方案进行抓拍,正常的有牌车可通过车牌抓拍方案进行抓拍,具体的处理方式如下:
(1)若根据所述车位特征检测模型确认所述检测区域存在所述车辆,且所述检测区域中不包含所述车位限位器,先后对所述车辆的车辆特征以及车牌进行检测以及识别,并根据识别结果设置在采集所述驶入图像时对所述车牌或所述车辆的车轮进行抓拍。
(2)若根据所述车位特征检测模型确认所述检测区域存在所述车辆,但所述检测区域中包含所述车位限位器,重新利用所述车位特征检测模型对所述检测区域进行检测。
(3)若无法根据所述车位特征检测模型确认所述检测区域是否存在所述车辆,先后对所述车辆的车辆特征以及车牌进行检测以及识别,并根据识别结果设置在采集所述驶入图像时对所述车牌或所述车辆的车轮进行抓拍。
在利用车位特征检测模型以及环境特征对检测区域是否存在车辆进行判断的过程中,有可能会出现无法确定判断结果的情况。例如,当利用二分类的车位特征检测模型确认检测区域不存在车辆,而且利用三分类的车位特征检测模型无法确认检测区域究竟是否存在车辆的情况(检测结果为其它情况)下,那么即需要针对车辆特征以及车牌先后进行检测以确定检测区域到底是否有车辆驶入了。相应的,如果仅仅只是通过二分类的车位特征检测模型初步确定检测区域存在车辆且车位限位器不可见时,也无法真正的确认检测区域究竟是否存在车辆,此时同样需要针对车辆特征以及车牌先后进行检测以确定检测区域到底是否有车辆驶入。
需要指出的是,以上仅为本申请针对车位特征检测模型以及指定特征所提出的一种优选实施方案,其中车位特征检测模型能够基本输出检测区域是否存在车辆的判断结果,而通过环境特征以及车辆特征能够进一步的验证车位特征检测模型的输出结果是否准确。在此基础上,本领域技术人员能够设置其他利用车位特征检测模型以及指定特征检测的方式来确定是否有车辆驶入检测区域,而不仅限于本申请上述优选实施例中的实施方式。
举例来说,技术人员可以设置在根据车位特征检测模型首先对检测区域中是否存在车辆进行检测,如果能够仅通过车位特征检测模型确认检测区域存在车辆时,则可以直接对该车辆的车牌进行检测以及识别。在通过车位特征检测模型在检测不到车牌或针对车牌的识别失败时,再进行挡轮杆的检测。在客观因素较差或者是挡轮杆都检测不到的情况下,再对检测区域进行车轮检测,最终在检测到车轮时对车辆的车轮进行抓拍。
可以理解的是,以上方式为本申请针对具体应用场景提出的说明而并非限制,在此基础上技术人员所做的改进均属于本申请的保护范围。
如图5所示,为本申请的具体实施例中车辆驶入检测流程图。当相机监控三车位时,左右两侧的车位角度较为倾斜,会出现车辆停稳后车头车尾在相机场景中未完整露出的情况,在特殊工勘下也可能出现大角度的倾斜车位情况,但在这些情况下车轮往往能比车头车尾更容易检测到。针对S501中所介绍的不同的检测方式,以下结合具体的应用场景对其分别进行介绍:
(1)CNN车位特征检测
在车位倾斜角度较大或车头车尾部分未露出时,车头与车尾检测可能存在漏检情况,而CNN车位特征检测对以上情况都不敏感,通过学习大量的输入与输出之间的映射关系,用已知的模式对卷积网络加以训练,网络就具有输入输出之间的映射能力,可以很好地进行停车位有车无车的二分类判断。
在本申请具体的实施例中,CNN网络可以采取一个如下简单的7层结构:
输入层Input图像大小为:72*48;C1层卷积模板为3*3,跨距为1,输出特征图数量为12,大小为70*46;S2层下采样模板为2*2,跨距为1,输出特征图数量为12,大小为35*23;C3层卷积模板为5*5,跨距为2,输出特征图数量为24,大小为16*10;S4层下采样模板为2*2,跨距为1,输出特征图数量为24,大小为8*5;C5层卷积模板为8*5,输出特征图数量为96,大小为1*1;输出层Output输出特征图数量为2(二分类时)或3(三分类时)。
(2)挡轮杆(器)检测
以图4所示的具体应用场景为例,本具体实施例先提取实际车位上1/5高,AB长的区域作为检测区域;然后采用Sobel算子边缘检测并进行二值化处理,该方法对噪声具有平滑作用,能提供较为精确的边缘方向信息;接着对该检测区域二值化边缘图像作水平方向上的投影处理;最后计算投影均值,当某点的投影值与投影均值的绝对差值大于1/2的投影均值,则认为该点为偏离均值点,当偏离均值点数大于整个投影长度的阈值Th0时,则认为没有检测到挡轮杆(器),否则存在挡轮杆(器)。
(3)车轮检测、车头/车尾检测
该类型的检测主要是通过CNN二分类进行车位特征检测,再通过车轮、车头车尾的检测可以大大降低车辆的误检概率,而且可以通过车轮或车头车尾检测目标框位置的移动状态来判断车辆是驶入或是停稳状态。对于有牌车,通过车头车尾检测可以减小车牌检测或车牌识别的范围,减少检测时间。
(4)车牌检测和车牌识别
对于车牌检测和车牌识别,技术人员可以基于已有的图像文字识别技术实现,该步骤的目的主要在于记录停入车辆的车牌号码,以便于管理人员计时收费。
S302,当所述车辆在预设的模板匹配框中停留的时间超过预设的第一时间阈值后,在预设的时间段内持续检测到所识别出的车辆特征出现在同一位置时采集所述车辆的停留图像,或在所述车辆在所述模板匹配框中停留的时间超过预设的第二时间阈值时采集所述车辆的停留图像。
在用户将自己的车辆在车位进行停车的过程中,存在车辆短暂经过车位或借用车位倒车但并未真正停下的情况,即当驶入抓拍后,CNN却长时间Th1s未检到车位有车,则可能驶入误抓,将目标删除,重新等待车辆驶入。因此本步骤通过车辆停稳检测车位是否真正有车停放。
为了确认车位是否真正有车停放,本步骤首先利用预设的模板匹配框检测车辆是否大致停稳,随后分别通过两种不同的判定方式确认车辆是否真正的停稳,其中包括了在预设的时间段内持续检测到所识别出的车辆特征出现在同一位置时采集所述车辆的停留图像以及在所述车辆在所述模板匹配框中停留的时间超过预设的第二时间阈值时采集所述车辆的停留图像两种不同的方式。前者是针对车辆完全停稳的情况进行识别,后者则是针对车辆长时间无法正常停稳所采取的方式。在具体的操作过程中技术人员可以同时采取这两种不同的方式对车辆是否停稳进行判断,这些改进均在本申请的保护范围之内。
在本申请的优选实施例中,该步骤的具体实现方式如下:
(1)当所述车辆在所述模板匹配框中停留的时间超过预设的第二时间阈值,且无法通过所述车位特征检测模型检测到所述车辆特征时,强制停稳采集所述车辆的停留图像;
(2)当所述车辆在所述模板匹配框中停留的时间未超过预设的第二时间阈值,且所述车牌以及所述车辆特征均能够被检测以及识别,在所述车牌的位置停止的时间超过所述时间段后采集所述车辆的停留图像;
(3)当所述车辆在所述模板匹配框中停留的时间未超过预设的第二时间阈值,所述车牌无法被识别,所述车辆特征能够被检测到,在所述车辆特征的位置停止的时间超过所述时间段后采集所述车辆的停留图像。
在以上优选实施例利用模板匹配框对车辆的停留进行判断时,由于模板匹配框能够在检测区域的图像采集范围内对车辆的轮廓进行覆盖,因此模板匹配框的作用在于初步确认车辆在检测区域是否停稳,然而完全确定车辆是否停稳需要利用车辆的特征是会发生相对移动为准。但同时为了防止车辆一直小幅移动或客观环境所造成的镜头抖动所造成的无法使车辆特征相对停止的情况出现,本申请的技术方案也将采用强制停稳方式采集车辆的停留图像。因此,在基于模板匹配框以及车辆特征的相对位移的特性的基础上,技术人员也可以采取其他组合判断策略确定车辆是否停留以及何时采集车辆的停留图像,这些均属于本申请的保护范围。
以图4所示的具体应用场景为例,本申请具体实施例中的车辆停稳检测流程图如图6所示。在该具体实施例的流程中,车辆停稳检测分为两步:首次停稳判定和二次停稳判定。采用模板框自适应缩放的模板匹配算法进行车辆预停稳判定,当模板匹配框连续一定的阈值Th2s停止不动时,认为车辆可能已经停稳,然后进行车轮(大角度下车头车尾检出率不高,但车轮特征明显)检测,若检测到车轮,则进行车牌识别;若无车轮,则根据驶入抓拍类型进行不同时间的等待后再进行车牌识别,如果有车牌识别结果,则为车牌首次停稳判定停车,否则为车轮首次停稳判定停车。二次判定是基于首次判定的结果,若首次判定的车辆特征(车轮或车牌)在同一位置连续Th6s检测到,则认为该车辆已经停稳,进行第二张证据图的抓拍。
作为对正常停稳策略的一个补充,为了防止车辆驶入抓拍后模板匹配框长时间稳定不移动,但车轮或车头车尾都检测不出的情况发生,增加了强制停稳判定策略:当目标框长时间停止超过Th3s,直接进行二次停稳抓拍。
在通过该步骤对车辆停稳进行判断后,技术人员可设置当相机监控的所有车位都停放车辆时,车位指示灯显示红色;当有空闲车位时,车位指示灯显示绿色(指示灯的颜色可选),以此来实现停车车位诱导指示作用。
S303,在所述识别出的车辆特征发生位移的距离超过预设的距离阈值时采集所述车辆的驶离图像,或在所述检测区域出现帧差的面积超过预设的面积阈值时采集所述车辆的驶离图像。
在该步骤中,判断车辆是否驶离主要依据于识别出的车辆特征发生位移的距离是否超过预设的距离阈值,以及检测区域出现帧差的面积是否超过预设的面积阈值,这两种方式是分别针对S302中不同停稳判定情况而提出。在本申请的优选实施例中,基于不同的采集方式,该步骤的执行方式如下:
(1)若所述停留图像通过所述强制停稳方式采集,且所述检测区域出现帧差的面积超过预设的面积阈值,采集所述车辆的驶离图像;
(2)若所述停留图像非通过所述强制停稳方式采集,且所述检测区域出现帧差,根据所述车辆特征以及所述车牌的检测结果,在所述车辆特征或所述车牌的位置与停稳时的位置相差超过预设的距离阈值后采集所述驶离图像。
如图7所示,为本申请具体实施例中车辆驶离检测流程图,先检测停车区域是否出现帧差,在出现帧差的情况下再根据是否是强制停稳判定分为强制驶离判定和正常驶离判定。由于强制停稳判定情况下车轮和车头车尾均未检测到,因此,在强制驶离判定中,只根据出现帧差的面积超过阈值Th8进行判定。而正常驶离判定又可根据正常停稳判定分成以下两种情况,一是车轮判定驶离,二是车牌判定驶离。尽管检测的特征不一样,但离开判定的实质是一样的,都是根据车辆停稳时的特征位置(车轮特征或车牌特征)跟当前检测到的特征位置进行比较,如果两者的位置距离超过设定的阈值Th7,则认为车辆将要离开车位,进行第三张证据图的抓拍。通过驶离和驶入时间差的计算,可得到车辆停车的时长。
以上是正常情况下的车辆驶离判定方法,也存在一些特殊的异常情况:当行人路过或其它车辆经过已经判定为停稳的车辆时,停稳时的车轮或车牌附近可能会出现帧差,但是车轮或车牌却没有检测到(被遮挡),为了防止出现该情况下的驶离误抓,在本方案中,增加一个CNN车位有车/无车的二分类检测,若CNN检测到有车,则说明车辆确实还存在,再返回进行驶离判定;若CNN检测到无车,则进行第三张证据图抓拍。
若停车区域没有做到帧差,则每隔Th9时间定时进行第三张离开证据图的更新,这样做目的是为了保证第三张证据图不会漏拍且图内一定存在车辆,与第一张证据图的间隔尽可能长。
S304,判断所述车辆特征是否与所述停留图像中的位置接近。
S305,若是,清除所述车辆的信息,并将所述车位设置为空车位。
S306,若否,将所述驶离图像根据所述检测区域当前的采集图像进行更新。
该步骤主要用于判断车辆是否完全驶离车位,从而确定车位是否为空车位。在本申请的优选实施例中,首先对车辆特征的位置进行检测,并根据以下不同情况执行不同的处理:
(1)若所述车辆特征的位置与所述车辆在停稳时的位置接近,重新采集并更新所述驶离图像;
(2)若通过车位特征检测模型在所述检测区域无法检测到所述车辆,且所述车牌的位置与所述车辆在停稳时的位置不接近,确定所述检测区域为空车位;
(3)若通过车位特征检测模型在所述检测区域无法检测到所述车辆,且所述车牌的位置与所述车辆在停稳时的位置接近,重新采集并更新所述驶离图像。
在图8所示的具体实施例中,先进行车轮检测,若车轮未检测到,则进行CNN二分类检测,若CNN未检测到车辆的时间超过一定阈值(正常驶离设为Th11s或强制驶离设为Th10s),再进行车牌识别,若车牌识别无结果,则该车位判定为空,清空上一车辆的所有目标信息,等待下一辆车驶入。若检测到车轮或车牌识别有结果,且这两者的位置与停稳时的位置距离接近,则认为车辆还在车位,更新第三张离开证据图,重新进行车辆驶离判定,该补充策略可降低空车位的误判。
通过应用以上技术方案,在确定有车辆驶入检测区域时采集驶入图像,当车辆停留的时间超过第一时间阈值后,在时间段内持续检测到所识别出的车辆特征出现在同一位置或在模板匹配框中停留的时间超过预设的第二时间阈值时采集停留图像,在识别出的车辆特征发生位移的距离超过预设的距离阈值或在检测区域出现帧差的面积超过预设的面积阈值时采集驶离图像,并判断车辆特征是否与停留图像中的位置接近,根据判断结果;将车位设置为空车位或将驶离图像根据检测区域当前的采集图像进行更新。从而在减少设备维护量的前提下,提高了车位状态检测效率。
为达到以上技术目的,本申请还提出了一种车位检测设备,应用于包含前端采集设备的停车管理系统中,如图9所示,包括:
配置模块910,预先配置与车位对应的检测区域;
第一采集模块920,根据车位特征检测模型以及对指定特征的检测确定是否有车辆驶入所述检测区域,并在确定结果为是时通过所述前端采集设备采集所述车辆的驶入图像,所述指定特征包括环境特征以及车辆特征;
第二采集模块930,当所述车辆在预设的模板匹配框中停留的时间超过预设的第一时间阈值后,在预设的时间段内持续检测到所识别出的车辆特征出现在同一位置时采集所述车辆的停留图像,或在所述车辆在所述模板匹配框中停留的时间超过预设的第二时间阈值时采集所述车辆的停留图像;
第三采集模块940,在所述识别出的车辆特征发生位移的距离超过预设的距离阈值时采集所述车辆的驶离图像,或在所述检测区域出现帧差的面积超过预设的面积阈值时采集所述车辆的驶离图像;
判断模块950,判断所述车辆的一个或多个车辆特征是否与所述停留图像中的位置接近;
更新模块960,用于在所述判断模块的判断结果为否时清除所述车辆的信息,并将所述车位设置为空车位,以及在所述判断模块的判断结果为是时将所述驶离图像根据所述检测区域当前的采集图像进行更新。
在具体的应用场景中,所述环境特征具体为车位限位器,所述第一采集模块根据车位特征检测模型以及对指定特征的检测确定是否有车辆驶入所述检测区域,具体为:
若根据所述车位特征检测模型确认所述检测区域存在所述车辆,且所述检测区域中不包含所述车位限位器,先后对所述车辆的车辆特征以及车牌进行检测以及识别,并根据识别结果设置在采集所述驶入图像时对所述车牌或所述车辆的车轮进行抓拍
若根据所述车位特征检测模型确认所述检测区域存在所述车辆,但所述检测区域中包含所述车位限位器,重新利用所述车位特征检测模型对所述检测区域进行检测;
若无法根据所述车位特征检测模型确认所述检测区域是否存在所述车辆,先后对所述车辆的车辆特征以及车牌进行检测以及识别,并根据识别结果设置在采集所述驶入图像时对所述车牌或所述车辆的车轮进行抓拍。
在具体的应用场景中,所述第二采集模块在预设的时间段内持续检测到所识别出的车辆特征出现在同一位置时采集所述车辆的停留图像或在所述车辆在所述模板匹配框中停留的时间超过预设的第二时间阈值时采集所述车辆的停留图像,具体为:
当所述车辆在所述模板匹配框中停留的时间超过预设的第二时间阈值时,采用强制停稳方式采集所述车辆的停留图像;
当所述车辆在所述模板匹配框中停留的时间未超过预设的第二时间阈值,且所述车牌以及所述车辆特征均能够被检测以及识别,在所述车牌的位置停止的时间超过所述时间段后采集所述车辆的停留图像;
当所述车辆在所述模板匹配框中停留的时间未超过预设的第二时间阈值,所述车牌无法被识别,所述车辆特征能够被检测到,在所述车辆特征的位置停止的时间超过所述时间段后采集所述车辆的停留图像。
在具体的应用场景中,所述第三采集模块在所述识别出的车辆特征发生位移的距离超过预设的距离阈值时采集所述车辆的驶离图像或在所述检测区域出现帧差的面积超过预设的面积阈值时采集所述车辆的驶离图像,具体为:
若所述停留图像通过所述强制停稳方式采集,且所述检测区域出现帧差的面积超过预设的面积阈值,采集所述车辆的驶离图像;
若所述停留图像未通过所述强制停稳方式采集,且所述检测区域出现帧差,根据所述车辆特征以及所述车牌的检测结果,在所述车辆特征或所述车牌的位置与停稳时的位置相差超过预设的距离阈值后采集所述车辆的驶离图像。
在具体的应用场景中,所述判断模块具体用于:
对所述车辆特征的位置进行检测;
若所述车辆特征的位置与所述车辆在停稳时的位置接近,重新采集并更新所述驶离图像;
若通过车位特征检测模型在所述检测区域无法检测到所述车辆,且所述车牌的位置与所述车辆在停稳时的位置不接近,确定所述检测区域为空车位;
若通过车位特征检测模型在所述检测区域无法检测到所述车辆,且所述车牌的位置与所述车辆在停稳时的位置接近,重新采集并更新所述驶离图像。
通过应用以上技术方案,在确定有车辆驶入检测区域时采集驶入图像,当车辆停留的时间超过一定时间后,在时间段内持续检测到所识别出的车辆特征出现在同一位置或在模板匹配框中停留的时间超过一定时间时采集停留图像,在识别出的车辆特征发生位移的距离超过预设的距离阈值或在检测区域出现帧差的面积超过预设的面积阈值时采集驶离图像,并判断车辆特征是否与停留图像中的位置接近,根据判断结果将车位设置为空车位或将驶离图像根据检测区域当前的采集图像进行更新。从而在减少设备维护量的前提下,提高了车位状态检测效率。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到本发明可以通过硬件实现,也可以借助软件加必要的通用硬件平台的方式来实现。基于这样的理解,本发明的技术方案可以以软件产品的形式体现出来,该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM,U盘,移动硬盘等)中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施场景所述的方法。
本领域技术人员可以理解附图只是一个优选实施场景的示意图,附图中的模块或流程并不一定是实施本发明所必须的。
本领域技术人员可以理解实施场景中的装置中的模块可以按照实施场景描述进行分布于实施场景的装置中,也可以进行相应变化位于不同于本实施场景的一个或多个装置中。上述实施场景的模块可以合并为一个模块,也可以进一步拆分成多个子模块。
上述本发明序号仅仅为了描述,不代表实施场景的优劣。
以上公开的仅为本发明的几个具体实施场景,但是,本发明并非局限于此,任何本领域的技术人员能思之的变化都应落入本发明的保护范围。
Claims (10)
1.一种车位检测方法,应用于包含前端采集设备的停车管理系统中,其特征在于,预先配置与车位对应的检测区域,该方法还包括:
根据车位特征检测模型以及对指定特征的检测确定是否有车辆驶入所述检测区域,并在确定结果为是时通过所述前端采集设备采集所述车辆的驶入图像,所述指定特征包括环境特征以及车辆特征;
当所述车辆在预设的模板匹配框中停留的时间超过预设的第一时间阈值后,在预设的时间段内持续检测到所识别出的车辆特征出现在同一位置时采集所述车辆的停留图像,或在所述车辆在所述模板匹配框中停留的时间超过预设的第二时间阈值时采集所述车辆的停留图像;
在所述识别出的车辆特征发生位移的距离超过预设的距离阈值时采集所述车辆的驶离图像,或在所述检测区域出现帧差的面积超过预设的面积阈值时采集所述车辆的驶离图像;
判断所述车辆的一个或多个车辆特征是否与所述停留图像中的位置接近;
若否,清除所述车辆的信息,并将所述车位设置为空车位;
若是,将所述驶离图像根据所述检测区域当前的采集图像进行更新。
2.如权利要求1所述的方法,其特征在于,所述环境特征具体为车位限位器,根据车位特征检测模型以及对指定特征的检测确定是否有车辆驶入所述检测区域,具体为:
若根据所述车位特征检测模型确认所述检测区域存在所述车辆,且所述检测区域中不包含所述车位限位器,先后对所述车辆的车辆特征以及车牌进行检测以及识别,并根据识别结果设置在采集所述驶入图像时对所述车牌或所述车辆的车轮进行抓拍;
若根据所述车位特征检测模型确认所述检测区域存在所述车辆,但所述检测区域中包含所述车位限位器,重新利用所述车位特征检测模型对所述检测区域进行检测;
若无法根据所述车位特征检测模型确认所述检测区域是否存在所述车辆,先后对所述车辆的车辆特征以及车牌进行检测以及识别,并根据识别结果设置在采集所述驶入图像时对所述车牌或所述车辆的车轮进行抓拍。
3.如权利要求1所述的方法,其特征在于,在预设的时间段内持续检测到所识别出的车辆特征出现在同一位置时采集所述车辆的停留图像或在所述车辆在所述模板匹配框中停留的时间超过预设的第二时间阈值时采集所述车辆的停留图像,具体为:
当所述车辆在所述模板匹配框中停留的时间超过预设的第二时间阈值时,采用强制停稳方式采集所述车辆的停留图像;
当所述车辆在所述模板匹配框中停留的时间未超过预设的第二时间阈值,且所述车牌以及所述车辆特征均能够被检测以及识别,在所述车牌的位置停止的时间超过所述时间段后采集所述车辆的停留图像;
当所述车辆在所述模板匹配框中停留的时间未超过预设的第二时间阈值,所述车牌无法被识别,所述车辆特征能够被检测到,在所述车辆特征的位置停止的时间超过所述时间段后采集所述车辆的停留图像。
4.如权利要求3所述的方法,其特征在于,在所述识别出的车辆特征发生位移的距离超过预设的距离阈值时采集所述车辆的驶离图像或在所述检测区域出现帧差的面积超过预设的面积阈值时采集所述车辆的驶离图像,具体为:
若所述停留图像通过所述强制停稳方式采集,且所述检测区域出现帧差的面积超过预设的面积阈值,采集所述车辆的驶离图像;
若所述停留图像未通过所述强制停稳方式采集,且所述检测区域出现帧差,根据所述车辆特征以及所述车牌的检测结果,在所述车辆特征或所述车牌的位置与停稳时的位置相差超过预设的距离阈值后采集所述车辆的驶离图像。
5.如权利要求1所述的方法,其特征在于,判断所述车辆特征是否与所述停留图像中的位置接近,具体为:
对所述车辆特征的位置进行检测;
若所述车辆特征的位置与所述车辆在停稳时的位置接近,重新采集并更新所述驶离图像;
若通过车位特征检测模型在所述检测区域无法检测到所述车辆,且所述车牌的位置与所述车辆在停稳时的位置不接近,确定所述检测区域为空车位;
若通过车位特征检测模型在所述检测区域无法检测到所述车辆,且所述车牌的位置与所述车辆在停稳时的位置接近,重新采集并更新所述驶离图像。
6.一种车位检测设备,应用于包含前端采集设备的停车管理系统中,其特征在于,包括:
配置模块,预先配置与车位对应的检测区域;
第一采集模块,根据车位特征检测模型以及对指定特征的检测确定是否有车辆驶入所述检测区域,并在确定结果为是时通过所述前端采集设备采集所述车辆的驶入图像,所述指定特征包括环境特征以及车辆特征;
第二采集模块,当所述车辆在预设的模板匹配框中停留的时间超过预设的第一时间阈值后,在预设的时间段内持续检测到所识别出的车辆特征出现在同一位置时采集所述车辆的停留图像,或在所述车辆在所述模板匹配框中停留的时间超过预设的第二时间阈值时采集所述车辆的停留图像;
第三采集模块,在所述识别出的车辆特征发生位移的距离超过预设的距离阈值时采集所述车辆的驶离图像,或在所述检测区域出现帧差的面积超过预设的面积阈值时采集所述车辆的驶离图像;
判断模块,判断所述车辆的一个或多个车辆特征是否与所述停留图像中的位置接近;
更新模块,用于在所述判断模块的判断结果为否时清除所述车辆的信息,并将所述车位设置为空车位,以及在所述判断模块的判断结果为是时将所述驶离图像根据所述检测区域当前的采集图像进行更新。
7.如权利要求6所述的设备,其特征在于,所述环境特征具体为车位限位器,所述第一采集模块根据车位特征检测模型以及对指定特征的检测确定是否有车辆驶入所述检测区域,具体为:
若根据所述车位特征检测模型确认所述检测区域存在所述车辆,且所述检测区域中不包含所述车位限位器,先后对所述车辆的车辆特征以及车牌进行检测以及识别,并根据识别结果设置在采集所述驶入图像时对所述车牌或所述车辆的车轮进行抓拍;
若根据所述车位特征检测模型确认所述检测区域存在所述车辆,但所述检测区域中包含所述车位限位器,重新利用所述车位特征检测模型对所述检测区域进行检测;
若无法根据所述车位特征检测模型确认所述检测区域是否存在所述车辆,先后对所述车辆的车辆特征以及车牌进行检测以及识别,并根据识别结果设置在采集所述驶入图像时对所述车牌或所述车辆的车轮进行抓拍。
8.如权利要求6所述的设备,其特征在于,所述第二采集模块在预设的时间段内持续检测到所识别出的车辆特征出现在同一位置时采集所述车辆的停留图像或在所述车辆在所述模板匹配框中停留的时间超过预设的第二时间阈值时采集所述车辆的停留图像,具体为:
当所述车辆在所述模板匹配框中停留的时间超过预设的第二时间阈值时,采用强制停稳方式采集所述车辆的停留图像;
当所述车辆在所述模板匹配框中停留的时间未超过预设的第二时间阈值,且所述车牌以及所述车辆特征均能够被检测以及识别,在所述车牌的位置停止的时间超过所述时间段后采集所述车辆的停留图像;
当所述车辆在所述模板匹配框中停留的时间未超过预设的第二时间阈值,所述车牌无法被识别,所述车辆特征能够被检测到,在所述车辆特征的位置停止的时间超过所述时间段后采集所述车辆的停留图像。
9.如权利要求8所述的设备,其特征在于,所述第三采集模块在所述识别出的车辆特征发生位移的距离超过预设的距离阈值时采集所述车辆的驶离图像或在所述检测区域出现帧差的面积超过预设的面积阈值时采集所述车辆的驶离图像,具体为:
若所述停留图像通过所述强制停稳方式采集,且所述检测区域出现帧差的面积超过预设的面积阈值,采集所述车辆的驶离图像;
若所述停留图像未通过所述强制停稳方式采集,且所述检测区域出现帧差,根据所述车辆特征以及所述车牌的检测结果,在所述车辆特征或所述车牌的位置与停稳时的位置相差超过预设的距离阈值后采集所述车辆的驶离图像。
10.如权利要求6所述的设备,其特征在于,所述判断模块具体用于:
对所述车辆特征的位置进行检测;
若所述车辆特征的位置与所述车辆在停稳时的位置接近,重新采集并更新所述驶离图像;
若通过车位特征检测模型在所述检测区域无法检测到所述车辆,且所述车牌的位置与所述车辆在停稳时的位置不接近,确定所述检测区域为空车位;
若通过车位特征检测模型在所述检测区域无法检测到所述车辆,且所述车牌的位置与所述车辆在停稳时的位置接近,重新采集并更新所述驶离图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611170732.0A CN106652551B (zh) | 2016-12-16 | 2016-12-16 | 一种车位检测方法及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611170732.0A CN106652551B (zh) | 2016-12-16 | 2016-12-16 | 一种车位检测方法及设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106652551A true CN106652551A (zh) | 2017-05-10 |
CN106652551B CN106652551B (zh) | 2021-03-09 |
Family
ID=58822200
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611170732.0A Active CN106652551B (zh) | 2016-12-16 | 2016-12-16 | 一种车位检测方法及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106652551B (zh) |
Cited By (34)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107067813A (zh) * | 2017-06-14 | 2017-08-18 | 大连海事大学 | 一种基于图像处理和模式识别的车位引导方法和系统 |
CN107564332A (zh) * | 2017-10-31 | 2018-01-09 | 奇瑞汽车股份有限公司 | 停车位提示方法、系统、计算机可读存储介质 |
CN107591018A (zh) * | 2017-08-03 | 2018-01-16 | 广州德中科技有限公司 | 一种开放路段停车管理方法及系统 |
CN107610523A (zh) * | 2017-10-18 | 2018-01-19 | 冯迎安 | 一种车位自动监控报警方法 |
CN107886756A (zh) * | 2017-10-10 | 2018-04-06 | 上海市政工程设计研究总院(集团)有限公司 | 一种场内停车路径智能引导方法 |
CN107978157A (zh) * | 2017-11-08 | 2018-05-01 | 西安艾润物联网技术服务有限责任公司 | 车辆管理方法、装置及计算机可读存储介质 |
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 |
CN108257414A (zh) * | 2018-01-25 | 2018-07-06 | 贵州宜行智通科技有限公司 | 停车场车位信息管理方法及装置 |
CN108847052A (zh) * | 2018-08-21 | 2018-11-20 | 北京深瞐科技有限公司 | 停车位置确定方法、装置、系统及计算机可读介质 |
CN109614913A (zh) * | 2018-12-05 | 2019-04-12 | 北京纵目安驰智能科技有限公司 | 一种斜车位识别方法、装置和存储介质 |
CN109766799A (zh) * | 2018-12-28 | 2019-05-17 | 百度在线网络技术(北京)有限公司 | 车位识别模型训练方法及装置和车位识别方法及装置 |
CN109918970A (zh) * | 2017-12-13 | 2019-06-21 | 中国电信股份有限公司 | 空闲停车位的识别方法、装置及计算机可读存储介质 |
CN110135394A (zh) * | 2019-05-27 | 2019-08-16 | 杭州亚美利嘉科技有限公司 | 区域占用和车牌识别方法及装置 |
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 |
CN110491168A (zh) * | 2019-08-09 | 2019-11-22 | 智慧互通科技有限公司 | 一种基于车轮着地点检测车辆停车状态的方法及装置 |
CN110533955A (zh) * | 2019-09-16 | 2019-12-03 | 平安科技(深圳)有限公司 | 一种确定停车位的方法、终端设备及计算机可读存储介质 |
CN111126286A (zh) * | 2019-12-22 | 2020-05-08 | 上海眼控科技股份有限公司 | 车辆动态检测方法、装置、计算机设备及存储介质 |
CN111243185A (zh) * | 2020-01-09 | 2020-06-05 | 杭州中恒电气股份有限公司 | 充电车位占用判定方法、设备及介质 |
CN111429727A (zh) * | 2020-04-23 | 2020-07-17 | 深圳智优停科技有限公司 | 一种开放式停车位中车牌识别方法及系统 |
CN111508269A (zh) * | 2020-04-23 | 2020-08-07 | 深圳智优停科技有限公司 | 一种基于图像识别的开放式停车位车辆判别方法与装置 |
CN111507269A (zh) * | 2020-04-17 | 2020-08-07 | 浙江大华技术股份有限公司 | 车位状态的识别方法及装置、存储介质和电子装置 |
CN111553993A (zh) * | 2020-04-23 | 2020-08-18 | 深圳智优停科技有限公司 | 一种基于图像识别的开放式停车计费方法与装置 |
CN111626225A (zh) * | 2020-05-28 | 2020-09-04 | 济南博观智能科技有限公司 | 一种工位车辆的车牌识别方法、装置、设备及存储介质 |
CN112233422A (zh) * | 2020-10-20 | 2021-01-15 | 支付宝(杭州)信息技术有限公司 | 车辆停驶检测方法及装置 |
CN112309131A (zh) * | 2019-07-30 | 2021-02-02 | 北京京东振世信息技术有限公司 | 停车位状态监测方法与装置、存储介质、电子设备 |
CN112382126A (zh) * | 2020-11-13 | 2021-02-19 | 广东飞达交通工程有限公司 | 基于视频的车位占用分析方法 |
CN112766222A (zh) * | 2020-12-30 | 2021-05-07 | 爱泊车美好科技有限公司 | 一种基于泊位线辅助识别车辆行为的方法及装置 |
CN112784794A (zh) * | 2021-01-29 | 2021-05-11 | 深圳市捷顺科技实业股份有限公司 | 一种车辆停放状态检测方法、装置、电子设备及存储介质 |
CN113781835A (zh) * | 2021-10-29 | 2021-12-10 | 深圳市捷顺科技实业股份有限公司 | 一种车位监测方法、装置、设备及存储介质 |
CN114463990A (zh) * | 2021-12-28 | 2022-05-10 | 北京智联云海科技有限公司 | 一种高位视频车辆及车牌的检测方法及装置 |
CN114566063A (zh) * | 2022-01-24 | 2022-05-31 | 深圳市捷顺科技实业股份有限公司 | 一种智能车位引导管理的方法、装置以及存储介质 |
CN114694411A (zh) * | 2022-05-07 | 2022-07-01 | 哈尔滨工业大学 | 一种基于时序轨迹的停车场寻车及预约停车系统 |
CN114998770A (zh) * | 2022-07-06 | 2022-09-02 | 中国科学院地理科学与资源研究所 | 一种公路标识提取方法及系统 |
CN115223387A (zh) * | 2022-06-08 | 2022-10-21 | 东风柳州汽车有限公司 | 泊车控制系统及方法 |
Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001202596A (ja) * | 2000-01-18 | 2001-07-27 | Sumitomo Densetsu Corp | 駐車検出装置 |
KR20140108035A (ko) * | 2013-02-28 | 2014-09-05 | 삼성테크윈 주식회사 | 주차관리 시스템 및 주차관리 방법 |
US20150086071A1 (en) * | 2013-09-20 | 2015-03-26 | Xerox Corporation | Methods and systems for efficiently monitoring parking occupancy |
CN104794931A (zh) * | 2015-04-15 | 2015-07-22 | 深圳市景阳信息技术有限公司 | 利用摄像机监测车位使用情况的方法及系统 |
CN105225523A (zh) * | 2015-10-15 | 2016-01-06 | 浙江宇视科技有限公司 | 一种车位状态检测方法及装置 |
US20160093214A1 (en) * | 2014-09-30 | 2016-03-31 | Xerox Corporation | Vision-based on-street parked vehicle detection via normalized-view classifiers and temporal filtering |
CN105590479A (zh) * | 2016-03-03 | 2016-05-18 | 北京蓝卡科技股份有限公司 | 车位监测方法和装置 |
CN105809972A (zh) * | 2016-03-24 | 2016-07-27 | 牛力伟 | 一种停车管理方法及装置、系统 |
CN105844959A (zh) * | 2016-06-13 | 2016-08-10 | 北京精英智通科技股份有限公司 | 车辆入位的判定方法、装置及车辆出位的判定方法、装置 |
CN105894823A (zh) * | 2016-06-03 | 2016-08-24 | 北京精英智通科技股份有限公司 | 一种停车入位检测方法和装置及系统 |
CN105913685A (zh) * | 2016-06-25 | 2016-08-31 | 上海大学 | 一种基于视频监控的车位识别及智能引导方法 |
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 |
CN106096531A (zh) * | 2016-05-31 | 2016-11-09 | 安徽省云力信息技术有限公司 | 一种基于深度学习的交通图像多类型车辆检测方法 |
CN106157688A (zh) * | 2016-08-25 | 2016-11-23 | 华南师范大学 | 基于深度学习和大数据的停车位检测方法和系统 |
CN106228835A (zh) * | 2016-07-18 | 2016-12-14 | 北京精英智通科技股份有限公司 | 一种车位停车事件判断方法及系统 |
-
2016
- 2016-12-16 CN CN201611170732.0A patent/CN106652551B/zh active Active
Patent Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001202596A (ja) * | 2000-01-18 | 2001-07-27 | Sumitomo Densetsu Corp | 駐車検出装置 |
KR20140108035A (ko) * | 2013-02-28 | 2014-09-05 | 삼성테크윈 주식회사 | 주차관리 시스템 및 주차관리 방법 |
US20150086071A1 (en) * | 2013-09-20 | 2015-03-26 | Xerox Corporation | Methods and systems for efficiently monitoring parking occupancy |
US20160093214A1 (en) * | 2014-09-30 | 2016-03-31 | Xerox Corporation | Vision-based on-street parked vehicle detection via normalized-view classifiers and temporal filtering |
CN104794931A (zh) * | 2015-04-15 | 2015-07-22 | 深圳市景阳信息技术有限公司 | 利用摄像机监测车位使用情况的方法及系统 |
CN105225523A (zh) * | 2015-10-15 | 2016-01-06 | 浙江宇视科技有限公司 | 一种车位状态检测方法及装置 |
CN105590479A (zh) * | 2016-03-03 | 2016-05-18 | 北京蓝卡科技股份有限公司 | 车位监测方法和装置 |
CN105809972A (zh) * | 2016-03-24 | 2016-07-27 | 牛力伟 | 一种停车管理方法及装置、系统 |
CN106096531A (zh) * | 2016-05-31 | 2016-11-09 | 安徽省云力信息技术有限公司 | 一种基于深度学习的交通图像多类型车辆检测方法 |
CN105894823A (zh) * | 2016-06-03 | 2016-08-24 | 北京精英智通科技股份有限公司 | 一种停车入位检测方法和装置及系统 |
CN105844959A (zh) * | 2016-06-13 | 2016-08-10 | 北京精英智通科技股份有限公司 | 车辆入位的判定方法、装置及车辆出位的判定方法、装置 |
CN105913685A (zh) * | 2016-06-25 | 2016-08-31 | 上海大学 | 一种基于视频监控的车位识别及智能引导方法 |
CN106228835A (zh) * | 2016-07-18 | 2016-12-14 | 北京精英智通科技股份有限公司 | 一种车位停车事件判断方法及系统 |
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 |
CN106157688A (zh) * | 2016-08-25 | 2016-11-23 | 华南师范大学 | 基于深度学习和大数据的停车位检测方法和系统 |
Cited By (47)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107067813A (zh) * | 2017-06-14 | 2017-08-18 | 大连海事大学 | 一种基于图像处理和模式识别的车位引导方法和系统 |
CN107591018A (zh) * | 2017-08-03 | 2018-01-16 | 广州德中科技有限公司 | 一种开放路段停车管理方法及系统 |
CN107886756A (zh) * | 2017-10-10 | 2018-04-06 | 上海市政工程设计研究总院(集团)有限公司 | 一种场内停车路径智能引导方法 |
CN107886756B (zh) * | 2017-10-10 | 2021-03-19 | 上海市政工程设计研究总院(集团)有限公司 | 一种场内停车路径智能引导方法 |
CN107610523A (zh) * | 2017-10-18 | 2018-01-19 | 冯迎安 | 一种车位自动监控报警方法 |
CN107564332A (zh) * | 2017-10-31 | 2018-01-09 | 奇瑞汽车股份有限公司 | 停车位提示方法、系统、计算机可读存储介质 |
CN107978157A (zh) * | 2017-11-08 | 2018-05-01 | 西安艾润物联网技术服务有限责任公司 | 车辆管理方法、装置及计算机可读存储介质 |
CN109918970B (zh) * | 2017-12-13 | 2021-04-13 | 中国电信股份有限公司 | 空闲停车位的识别方法、装置及计算机可读存储介质 |
CN109918970A (zh) * | 2017-12-13 | 2019-06-21 | 中国电信股份有限公司 | 空闲停车位的识别方法、装置及计算机可读存储介质 |
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 |
CN108257414A (zh) * | 2018-01-25 | 2018-07-06 | 贵州宜行智通科技有限公司 | 停车场车位信息管理方法及装置 |
CN110322681B (zh) * | 2018-03-30 | 2021-03-26 | 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 |
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 |
CN108847052B (zh) * | 2018-08-21 | 2020-06-05 | 北京深瞐科技有限公司 | 停车位置确定方法、装置、系统及计算机可读介质 |
CN108847052A (zh) * | 2018-08-21 | 2018-11-20 | 北京深瞐科技有限公司 | 停车位置确定方法、装置、系统及计算机可读介质 |
CN109614913A (zh) * | 2018-12-05 | 2019-04-12 | 北京纵目安驰智能科技有限公司 | 一种斜车位识别方法、装置和存储介质 |
CN109766799B (zh) * | 2018-12-28 | 2021-02-12 | 百度在线网络技术(北京)有限公司 | 车位识别模型训练方法及装置和车位识别方法及装置 |
CN109766799A (zh) * | 2018-12-28 | 2019-05-17 | 百度在线网络技术(北京)有限公司 | 车位识别模型训练方法及装置和车位识别方法及装置 |
CN110135394A (zh) * | 2019-05-27 | 2019-08-16 | 杭州亚美利嘉科技有限公司 | 区域占用和车牌识别方法及装置 |
CN112309131A (zh) * | 2019-07-30 | 2021-02-02 | 北京京东振世信息技术有限公司 | 停车位状态监测方法与装置、存储介质、电子设备 |
CN110491168A (zh) * | 2019-08-09 | 2019-11-22 | 智慧互通科技有限公司 | 一种基于车轮着地点检测车辆停车状态的方法及装置 |
CN110491168B (zh) * | 2019-08-09 | 2020-09-25 | 智慧互通科技有限公司 | 一种基于车轮着地点检测车辆停车状态的方法及装置 |
CN110533955A (zh) * | 2019-09-16 | 2019-12-03 | 平安科技(深圳)有限公司 | 一种确定停车位的方法、终端设备及计算机可读存储介质 |
CN111126286A (zh) * | 2019-12-22 | 2020-05-08 | 上海眼控科技股份有限公司 | 车辆动态检测方法、装置、计算机设备及存储介质 |
CN111243185A (zh) * | 2020-01-09 | 2020-06-05 | 杭州中恒电气股份有限公司 | 充电车位占用判定方法、设备及介质 |
CN111507269B (zh) * | 2020-04-17 | 2023-05-09 | 浙江大华技术股份有限公司 | 车位状态的识别方法及装置、存储介质和电子装置 |
CN111507269A (zh) * | 2020-04-17 | 2020-08-07 | 浙江大华技术股份有限公司 | 车位状态的识别方法及装置、存储介质和电子装置 |
CN111553993A (zh) * | 2020-04-23 | 2020-08-18 | 深圳智优停科技有限公司 | 一种基于图像识别的开放式停车计费方法与装置 |
CN111429727A (zh) * | 2020-04-23 | 2020-07-17 | 深圳智优停科技有限公司 | 一种开放式停车位中车牌识别方法及系统 |
CN111429727B (zh) * | 2020-04-23 | 2021-04-02 | 深圳智优停科技有限公司 | 一种开放式停车位中车牌识别方法及系统 |
CN111508269A (zh) * | 2020-04-23 | 2020-08-07 | 深圳智优停科技有限公司 | 一种基于图像识别的开放式停车位车辆判别方法与装置 |
CN111508269B (zh) * | 2020-04-23 | 2021-05-18 | 深圳智优停科技有限公司 | 一种基于图像识别的开放式停车位车辆判别方法与装置 |
CN111626225A (zh) * | 2020-05-28 | 2020-09-04 | 济南博观智能科技有限公司 | 一种工位车辆的车牌识别方法、装置、设备及存储介质 |
CN111626225B (zh) * | 2020-05-28 | 2022-05-17 | 济南博观智能科技有限公司 | 一种工位车辆的车牌识别方法、装置、设备及存储介质 |
CN112233422A (zh) * | 2020-10-20 | 2021-01-15 | 支付宝(杭州)信息技术有限公司 | 车辆停驶检测方法及装置 |
CN112382126A (zh) * | 2020-11-13 | 2021-02-19 | 广东飞达交通工程有限公司 | 基于视频的车位占用分析方法 |
CN112766222A (zh) * | 2020-12-30 | 2021-05-07 | 爱泊车美好科技有限公司 | 一种基于泊位线辅助识别车辆行为的方法及装置 |
CN112766222B (zh) * | 2020-12-30 | 2024-04-09 | 爱泊车科技有限公司 | 一种基于泊位线辅助识别车辆行为的方法及装置 |
CN112784794A (zh) * | 2021-01-29 | 2021-05-11 | 深圳市捷顺科技实业股份有限公司 | 一种车辆停放状态检测方法、装置、电子设备及存储介质 |
CN112784794B (zh) * | 2021-01-29 | 2024-02-02 | 深圳市捷顺科技实业股份有限公司 | 一种车辆停放状态检测方法、装置、电子设备及存储介质 |
CN113781835A (zh) * | 2021-10-29 | 2021-12-10 | 深圳市捷顺科技实业股份有限公司 | 一种车位监测方法、装置、设备及存储介质 |
CN114463990A (zh) * | 2021-12-28 | 2022-05-10 | 北京智联云海科技有限公司 | 一种高位视频车辆及车牌的检测方法及装置 |
CN114566063A (zh) * | 2022-01-24 | 2022-05-31 | 深圳市捷顺科技实业股份有限公司 | 一种智能车位引导管理的方法、装置以及存储介质 |
CN114694411A (zh) * | 2022-05-07 | 2022-07-01 | 哈尔滨工业大学 | 一种基于时序轨迹的停车场寻车及预约停车系统 |
CN115223387A (zh) * | 2022-06-08 | 2022-10-21 | 东风柳州汽车有限公司 | 泊车控制系统及方法 |
CN115223387B (zh) * | 2022-06-08 | 2024-01-30 | 东风柳州汽车有限公司 | 泊车控制系统及方法 |
CN114998770A (zh) * | 2022-07-06 | 2022-09-02 | 中国科学院地理科学与资源研究所 | 一种公路标识提取方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN106652551B (zh) | 2021-03-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106652551A (zh) | 一种车位检测方法及设备 | |
CN105744232B (zh) | 一种基于行为分析技术的输电线路视频防外破的方法 | |
CN110197589B (zh) | 一种基于深度学习的闯红灯违法检测方法 | |
CN103714363B (zh) | 一种机动车尾气烟度视频识别系统 | |
CN103778786B (zh) | 一种基于显著车辆部件模型的交通违章检测方法 | |
CN102254429B (zh) | 一种应用基于视频识别的违章车辆检测装置的违章车辆检测方法 | |
CN104392212B (zh) | 一种基于视觉的道路信息检测及前方车辆识别方法 | |
CN105185118B (zh) | 一种基于视频检测的违章车辆检测装置及其方法 | |
CN100578562C (zh) | 用视频监测车辆违法行为的方法 | |
CN102722704B (zh) | 一种融合视频动态跟踪的车牌识别方法和系统 | |
CN104537841B (zh) | 无牌车辆违章检测方法及其检测系统 | |
CN101075376B (zh) | 基于多视点的智能视频交通监控系统及方法 | |
CN102496285B (zh) | 基于视频检测的路口车辆闯红灯判别方法 | |
CN105405317B (zh) | 一种基于手机蓝牙的泊车诱导系统 | |
CN110136447A (zh) | 行车变道检测及违法变道识别的方法 | |
CN103985182B (zh) | 一种公交客流自动计数方法及自动计数系统 | |
CN107478590A (zh) | 一种结合机动车智能视觉识别与尾气遥感检测的方法 | |
CN106373426A (zh) | 基于计算机视觉的停车位及违规占道停车监控方法 | |
CN104809887B (zh) | 一种高速公路上车辆逆行检测方法与自动报警装置 | |
CN109797691A (zh) | 无人清扫车及其行车方法 | |
CN102147971A (zh) | 基于视频图像处理技术的交通信息采集系统 | |
CN104021677B (zh) | 一种车辆翻牌检测方法和装置 | |
CN209297496U (zh) | 一种雷达与摄像机联动的车辆识别系统 | |
CN202422425U (zh) | 基于视频检测的路口智能信号控制系统 | |
CN108154146A (zh) | 一种基于图像识别的车辆追踪方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |