CN110176151A - 一种确定停车行为的方法、装置、介质及设备 - Google Patents
一种确定停车行为的方法、装置、介质及设备 Download PDFInfo
- Publication number
- CN110176151A CN110176151A CN201910520345.2A CN201910520345A CN110176151A CN 110176151 A CN110176151 A CN 110176151A CN 201910520345 A CN201910520345 A CN 201910520345A CN 110176151 A CN110176151 A CN 110176151A
- Authority
- CN
- China
- Prior art keywords
- motor vehicle
- parking
- physical location
- wheel
- specified
- 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
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
- G06V20/41—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items
-
- 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
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/08—Detecting or categorising vehicles
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- Software Systems (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本申请实施例提供一种确定停车行为的方法、装置、介质及设备，该方法包括：获取固定视角的摄像机采集的视频图像，所述视频图像中包括禁停区域和/或至少一个侧方停车位；针对所述视频图像中的每辆机动车，根据确定的该机动车的两个指定车轮的实际位置，确定该机动车其他两个车轮的实际位置，所述两个指定车轮分别为所述视频图像拍摄到的该机动车的侧面中的前车轮和后车轮；根据该机动车的四个车轮的实际位置，以及，所述禁停区域和/或至少一个侧方停车位实际位置，确定该机动车的停车行为。利用本申请实施例能够提高确定的机动车停车行为的准确性。
Description
技术领域
本申请涉及图像处理技术领域，尤其涉及一种确定停车行为的方法、装置、介质及设备。
背景技术
本部分旨在为权利要求书中陈述的本申请的实施方式提供背景或上下文。此处的描述不因为包括在本部分中就承认是现有技术。
随着机动车数目的增加，停车问题已经引起越来越多的关注。比如一些车主停车行为不规范，比如将车停在禁停区域或者一辆车占用两个车位等。目前常采用基于高位视频的车辆停车行为检测方法实时监控停车行为，具体为：
将摄像头安装于车位上方，实时采集车位上方的视频图像，将检测该视频图像中的车辆并与虚拟车位线进行对比，以检测出停车行为是否规范，但是该方法采集视频图像时，会受车辆高度和采集角度的影响，这样在视频图像上检测出车辆位置，确定该车辆位置与虚拟车位线的相对位置时，会有一定的不确定性，从而造成停车行为检测结果不准确的问题。因此，如何准确的检测停车行为是一个亟需考虑的问题。
发明内容
本申请提供一种确定停车行为的方法、装置、介质及设备，用于解决现有技术中存在的停车行为检测结果不准确的问题。
一方面，本申请实施例通过一种确定停车行为的方法，包括：
获取固定视角的摄像机采集的视频图像，所述视频图像中包括禁停区域和/或至少一个侧方停车位；
针对所述视频图像中的每辆机动车，根据确定的该机动车的两个指定车轮的实际位置，确定该机动车其他两个车轮的实际位置，所述两个指定车轮分别为所述视频图像拍摄到的该机动车的侧面中的前车轮和后车轮；
根据该机动车的四个车轮的实际位置，以及，所述禁停区域和/或至少一个侧方停车位实际位置，确定该机动车的停车行为。
可选地，确定该机动车的两个指定车轮的实际位置，具体包括：
针对该机动车的每个指定车轮，确定该指定车轮与所述视频图像中路面的接触点的像素坐标，作为该指定车轮的像素坐标；
将该指定车轮的像素坐标转换为世界坐标；
确定该指定车轮的世界坐标为该指定车轮的实际位置。
可选地，将该指定车轮的像素坐标转换为世界坐标，具体包括：
确定该机动车的中心点所属的标定区域为指定标定区域；
从预先保存的标定区域与坐标系转换矩阵的对应关系中，查找所述指定标定区域对应的坐标系转换矩阵，所述坐标系转换矩阵为从像素坐标系转换到世界坐标系的转换矩阵；
根据查找到的坐标系转换矩阵，将该指定车轮的像素坐标转换为世界坐标。
可选地，确定该机动车其他两个车轮的实际位置，具体包括：
将所述视频图像输入预先训练的车辆参数识别模型，得到该机动车所属车型的轴距和轮距；
根据该机动车的两个指定车轮的实际位置以及该机动车的轴距和轮距，确定该机动车其他两个车轮的实际位置。
可选地，确定该机动车的停车行为，具体包括：
将该机动车的四个车轮的实际位置组成的矩形的实际位置，确定为该机动车的实际位置；
若该机动车的实际位置所在区域为禁停区域，则确定该机动车的停车行为为违规停车行为。
可选地，本申请实施例提供的确定停车行为的方法，还包括：
若该机动车的实际位置所在区域为侧方停车位，则将与该机动车的实际位置的重叠区域面积大于面积阈值的侧方停车位，确定为参考停车位；
根据该机动车四个车轮的实际位置与该参考停车位的实际位置，确定该机动车的停车行为。
可选地，根据该机动车四个车轮的实际位置与该参考停车位的实际位置，确定该机动车的停车行为，具体包括：
根据该机动车四个车轮的实际位置与该参考停车位的实际位置，确定该机动车的前轮连线的中点到该参考停车位短边的垂直距离，作为第一类距离，以及，确定该机动车的后轮连线的中点到该参考停车位短边的垂直距离，作为第二类距离；
若第一类距离中的最小距离小于第一距离阈值，或者，第二类距离中的最小距离小于第一阈值，则确定该机动车的停车行为为跨位停车行为；
若第一类距离中的最小距离不小于第一距离阈值，并且，第二类距离中的最小距离不小于第一阈值，则确定该机动车的两个指定车轮连线的中点到与参考停车位长边的距离，作为第三类距离，所述参考停车位长边为与两个指定车轮位于同一侧的长边；
若所述第三类距离大于第二距离阈值，则确定该机动车的停车行为为正常停车行为；
若所述第三类距离不大于第二距离阈值，则确定该机动车的停车行为为斜位停车行为。
可选地，所述第一距离阈值为该机动车轴距的20％。
另一方面，本申请实施例还提供一种确定停车行为的装置，包括：
图像获取模块，用于获取固定视角的摄像机采集的视频图像，所述视频图像中包括禁停区域和/或至少一个侧方停车位；
位置确定模块，用于针对所述视频图像中的每辆机动车，根据确定的该机动车的两个指定车轮的实际位置，确定该机动车其他两个车轮的实际位置，所述两个指定车轮分别为所述视频图像拍摄到的该机动车的侧面中的前车轮和后车轮；
行为确定模块，用于根据该机动车的四个车轮的实际位置，以及，所述禁停区域和/或至少一个侧方停车位实际位置，确定该机动车的停车行为。
可选地，所述位置确定模块还用于：
针对该机动车的每个指定车轮，确定该指定车轮与所述视频图像中路面的接触点的像素坐标，作为该指定车轮的像素坐标；
将该指定车轮的像素坐标转换为世界坐标；
确定该指定车轮的世界坐标为该指定车轮的实际位置。
可选地，所述位置确定模块具体按照以下方式将该指定车轮的像素坐标转换为世界坐标：
确定该机动车的中心点所属的标定区域为指定标定区域；
从预先保存的标定区域与坐标系转换矩阵的对应关系中，查找所述指定标定区域对应的坐标系转换矩阵，所述坐标系转换矩阵为从像素坐标系转换到世界坐标系的转换矩阵；
根据查找到的坐标系转换矩阵，将该指定车轮的像素坐标转换为世界坐标。
可选地，所述位置确定模块，具体用于：
将所述视频图像输入预先训练的车辆参数识别模型，得到该机动车所属车型的轴距和轮距；
根据该机动车的两个指定车轮的实际位置以及该机动车的轴距和轮距，确定该机动车其他两个车轮的实际位置。
可选地，行为确定模块，具体用于：
将该机动车的四个车轮的实际位置组成的矩形的实际位置，确定为该机动车的实际位置；
若该机动车的实际位置所在区域为禁停区域，则确定该机动车的停车行为为违规停车行为。
可选地，所述行为确定模块还用于：
若该机动车的实际位置所在区域为侧方停车位，则将与该机动车的实际位置的重叠区域面积大于面积阈值的侧方停车位，确定为参考停车位；
根据该机动车四个车轮的实际位置与该参考停车位的实际位置，确定该机动车的停车行为。
可选地，所述行为确定模块，具体用于：
根据该机动车四个车轮的实际位置与该参考停车位的实际位置，确定该机动车的前轮连线的中点到该参考停车位短边的垂直距离，作为第一类距离，以及，确定该机动车的后轮连线的中点到该参考停车位短边的垂直距离，作为第二类距离；
若第一类距离中的最小距离小于第一距离阈值，或者，第二类距离中的最小距离小于第一阈值，则确定该机动车的停车行为为跨位停车行为；
若第一类距离中的最小距离不小于第一距离阈值，并且，第二类距离中的最小距离不小于第一阈值，则确定该机动车的两个指定车轮连线的中点到与参考停车位长边的距离，作为第三类距离，所述参考停车位长边为与两个指定车轮位于同一侧的长边；
若所述第三类距离大于第二距离阈值，则确定该机动车的停车行为为正常停车行为；
若所述第三类距离不大于第二距离阈值，则确定该机动车的停车行为为斜位停车行为。
可选地，所述第一距离阈值为该机动车轴距的20％。
再一方面，本申请实施例还提供一种非易失性计算机存储介质，所述计算机存储介质存储有可执行程序，该可执行程序被处理器执行实现本申请实施例通过的任一确定停车行为的方法的步骤。
又一方面，本申请实施例还提供一种计算机设备，包括存储器、处理器及存储在存储器上的计算机程序，所述处理器执行所述程序时实现本申请实施例通过的任一确定停车行为的方法的步骤。
本申请实施例提供的确定停车行为的方法、装置、介质及设备，将摄像机的采集视角固定，并采集该摄像机拍摄的视频图像，将该视频图像中机动车车轮的实际位置作为该车辆的实际位置，并结合禁停区域或者侧方停车位的实际位置，确定该车辆的停车行为。根据机动车车轮的实际位置确定其停车行为，不受机动车高度的影响，能够提高确定的机动车停车行为的准确性。
附图说明
通过参考附图阅读下文的详细描述，本申请示例性实施例的上述以及其他目的、特征和优点将变得易于理解。在附图中，以示例性而非限制性的方式示出了本申请的若干实施方式，其中：
图1为本申请实施例提供的确定停车行为的方法的流程示意图；
图2为本申请实施例提供的摄像机安装方式示意图之一；
图3为本申请实施例提供的摄像机安装方式示意图之二
图4为本申请实施例提供的从视频图像中检测出车轮和机动车的效果示意图；
图5为本申请实施例提供的确定两个指定车轮的实际位置的流程示意图；
图6为本申请实施例提供的不同停车位的场景示意图；
图7为本申请实施例提供的将指定车轮的像素坐标转换为世界坐标的流程示意图；
图8为本申请实施例提供的确定其他两个车轮的实际位置的流程示意图；
图9为本申请实施例提供的一具体确定机动车的停车行为的流程示意图；
图10为本申请实施例提供的违规停车行为示意图；
图11为本申请实施例提供的另一具体确定机动车的停车行为的流程示意图；
图12为本申请实施例提供的跨位停车行为示意图；
图13为本申请实施例提供的正常停车行为示意图；
图14为本申请实施例提供的斜位停车行为示意图之一；
图15为本申请实施例提供的斜位停车行为示意图之二；
图16为本申请实施例提供的确定停车行为的装置示意图；
图17为本申请实施例提供的计算机设备的结构示意图。
具体实施方式
现有技术中，随着机动车数量的增多，机动车停车问题越来越凸显，很多机动车停车行为不规范，这存在着很大安全隐患，尤其是在路边侧方位停车场景下，安全隐患更大。为此，现有技术中采用将摄像头安装于车位上方，实时采集车位上方的视频图像，将检测该视频图像中的车辆并与虚拟车位线进行对比，以检测出停车行为是否规范的方式，对机动车停车行为进行监控，但是该方法采集视频图像时，会受车辆高度和采集角度的影响，这样在视频图像上检测出车辆位置，确定该车辆位置与虚拟车位线的相对位置时，会有一定的不确定性，从而造成停车行为检测结果不准确的问题。
为此，本申请实施例提供一种确定停车行为的方法，该方法可以包括：获取固定视角的摄像机采集的视频图像，所述视频图像中包括禁停区域和/或至少一个侧方停车位；针对所述视频图像中的每辆机动车，根据确定的该机动车的两个指定车轮的实际位置，确定该机动车其他两个车轮的实际位置，所述两个指定车轮分别为所述视频图像拍摄到的该机动车的侧面中的前车轮和后车轮；根据该机动车的四个车轮的实际位置，以及，所述禁停区域和/或至少一个侧方停车位实际位置，确定该机动车的停车行为。
本申请实施例提供的确定停车行为的方法，将摄像机的采集视角固定，并采集该摄像机拍摄的视频图像，将该视频图像中机动车车轮的实际位置作为该车辆的实际位置，并结合禁停区域或者侧方停车位的实际位置，确定该车辆的停车行为。根据机动车车轮的实际位置确定其停车行为，能够提高确定的机动车停车行为的准确性。
为使本申请的目的、技术方案和优点更加清楚，下面将结合附图对本申请可能的实施方式作进一步描述。
本申请实施例提供一种确定停车行为的方法，如图1所示，包括：
步骤101，获取固定视角的摄像机采集的视频图像，所述视频图像中包括禁停区域和/或至少一个侧方停车位。
具体实施时，摄像机可以为枪机也可以为固定预置位的球机，将该摄像机安装于预设位置并固定视角，监控固定视角区域内的停车行为，该区域内包括禁停区域和/或至少一个侧方停车位。安装摄像机的预设位置可根据实际场景确定，优选为机动车不遮挡摄像机镜头。比如，摄像机监控道路内侧的侧方停车位，如图2所示，该摄像机可装在与停车位同侧的位置，如图3所示，该摄像机也可安装在停车位对侧的位置。图2和图3仅为两种示例性的安装方式，还可以有其他安装方式，这里不做限定。摄像机的监控视角内需能够拍摄到机动车侧面，图2和图3中，1表示摄像机，从摄像机镜头延伸出来的两条直线包括的区域为该摄像机的视角范围，箭头表示道路的行车方向，从摄像机机身延伸出来的直线表示用于固定摄像机的立杆。图2和图3也可理解为本申请实施例的两种应用场景，当然，本申请实施例还可以应用其他场景，这里不做限定。
其中，一个立杆上可以安装多个摄像机，比如，一个立杆安装两个摄像机，分别用于监控立杆左侧和立杆右侧两个方向的停车行为，每个摄像机的视角范围内可以包括多个侧方停车位，比如可以包括3-4个侧方停车位。
进一步地，可以获取固定视角的摄像机采集的视频图像具体可以为该摄像机在距离当前时间最近的时刻采集的视频图像，这样可以实现对停车行为的实时分析，也可以为其他时刻采集的视频图像，这里不做限定。
需要说明的是，禁停区域为禁止停车的区域，比如为道路中的行车区域、人行道等划分的禁止停车区域。其中，禁停区域和侧方停车位均为预先划分好的区域。
步骤102，针对所述视频图像中的每辆机动车，根据确定的该机动车的两个指定车轮的实际位置，确定该机动车其他两个车轮的实际位置，所述两个指定车轮分别为所述视频图像拍摄到的该机动车的侧面中的前车轮和后车轮。
本步骤中，可预先对视频图像中的机动车以及车轮进行检测，以确定出该视频图像中包含的机动车数量以及车轮所属的机动车，其中，可利用深度学习算法对视频图像中的机动车以及车轮进行检测，确定出机动车检测框和车轮检测框，这样可以提高检测出机动车检测框的位置和车轮检测框的准确性。其中，检测框优选为矩形，如图4所示，为从视频图像中检测出的机动车和车轮示意图，其中，每辆机动车中较小的检测框内为车轮，每辆车较大的检测框内为机动车。
具体的，可按照以下方式确定出车轮所属的机动车：
根据机动车检测框位置，确定机动车检测框中心点位置，以及，根据车轮检测框位置，确定车轮检测框中心点位置；
针对每个车轮检测框，分别确定该车轮检测框中心点与各机动车检测框中心点的距离；
确定出其中的最小距离对应的机动车检测框，并将该确定出的机动车检测框对应的机动车作为该车轮检测框对应的车轮所属的机动车。
可选地，存储确定出的车轮与机动车的所属关系，在确定视频图像中各机动车的停车行为时，从该所属关系中查找出属于该机动车的车轮。
当然，在确定视频图像中各机动车的停车行为时，也可实时确定机动车以及属于该机动车的车轮。
需要说明的是，侧方停车位如图2和图3所示，机动车仅可从其中一条长边驶入的停车位。
具体的，机动车的指定车轮为其所在的视频图像拍摄到的该机动车的侧面中的前车轮和后车轮，具体的该侧面为视频图像拍摄到的机动车车门所在的一个侧面，两个指定车轮为机动车同一侧面中的前车轮和后车轮，比如图4检测出的车轮。指定车轮的实际位置为该指定车轮在世界坐标系中的坐标，具体确定方式可以为将车轮在像素坐标系中的像素坐标转换为在世界坐标系中的世界坐标，将转换得到的世界坐标作为该车轮的实际位置。机动车的两个指定车轮的实际位置确定后，可进一步结合该机动车的车辆参数，确定该机动车其他两个车轮的实际位置。
需要说明的是，针对同一机动车，该机动车的其他两个车轮为该机动车的两个指定车轮以外的车轮。
步骤103，根据该机动车的四个车轮的实际位置，以及，所述禁停区域和/或至少一个侧方停车位实际位置，确定该机动车的停车行为。
具体实施时，可将四个车轮的实际位置作为机动车的实际位置，将机动车的实际位置与禁停区域和/或侧方停车位的实际位置进行比对，从而确定该机动车的停车行为。停车行为可以包括正常停车行为和非正常停车行为，正常停车行为即机动车完全停在停车位的行为，非正常停车行为可以包括跨位停车行为、斜位停车行为以及违规停车行为；跨位停车行为即机动车的停车区域与两个停车位有重叠区域，斜位停车行为即机动车的停车区域遮挡了停车位的一个长边。
本申请实施例将摄像机的采集视角固定，并采集该摄像机拍摄的视频图像，将该视频图像中机动车车轮的实际位置作为该车辆的实际位置，并结合禁停区域或者侧方停车位的实际位置，确定该车辆的停车行为。根据机动车车轮的实际位置确定其停车行为，不受机动车高度的影响，能够提高确定的机动车停车行为的准确性。
需要说明的是，本申请实施例的执行主体可以为便携设备(例如：手机、平板、笔记本电脑等)，也可以为个人电脑(PC，Personal Computer)，这里不做限定。
可选地，按照图5提供的内容，确定该机动车的两个指定车轮的实际位置：
步骤501，针对该机动车的每个指定车轮，确定该指定车轮与所述视频图像中路面的接触点的像素坐标，作为该指定车轮的像素坐标。
具体实施时，确定视频图像中每辆机动车的每个指定车轮与视频图像中地面接触点的像素坐标，作为相应指定车轮的像素坐标。
实际应用中，机动车车轮具有一定的宽度，因此机动车车轮与地面的接触区域为一个矩形，本申请实施例中，如图2所示，视频图像为从侧面机动车侧面拍摄，此时，在视频图像中车轮与地面的接触区域为一条线，因此，可选地，将该条线的中点作为车轮与地面的接触点。也可采用其他方式确定接触点，比如将各个车轮与机动车前侧(或后侧)距离最近的接触点作为相应车轮与地面的接触点。
步骤502，将该指定车轮的像素坐标转换为世界坐标。
具体实施时，可预先进行摄像机标定，根据摄像机标定信息，确定像素坐标系到世界坐标系的转换关系。具体的，可选择透视变换矩阵H作为世界坐标系与相机坐标系之间的变换关系，比如P的世界坐标为P(x，y，z)、相机坐标为P′(x′，y′，z′)，从世界坐标系到相机坐标系的转换关系为P′＝PH，P的像素坐标以及P从相机坐标系转换到像素坐标系的转换关系分别为：P"(x"，y"),
预先对摄像机采集的视频图像的像素坐标以及停车位的世界坐标进行标定，具体标定时，可根据摄像机视角范围内的停车位的不同情况对停车位的像素点坐标进行标定。下面结合停车位的不同情况说明标定方式：
如图6所示，为本申请实施例提供的四种停车位的不同场景，其中，图6a为停车位连续且无遮挡的场景，此时可将整个停车区域作为一个区域进行标定也可分别对每个车位进行标定，其中a1、b1、c1以及d1整个停车区域的四个顶点；图6b为停车位之间存在非停车区域(非车位区)的场景，此时可将连续的停车位对应的区域作为一个区域进行标定也可分别对每个车位进行标定，其中，a1、b1、c1以及d1为上面两个连续车位对应区域的四个顶点，以及a2、b2、c2以及d2为下面两个连续车位对应区域的四个顶点；图6c为完全遮挡其中一个停车位的场景，此时可将连续的停车位对应的区域作为一个区域进行标定也可以分别对每个车位进行标定，其中，a1、b1、c1以及d1为前两个未被遮挡的停车位的顶点，最下面的停车位四个顶点图中未示出，这四个顶点可以标记为a2、b2、c2以及d2；图6d为完全遮挡其中一个停车位且有停车位被部分遮挡的场景，此时针对被部分遮挡的停车位，根据该停车位中未被遮挡的顶点进行坐标标定，也可分根据每个车位的顶点进行坐标标定。图6a到图6d中，可将其中的顶点作为标定点，根据标定点的图像坐标对该图像中的像素点进行标定，根据标定点的世界坐标对停车位的世界坐标进行标定。针对路内侧停车场景，若摄像机视角范围内所有停车位区域均全部被遮挡，则可将道路标线中的若干点作为标定点进行标定。
其中，停车位顶点的世界坐标可按照以下方式标定：将停车位按照一定顺序进行编号，根据标定点所在的车位编号n，以及车位的长h和宽w标定。以图6d为例，a1、b1、c1以及d1的世界坐标分别为a1(0,0,1)，b1(w,h,1)，c1(0,2h,1)，d1(w,2h,1)。根据上述坐标系转换关系可得到相应的坐标系转换矩阵，具体的，针对不同的标定区域(即图6a-图6d中分区域标定中后的各区域)对应的标定数据，根据上述坐标系转换关系可得到的相应的坐标系转换矩阵，此时可根据当前分析的机动车停入的停车位所属的标定数据，确定该标定数据对应的坐标系转换矩阵，在实际应用中，可以根据与机动车中心位置的距离最近的标定区域对应的坐标系转换矩阵。
步骤503，确定该指定车轮的世界坐标为该指定车轮的实际位置。
本步骤中，将指定车轮的世界坐标作为该指定车轮在现实世界中的实际位置。
本申请实施例中，将视频图像中机动车的指定车轮与路面的接触点的像素坐标转换得到的世界坐标，作为指定车轮的实际位置，使得得到的车轮的实际位置更加准确，进而提高确定的停车行为的准确性。
可选地，根据图7提供的内容，将该指定车轮的像素坐标转换为世界坐标：
步骤701，确定该机动车的中心点所属的标定区域为指定标定区域。
具体的，上文已对停车区域进行标定的过程以及标定区域进行描述，这里不做详述。可根据机动车四个车轮的世界坐标，确定机动车中心点的世界坐标，并将机动车的中心点的世界坐标作为机动车的中心点的实际位置；根据距离该机动车的中心点的实际位置最近的标定区域作为该中心点所属的标定区域。具体的，可将机动车四个车轮组成的矩形的中心点作为机动车的中心点。
步骤702，从预先保存的标定区域与坐标系转换矩阵的对应关系中，查找所述指定标定区域对应的坐标系转换矩阵，所述坐标系转换矩阵为从像素坐标系转换到世界坐标系的转换矩阵。
具体的，上文中确定各个标定区域对应的坐标系转换矩阵后，保存标定区域与坐标系转换矩阵的对应关系。后续直接从该对应关系中查找相应的坐标系转换矩阵。
步骤703，根据查找到的坐标系转换矩阵，将该指定车轮的像素坐标转换为世界坐标。
本实施例中，通过预先存储的标定区域与坐标系转换矩阵的对应关系，查找到需要使用的坐标系转换矩阵，避免了实时标定并确定坐标系转换矩阵，提高了处理速度。
可选地，按照图8提供的内容，确定该机动车其他两个车轮的实际位置：
步骤801，将所述视频图像输入预先训练的车辆参数识别模型，得到该机动车的轴距和轮距。
具体的，预先根据深度学习算法和样本库，训练车辆参数识别模型，该车辆参数识别模型的原理为：确定输入该模型的图像中机动车所属的车型，进而确定该车型的车辆参数，车辆参数包括轴距和轮距。其中，轴距为机动车前轴中心到后轴中心的距离，轮距为车轮在车辆支承平面(一般就是地面)上留下的轨迹的中心线之间的距离。
其中，还可根据深度学习算法确定出不同级别的机动车，比如A级乘用车、B级乘用车、C级乘用车以及D级乘用车，其中，A级用车的轴距为2.3米至2.5米，排量为1升至1.5升；B级乘用车：轴距在2.5米至2.7米之间，排量约在1.6升至2.0升；C级乘用车：轴距约在2.7米至2.9米之间，排量从1.8升到2.4升；D级乘用车：轴距约在2.8米至3米之间，发动机排量大于2.4升。
步骤802，根据该机动车的两个指定车轮的实际位置以及该机动车的轴距和轮距，确定该机动车其他两个车轮的实际位置。
具体实施时，机动车的轴距和轮距一定，两个指定车轮的实际位置一定，世界坐标系原点一定，此时可根据两个指定车轮的实际位置、轴距和轮距确定出该机动车的其他两个车轮的实际位置。
本申请实施例，利用预先训练的车辆参数识别模型，可快速且准确的确定出机动车的车辆参数，即机动车的轴距和轮距，从而提高确定出的机动车其他两个车轮的实际位置的准确性。
可选地，按照图9提供的内容，确定该机动车的停车行为：
步骤901，将该机动车的四个车轮的实际位置组成的矩形的实际位置，确定为该机动车的实际位置。
具体实施时，将机动车四个车轮组成的矩形的四条边的实际位置作为该机动车的实际位置。
步骤902，判断该机动车的实际位置所在的区域是否为禁停区域，若是，执行步骤903，否则，执行步骤904。
具体实施时，摄像机视角范围内的禁停区域和/或侧方停车位已预先标注。
步骤903，确定该机动车的停车行为为违规停车行为。
具体实施时，违规停车行为的示意图如图10所示，机动车3所停的区域为禁停区域4，其中，1和2分别侧方停车位。
步骤904，将与该机动车的实际位置的重叠区域面积大于面积阈值的侧方停车位，确定为参考停车位。
具体实施时，若该机动车的实际位置所在区域为侧方停车位，那么机动车所停的区域可能包括两个停车位，此时将与该机动车的实际位置的重叠区域的面积大于面积阈值的侧方停车位，确定为参考停车位。其中，面积阈值的大小可根据实际应用场景确定，这里不做限定。
步骤905，根据该机动车四个车轮的实际位置与该参考停车位的实际位置，确定该机动车的停车行为。
可选地，可按照图11提供的内容，实现步骤905中，根据该机动车四个车轮的实际位置与该参考停车位的实际位置，确定该机动车的停车行为：
步骤1101，根据该机动车四个车轮的实际位置与该参考停车位的实际位置，确定该机动车的前轮连线的中点到该参考停车位短边的垂直距离，作为第一类距离，以及，确定该机动车的后轮连线的中点到该参考停车位短边的垂直距离，作为第二类距离。
具体实施时，根据该机动车两个前轮的实际位置，确定该机动车两个前轮连线的中点的实际位置，并根据该中点的实际位置，分别确定该中点到该参考停车位两个短边的垂直距离，将这两个垂直距离作为第一类距离；根据该机动车两个后轮的实际位置，确定该机动车两个后轮连线的中点的实际位置，并根据该中点的实际位置，分别确定该中点到该参考停车位两个短边的垂直距离，将这两个垂直距离作为第二类距离。其中，两个前轮连线的中点可根据两个前轮的实际位置以及该机动车的轮距确定，同理，两个后轮连线的中点可根据两个后轮的实际位置以及该机动车的轮距确定。
步骤1102，判断第一类距离中的最小距离是否小于第一距离阈值，若是，执行步骤1103，否则，执行步骤1104。
具体实施时，确定第一类距离中的最小距离，判断该最小距离是否小于第一距离阈值，在该最小距离小于第一距离阈值的情况下，说明该机动车车头超出了该参考停车位，此时执行步骤1103，在该最小距离不小于第一距离阈值的情况下，执行步骤1104，以进一步判断车尾是否超出该参考停车位。该第一距离阈值的大小可根据实际情况设定，可选地，该第一距离阈值为该机动车轴距的20％。
步骤1103，确定该机动车的停车行为为跨位停车行为。
具体实施时，跨位停车行为的示意图如图12所示，图12中的机动车3停在了侧方停车位1和侧方停车位2，其中，4表示禁停区域。
步骤1104，判断第二类距离中的最小距离是否小于第一距离阈值，若是，执行步骤1103，否则，执行步骤1105。
本步骤中，确定第二类距离中的最小距离，判断该最小距离是否小于第一距离阈值，在该最小距离小于第一距离阈值的情况下，说明该机动车车尾超出了该参考停车位，此时执行步骤1103，在该最小距离不小于第一距离阈值的情况下，执行步骤1105，以继续确定该机动车的停车行为。
步骤1105，确定该机动车的两个指定车轮连线的中点到与参考停车位长边的距离，作为第三类距离，所述参考停车位长边为与两个指定车轮位于同一侧的长边。
具体实施时，若第一类距离中的最小距离不小于第一距离阈值，并且，第二类距离中的最小距离不小于第一阈值，则确定该机动车的两个指定车轮连线的中点到与参考停车位长边的距离，作为第三类距离，确定的第三类距离中仅包括一个距离，其中，参考停车位长边为与两个指定车轮位于同一侧的长边，如图4所示，摄像机拍摄到的机动车一侧为摄像机拍着到的两个指定车轮所在的侧面，参考停车位的长边为摄像机拍摄到的停车位的长边。两个指定车轮连线可以为两个车轮圆心的连线。
步骤1106，判断第三类距离是否大于第二距离阈值，若是，执行步骤1107，否则，执行步骤1108。
具体实施时，第二距离阈值的大小可根据实际应用场景设定，这里不做限定。
步骤1107，确定该机动车的停车行为为正常停车行为。
具体实施时，若第三类距离中的距离大于第二距离阈值，则确定该机动车的停车行为为正常停车行为。正常停车行为的示意图如图13所示，机动车3整个车身停在了侧方停车位1内，其中，2为另一侧方停车位，4为禁停区域。
步骤1108，确定该机动车的停车行为为斜位停车行为。
具体实施时，若第三类距离不大于第二距离阈值，则确定该机动车的停车行为为斜位停车行为。斜位停车行为的示意图如图14和图15所示，机动车3所停的区域遮挡了侧方停车位1的一个长边，其中，2为另一侧方停车位，4为禁停区域。
基于与上述确定停车行为的方法同样的发明构思，本申请实施例还提供一种确定停车行为的装置，如图16所示，包括：
图像获取模块1601，用于获取固定视角的摄像机采集的视频图像，所述视频图像中包括禁停区域和/或至少一个侧方停车位；
位置确定模块1602，用于针对所述视频图像中的每辆机动车，根据确定的该机动车的两个指定车轮的实际位置，确定该机动车其他两个车轮的实际位置，所述两个指定车轮分别为所述视频图像拍摄到的该机动车的侧面中的前车轮和后车轮；
行为确定模块1603，用于根据该机动车的四个车轮的实际位置，以及，所述禁停区域和/或至少一个侧方停车位实际位置，确定该机动车的停车行为。
可选地，所述位置确定模块1602还用于：
针对该机动车的每个指定车轮，确定该指定车轮与所述视频图像中路面的接触点的像素坐标，作为该指定车轮的像素坐标；
将该指定车轮的像素坐标转换为世界坐标；
确定该指定车轮的世界坐标为该指定车轮的实际位置。
可选地，所述位置确定模块1602具体按照以下方式将该指定车轮的像素坐标转换为世界坐标：
确定该机动车的中心点所属的标定区域为指定标定区域；
从预先保存的标定区域与坐标系转换矩阵的对应关系中，查找所述指定标定区域对应的坐标系转换矩阵，所述坐标系转换矩阵为从像素坐标系转换到世界坐标系的转换矩阵；
根据查找到的坐标系转换矩阵，将该指定车轮的像素坐标转换为世界坐标。
可选地，所述位置确定模块1602，具体用于：
将所述视频图像输入预先训练的车辆参数识别模型，得到该机动车所属车型的轴距和轮距；
根据该机动车的两个指定车轮的实际位置以及该机动车的轴距和轮距，确定该机动车其他两个车轮的实际位置。
可选地，所述行为确定模块1603，具体用于：
将该机动车的四个车轮的实际位置组成的矩形的实际位置，确定为该机动车的实际位置；
若该机动车的实际位置所在区域为禁停区域，则确定该机动车的停车行为为违规停车行为。
可选地，所述行为确定模块1603，还用于：
若该机动车的实际位置所在区域为侧方停车位，则将与该机动车的实际位置的重叠区域面积大于面积阈值的侧方停车位，确定为参考停车位；
根据该机动车四个车轮的实际位置与该参考停车位的实际位置，确定该机动车的停车行为。
可选地，所述行为确定模块1603，具体用于：
根据该机动车四个车轮的实际位置与该参考停车位的实际位置，确定该机动车的前轮连线的中点到该参考停车位短边的垂直距离，作为第一类距离，以及，确定该机动车的后轮连线的中点到该参考停车位短边的垂直距离，作为第二类距离；
若第一类距离中的最小距离小于第一距离阈值，或者，第二类距离中的最小距离小于第一阈值，则确定该机动车的停车行为为跨位停车行为；
若第一类距离中的最小距离不小于第一距离阈值，并且，第二类距离中的最小距离不小于第一阈值，则确定该机动车的两个指定车轮连线的中点到与参考停车位长边的距离，作为第三类距离，所述参考停车位长边为与两个指定车轮位于同一侧的长边；
若所述第三类距离大于第二距离阈值，则确定该机动车的停车行为为正常停车行为；
若所述第三类距离不大于第二距离阈值，则确定该机动车的停车行为为斜位停车行为。
可选地，所述第一距离阈值为该机动车轴距的20％。
本申请实施例还提供一种非易失性计算机存储介质，所述计算机存储介质存储有可执行程序，该可执行程序被处理器执行实现上述实施例提供的任一确定停车行为的方法的步骤。
本申请实施例还提供一种计算机设备，如图17所示，为本申请实施中所述的计算机设备的硬件结构示意图，该计算机设备具体可以为台式计算机、便携式计算机、智能手机、平板电脑等。具体地，该计算机设备可以包括存储器1701、处理器1702及存储在存储器1701上的计算机程序，处理器1702执行该计算机程序时实现上述实施例中的任一确定停车位的方法的步骤。其中，存储器1701可以包括只读存储器(ROM)和随机存取存储器(RAM)，并向处理器1702提供存储器1701中存储的程序指令和数据。
进一步地，本申请实施例中所述的计算机设备还可以包括输入装置1703以及输出装置1704等。输入装置1703可以包括键盘、鼠标、触摸屏等；输出装置1704可以包括显示设备，如液晶显示器(Liquid Crystal Display，LCD)、阴极射线管(Cathode Ray Tube，CRT)，触摸屏等。存储器1701，处理器1702、输入装置1703和输出装置1704可以通过总线或者其他方式连接，图17中以通过总线连接为例。
处理器1702调用存储器1701存储的程序指令并按照获得的程序指令执行上述实施例提供的确定停车行为的方法。
利用本申请实施例提供的确定停车行为方法、装置、介质及设备，具有以下有益效果：将摄像机的采集视角固定，并采集该摄像机拍摄的视频图像，将该视频图像中机动车车轮的实际位置作为该车辆的实际位置，并结合禁停区域或者侧方停车位的实际位置，确定该车辆的停车行为。根据机动车车轮的实际位置确定其停车行为，不受机动车高度的影响，能够提高确定的机动车停车行为的准确性。
应当注意，尽管在上文详细描述中提及了装置的若干模块，但是这种划分仅仅是示例性的并非强制性的。实际上，根据本申请的实施方式，上文描述的两个或更多模块的特征和功能可以在一个模块中具体化。反之，上文描述的一个模块的特征和功能可以进一步划分为由多个模块来具体化。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本申请的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本申请范围的所有变更和修改。
显然，本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样，倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内，则本申请也意图包含这些改动和变型在内。
Claims (18)
1.一种确定停车行为的方法，其特征在于，包括：
获取固定视角的摄像机采集的视频图像，所述视频图像中包括禁停区域和/或至少一个侧方停车位；
针对所述视频图像中的每辆机动车，根据确定的该机动车的两个指定车轮的实际位置，确定该机动车其他两个车轮的实际位置，所述两个指定车轮分别为所述视频图像拍摄到的该机动车的侧面中的前车轮和后车轮；
根据该机动车的四个车轮的实际位置，以及，所述禁停区域和/或至少一个侧方停车位实际位置，确定该机动车的停车行为。
2.根据权利要求1所述的方法，其特征在于，确定该机动车的两个指定车轮的实际位置，具体包括：
针对该机动车的每个指定车轮，确定该指定车轮与所述视频图像中路面的接触点的像素坐标，作为该指定车轮的像素坐标；
将该指定车轮的像素坐标转换为世界坐标；
确定该指定车轮的世界坐标为该指定车轮的实际位置。
3.根据权利要求2所述的方法，其特征在于，将该指定车轮的像素坐标转换为世界坐标，具体包括：
确定该机动车的中心点所属的标定区域为指定标定区域；
从预先保存的标定区域与坐标系转换矩阵的对应关系中，查找所述指定标定区域对应的坐标系转换矩阵，所述坐标系转换矩阵为从像素坐标系转换到世界坐标系的转换矩阵；
根据查找到的坐标系转换矩阵，将该指定车轮的像素坐标转换为世界坐标。
4.根据权利要求1所述的方法，其特征在于，确定该机动车其他两个车轮的实际位置，具体包括：
将所述视频图像输入预先训练的车辆参数识别模型，得到该机动车所属车型的轴距和轮距；
根据该机动车的两个指定车轮的实际位置以及该机动车的轴距和轮距，确定该机动车其他两个车轮的实际位置。
5.根据权利要求1所述的方法，其特征在于，确定该机动车的停车行为，具体包括：
将该机动车的四个车轮的实际位置组成的矩形的实际位置，确定为该机动车的实际位置；
若该机动车的实际位置所在区域为禁停区域，则确定该机动车的停车行为为违规停车行为。
6.根据权利要求5所述的方法，其特征在于，还包括：
若该机动车的实际位置所在区域为侧方停车位，则将与该机动车的实际位置的重叠区域面积大于面积阈值的侧方停车位，确定为参考停车位；
根据该机动车四个车轮的实际位置与该参考停车位的实际位置，确定该机动车的停车行为。
7.根据权利要求6所述的方法，其特征在于，根据该机动车四个车轮的实际位置与该参考停车位的实际位置，确定该机动车的停车行为，具体包括：
根据该机动车四个车轮的实际位置与该参考停车位的实际位置，确定该机动车的前轮连线的中点到该参考停车位短边的垂直距离，作为第一类距离，以及，确定该机动车的后轮连线的中点到该参考停车位短边的垂直距离，作为第二类距离；
若第一类距离中的最小距离小于第一距离阈值，或者，第二类距离中的最小距离小于第一阈值，则确定该机动车的停车行为为跨位停车行为；
若第一类距离中的最小距离不小于第一距离阈值，并且，第二类距离中的最小距离不小于第一阈值，则确定该机动车的两个指定车轮连线的中点到与参考停车位长边的距离，作为第三类距离，所述参考停车位长边为与两个指定车轮位于同一侧的长边；
若所述第三类距离大于第二距离阈值，则确定该机动车的停车行为为正常停车行为；
若所述第三类距离不大于第二距离阈值，则确定该机动车的停车行为为斜位停车行为。
8.根据权利要求7所述的方法，其特征在于，所述第一距离阈值为该机动车轴距的20％。
9.一种确定停车行为的装置，其特征在于，包括：
图像获取模块，用于获取固定视角的摄像机采集的视频图像，所述视频图像中包括禁停区域和/或至少一个侧方停车位；
位置确定模块，用于针对所述视频图像中的每辆机动车，根据确定的该机动车的两个指定车轮的实际位置，确定该机动车其他两个车轮的实际位置，所述两个指定车轮分别为所述视频图像拍摄到的该机动车的侧面中的前车轮和后车轮；
行为确定模块，用于根据该机动车的四个车轮的实际位置，以及，所述禁停区域和/或至少一个侧方停车位实际位置，确定该机动车的停车行为。
10.根据权利要求9所述的装置，其特征在于，所述位置确定模块还用于：
针对该机动车的每个指定车轮，确定该指定车轮与所述视频图像中路面的接触点的像素坐标，作为该指定车轮的像素坐标；
将该指定车轮的像素坐标转换为世界坐标；
确定该指定车轮的世界坐标为该指定车轮的实际位置。
11.根据权利要求10所述的装置，其特征在于，所述位置确定模块具体按照以下方式将该指定车轮的像素坐标转换为世界坐标：
确定该机动车的中心点所属的标定区域为指定标定区域；
从预先保存的标定区域与坐标系转换矩阵的对应关系中，查找所述指定标定区域对应的坐标系转换矩阵，所述坐标系转换矩阵为从像素坐标系转换到世界坐标系的转换矩阵；
根据查找到的坐标系转换矩阵，将该指定车轮的像素坐标转换为世界坐标。
12.根据权利要求9所述的装置，其特征在于，所述位置确定模块，具体用于：
将所述视频图像输入预先训练的车辆参数识别模型，得到该机动车所属车型的轴距和轮距；
根据该机动车的两个指定车轮的实际位置以及该机动车的轴距和轮距，确定该机动车其他两个车轮的实际位置。
13.根据权利要求9所述的装置，其特征在于，行为确定模块，具体用于：
将该机动车的四个车轮的实际位置组成的矩形的实际位置，确定为该机动车的实际位置；
若该机动车的实际位置所在区域为禁停区域，则确定该机动车的停车行为为违规停车行为。
14.根据权利要求13所述的装置，其特征在于，所述行为确定模块还用于：
若该机动车的实际位置所在区域为侧方停车位，则将与该机动车的实际位置的重叠区域面积大于面积阈值的侧方停车位，确定为参考停车位；
根据该机动车四个车轮的实际位置与该参考停车位的实际位置，确定该机动车的停车行为。
15.根据权利要求14所述的装置，其特征在于，所述行为确定模块，具体用于：
根据该机动车四个车轮的实际位置与该参考停车位的实际位置，确定该机动车的前轮连线的中点到该参考停车位短边的垂直距离，作为第一类距离，以及，确定该机动车的后轮连线的中点到该参考停车位短边的垂直距离，作为第二类距离；
若第一类距离中的最小距离小于第一距离阈值，或者，第二类距离中的最小距离小于第一阈值，则确定该机动车的停车行为为跨位停车行为；
若第一类距离中的最小距离不小于第一距离阈值，并且，第二类距离中的最小距离不小于第一阈值，则确定该机动车的两个指定车轮连线的中点到与参考停车位长边的距离，作为第三类距离，所述参考停车位长边为与两个指定车轮位于同一侧的长边；
若所述第三类距离大于第二距离阈值，则确定该机动车的停车行为为正常停车行为；
若所述第三类距离不大于第二距离阈值，则确定该机动车的停车行为为斜位停车行为。
16.根据权利要求15所述的装置，其特征在于，所述第一距离阈值为该机动车轴距的20％。
17.一种非易失性计算机存储介质，其特征在于，所述计算机存储介质存储有可执行程序，该可执行程序被处理器执行实现权利要求1-8任一所述方法的步骤。
18.一种计算机设备，其特征在于，包括存储器、处理器及存储在存储器上的计算机程序，所述处理器执行所述程序时实现权利要求1-8任一所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910520345.2A CN110176151A (zh) | 2019-06-17 | 2019-06-17 | 一种确定停车行为的方法、装置、介质及设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910520345.2A CN110176151A (zh) | 2019-06-17 | 2019-06-17 | 一种确定停车行为的方法、装置、介质及设备 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110176151A true CN110176151A (zh) | 2019-08-27 |
Family
ID=67698380
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910520345.2A Pending CN110176151A (zh) | 2019-06-17 | 2019-06-17 | 一种确定停车行为的方法、装置、介质及设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110176151A (zh) |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110796023A (zh) * | 2019-10-09 | 2020-02-14 | 华南理工大学 | Agv智能泊车系统交互区停车状态车轮位置的识别方法 |
| CN110853366A (zh) * | 2019-11-20 | 2020-02-28 | 浙江大华技术股份有限公司 | 一种检测车辆停放位置方法及装置 |
| CN111243024A (zh) * | 2020-01-14 | 2020-06-05 | 上海钧正网络科技有限公司 | 停车区域识别系统及方法、检测系统及方法、安防系统 |
| CN111402335A (zh) * | 2020-03-18 | 2020-07-10 | 东软睿驰汽车技术（沈阳）有限公司 | 深度学习模型的评价方法、装置、电子设备及存储介质 |
| CN111951601A (zh) * | 2020-08-05 | 2020-11-17 | 智慧互通科技有限公司 | 一种识别配送车辆停放位置的方法及装置 |
| CN111950504A (zh) * | 2020-08-21 | 2020-11-17 | 东软睿驰汽车技术（沈阳）有限公司 | 车辆检测方法、装置以及电子设备 |
| CN112669377A (zh) * | 2019-10-15 | 2021-04-16 | 杭州海康威视数字技术股份有限公司 | 一种车位检测方法、装置、电子设备及存储介质 |
| CN113496162A (zh) * | 2020-04-01 | 2021-10-12 | 顺丰科技有限公司 | 停车规范识别方法、装置、计算机设备和存储介质 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20090041087A (ko) * | 2007-10-23 | 2009-04-28 | 부산대학교 산학협력단 | 주차안내시스템 및 이를 이용한 주차안내방법 |
| US20140313059A1 (en) * | 2013-04-23 | 2014-10-23 | Ford Global Technologies, Llc | Park assist object distance measurement clock control |
| CN105809975A (zh) * | 2016-05-30 | 2016-07-27 | 北京精英智通科技股份有限公司 | 一种异常停车判断方法和装置 |
| CN106373218A (zh) * | 2016-10-28 | 2017-02-01 | 中山大学 | 一种具有压线报警功能的手机行车记录仪 |
| CN108154146A (zh) * | 2017-12-25 | 2018-06-12 | 陈飞 | 一种基于图像识别的车辆追踪方法 |
| CN108257410A (zh) * | 2017-12-25 | 2018-07-06 | 陈飞 | 一种现场监控与导航系统协作的停车位精准导航方法 |
| CN109389829A (zh) * | 2018-11-05 | 2019-02-26 | 湖北民族学院 | 一种违规停车识别方法及系统 |
-
2019
- 2019-06-17 CN CN201910520345.2A patent/CN110176151A/zh active Pending
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20090041087A (ko) * | 2007-10-23 | 2009-04-28 | 부산대학교 산학협력단 | 주차안내시스템 및 이를 이용한 주차안내방법 |
| US20140313059A1 (en) * | 2013-04-23 | 2014-10-23 | Ford Global Technologies, Llc | Park assist object distance measurement clock control |
| CN105809975A (zh) * | 2016-05-30 | 2016-07-27 | 北京精英智通科技股份有限公司 | 一种异常停车判断方法和装置 |
| CN106373218A (zh) * | 2016-10-28 | 2017-02-01 | 中山大学 | 一种具有压线报警功能的手机行车记录仪 |
| CN108154146A (zh) * | 2017-12-25 | 2018-06-12 | 陈飞 | 一种基于图像识别的车辆追踪方法 |
| CN108257410A (zh) * | 2017-12-25 | 2018-07-06 | 陈飞 | 一种现场监控与导航系统协作的停车位精准导航方法 |
| CN109389829A (zh) * | 2018-11-05 | 2019-02-26 | 湖北民族学院 | 一种违规停车识别方法及系统 |
Cited By (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110796023A (zh) * | 2019-10-09 | 2020-02-14 | 华南理工大学 | Agv智能泊车系统交互区停车状态车轮位置的识别方法 |
| CN110796023B (zh) * | 2019-10-09 | 2022-03-29 | 华南理工大学 | Agv智能泊车系统交互区停车状态车轮位置的识别方法 |
| CN112669377A (zh) * | 2019-10-15 | 2021-04-16 | 杭州海康威视数字技术股份有限公司 | 一种车位检测方法、装置、电子设备及存储介质 |
| CN112669377B (zh) * | 2019-10-15 | 2023-09-05 | 杭州海康威视数字技术股份有限公司 | 一种车位检测方法、装置、电子设备及存储介质 |
| CN110853366A (zh) * | 2019-11-20 | 2020-02-28 | 浙江大华技术股份有限公司 | 一种检测车辆停放位置方法及装置 |
| CN111243024A (zh) * | 2020-01-14 | 2020-06-05 | 上海钧正网络科技有限公司 | 停车区域识别系统及方法、检测系统及方法、安防系统 |
| CN111402335A (zh) * | 2020-03-18 | 2020-07-10 | 东软睿驰汽车技术（沈阳）有限公司 | 深度学习模型的评价方法、装置、电子设备及存储介质 |
| CN113496162A (zh) * | 2020-04-01 | 2021-10-12 | 顺丰科技有限公司 | 停车规范识别方法、装置、计算机设备和存储介质 |
| CN111951601A (zh) * | 2020-08-05 | 2020-11-17 | 智慧互通科技有限公司 | 一种识别配送车辆停放位置的方法及装置 |
| CN111951601B (zh) * | 2020-08-05 | 2021-10-26 | 智慧互通科技股份有限公司 | 一种识别配送车辆停放位置的方法及装置 |
| CN111950504A (zh) * | 2020-08-21 | 2020-11-17 | 东软睿驰汽车技术（沈阳）有限公司 | 车辆检测方法、装置以及电子设备 |
| CN111950504B (zh) * | 2020-08-21 | 2024-04-16 | 东软睿驰汽车技术（沈阳）有限公司 | 车辆检测方法、装置以及电子设备 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110176151A (zh) | 一种确定停车行为的方法、装置、介质及设备 | |
| CN110501018B (zh) | 一种服务于高精度地图生产的交通标志牌信息采集方法 | |
| CN107054466B (zh) | 用于车辆的停车辅助系统及其使用方法 | |
| US7046822B1 (en) | Method of detecting objects within a wide range of a road vehicle | |
| CN103600707B (zh) | 一种智能泊车系统的泊车位检测装置及方法 | |
| US11989951B2 (en) | Parking detection method, system, processing device and storage medium | |
| WO2018105179A1 (ja) | 車載用画像処理装置 | |
| CN109583267B (zh) | 车辆用目标检测方法、车辆用目标检测装置和车辆 | |
| CN112349144B (zh) | 一种基于单目视觉的车辆碰撞预警方法及系统 | |
| CN108647638A (zh) | 一种车辆位置检测方法及装置 | |
| CN109064495A (zh) | 一种基于Faster R-CNN与视频技术的桥面车辆时空信息获取方法 | |
| CN104859563A (zh) | 车道偏离预警方法和系统 | |
| CN104509100B (zh) | 三维物体检测装置以及三维物体检测方法 | |
| CN104115186A (zh) | 立体物检测装置 | |
| CN101135558A (zh) | 一种基于机器视觉的汽车防撞预警方法及装置 | |
| CN101131321A (zh) | 一种实时测量安全车距用于汽车防撞预警的方法及装置 | |
| CN104029680A (zh) | 基于单目摄像头的车道偏离预警系统及方法 | |
| CN104057882A (zh) | 基于双摄像机的前方路缘观察系统 | |
| CN104106105A (zh) | 立体物检测装置 | |
| CN110738081B (zh) | 异常路况检测方法及装置 | |
| CN103164958B (zh) | 车辆监控方法及系统 | |
| CN104574993B (zh) | 一种道路监控的方法及装置 | |
| CN104115188A (zh) | 立体物检测装置 | |
| CN109871787A (zh) | 一种障碍物检测方法及装置 | |
| CN104115201B (zh) | 立体物检测装置 |
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: 20190827 |