CN110852151B - 一种路内泊位遮挡检测方法和装置 - Google Patents
一种路内泊位遮挡检测方法和装置 Download PDFInfo
- Publication number
- CN110852151B CN110852151B CN201910916727.7A CN201910916727A CN110852151B CN 110852151 B CN110852151 B CN 110852151B CN 201910916727 A CN201910916727 A CN 201910916727A CN 110852151 B CN110852151 B CN 110852151B
- Authority
- CN
- China
- Prior art keywords
- detected
- berth
- position information
- key
- key point
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 21
- 238000001514 detection method Methods 0.000 claims abstract description 34
- 238000013528 artificial neural network Methods 0.000 claims abstract description 27
- 238000009432 framing Methods 0.000 claims description 4
- 238000011897 real-time detection Methods 0.000 description 4
- PCTMTFRHKVHKIS-BMFZQQSSSA-N (1s,3r,4e,6e,8e,10e,12e,14e,16e,18s,19r,20r,21s,25r,27r,30r,31r,33s,35r,37s,38r)-3-[(2r,3s,4s,5s,6r)-4-amino-3,5-dihydroxy-6-methyloxan-2-yl]oxy-19,25,27,30,31,33,35,37-octahydroxy-18,20,21-trimethyl-23-oxo-22,39-dioxabicyclo[33.3.1]nonatriaconta-4,6,8,10 Chemical compound C1C=C2C[C@@H](OS(O)(=O)=O)CC[C@]2(C)[C@@H]2[C@@H]1[C@@H]1CC[C@H]([C@H](C)CCCC(C)C)[C@@]1(C)CC2.O[C@H]1[C@@H](N)[C@H](O)[C@@H](C)O[C@H]1O[C@H]1/C=C/C=C/C=C/C=C/C=C/C=C/C=C/[C@H](C)[C@@H](O)[C@@H](C)[C@H](C)OC(=O)C[C@H](O)C[C@H](O)CC[C@@H](O)[C@H](O)C[C@H](O)C[C@](O)(C[C@H](O)[C@H]2C(O)=O)O[C@H]2C1 PCTMTFRHKVHKIS-BMFZQQSSSA-N 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- 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
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
- G06V20/54—Surveillance or monitoring of activities, e.g. for recognising suspicious objects of traffic, e.g. cars on the road, trains or boats
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
-
- 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)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Traffic Control Systems (AREA)
- Image Analysis (AREA)
Abstract
一种路内泊位遮挡检测方法和装置，包括：根据安装在路内的摄像头拍摄得到的针对待检测泊位的图像，确定待检测泊位的状态是否空闲；其中所述待检测泊位位于所述摄像头的拍摄范围；若确定所述待检测泊位的状态为空闲，则根据神经网络对所述待检测泊位进行关键点检测；根据检测到的关键点确定所述待检测泊位是否被遮挡。本申请通过在泊位上设置关键点，通过检测关键点可判断待测泊位是否被遮挡，从而避免因泊位被遮挡而造成的计费错误，可降低稽查人员的人工排查成本。
Description
技术领域
本申请涉及智能交通(Intelligent Transportation System：ITS)领域，尤其涉及一种路内泊位遮挡检测方法和装置。
背景技术
南方地区因为道路两侧的树木比较多，很多摄像机只能架设在四米以下的地方。当大车经过或停留时，摄像机的视角可能被完全遮档住，此时摄像机只能看到局部的大车区域。在使用现有的基于视频的泊位状态检测方法时，由于摄像机的视角里没有车辆，因而设置在道路上的泊位状态会被误判为空闲状态。此时，如遮挡的车辆离开，泊位上停的车辆会被认为是一辆新停泊的车辆。
如大巴停在泊位上，当泥头车经过时遮挡了大巴，摄像机只拍摄到泥头车的局部，未拍摄到泊位上的大巴，此时服务器认为大巴已经离开，进行一次收费。当泥头车离开后，摄像机又拍摄到大巴停在泊位上，此时，服务器认为大巴又停了一次车，当大巴离开时，又进行一次收费。一次停车被误判为两次停车，造成计费错误，导致稽查员人工成本增加。
发明内容
本申请提供一种路内泊位遮挡检测方法和装置。
根据本申请的第一方面，本申请提供一种路内泊位遮挡检测方法，包括：
根据安装在路内的摄像头拍摄得到的针对待检测泊位的图像，确定待检测泊位的状态是否空闲；其中所述待检测泊位位于所述摄像头的拍摄范围；
若确定所述待检测泊位的状态为空闲，则根据神经网络对所述待检测泊位进行关键点检测；
根据检测到的关键点确定所述待检测泊位是否被遮挡。
进一步地，确定待检测泊位的状态是否空闲，包括：
根据神经网络识别所述图像中是否存在车辆，若所述图像不存在车辆，则确定所述待检测泊位的状态为空闲；
若所述图像存在车辆，则获取该车辆的位置信息和所述待检测泊位的位置信息，若该车辆的位置信息和所述待检测泊位的位置信息的重叠区域小于预设值，则确定所述待检测泊位为空闲；其中所述待检测泊位的位置信息是预设的，该车辆的位置信息是实时检测得到的。
进一步地，根据神经网络对所述待检测泊位的进行关键点检测，包括：
根据所述待检测泊位的位置信息，从所述图像截取框定所述待检测泊位的关键区域图像，并将所述关键区域图像输入到神经网络进行关键点检测；其中所述待检测泊位的位置信息是预设的。
进一步地，根据检测到的关键点确定所述待检测泊位是否被遮挡，包括：
若检测到的关键点包含预设关键点，则确定所述待检测泊位未被遮挡，否则，确定所述待检测泊位被遮挡。
进一步地，所述关键点至少包括六个，分别为设置在远离路肩的边界线两端的第一关键点、第二关键点，设置在所述远离路肩的边界线中点附近的第三关键点，分别设置在临近路肩的边界线两端的第四关键点和第五关键点，以及设置在所述泊位的中心区域的第六关键点；
若检测到的关键点包含预设关键点，则确定所述待检测泊位未被遮挡，否则，确定所述待检测泊位被遮挡，包括：
若检测到所述第一关键点、所述第二关键点、所述第三关键点和所述第六关键点，则确定所述待检测泊位未被遮挡，否则，确定所述待检测泊位被遮挡。
根据本申请的第二方面，本申请提供一种路内泊位遮挡检测装置，包括：
判断模块，用于根据安装在路内的摄像头拍摄得到的针对待检测泊位的图像，确定待检测泊位的状态是否空闲；其中所述待检测泊位位于所述摄像头的拍摄范围；
检测模块，用于在确定所述待检测泊位的状态为空闲时，则根据神经网络对所述待检测泊位进行关键点检测；
处理模块，用于根据检测到的关键点确定所述待检测泊位是否被遮挡。
进一步地，判断模块包括：
第一判断单元，用于根据神经网络识别所述图像中是否存在车辆，若所述图像不存在车辆，则确定所述待检测泊位的状态为空闲；
第二判断单元，用于在所述图像存在车辆时，则获取该车辆的位置信息和所述待检测泊位的位置信息，若该车辆的位置信息和所述待检测泊位的位置信息的重叠区域小于预设值，则确定所述待检测泊位为空闲；其中所述待检测泊位的位置信息是预设的，该车辆的位置信息是实时检测得到的。
进一步地，所述检测模块包括：
检测单元，用于根据所述待检测泊位的位置信息，从所述图像截取框定所述待检测泊位的关键区域图像，并将所述关键区域图像输入到神经网络进行关键点检测；其中所述待检测泊位的位置信息是预设的。
进一步地，所述处理模块，包括：
处理单元，用于在检测到的关键点包含预设关键点，则确定所述待检测泊位未被遮挡，否则，确定所述待检测泊位被遮挡。
进一步地，所述关键点至少包括六个，分别为设置在远离路肩的边界线两端的第一关键点、第二关键点，设置在所述远离路肩的边界线中点附近的第三关键点，分别设置在临近路肩的边界线两端的第四关键点和第五关键点，以及设置在所述泊位的中心区域的第六关键点；
所述处理单元，还用于在检测到所述第一关键点、所述第二关键点、所述第三关键点和所述第六关键点，则确定所述待检测泊位未被遮挡，否则，确定所述待检测泊位被遮挡。
由于采用了以上技术方案，使本申请具备的有益效果在于：
本申请实施例的方法和装置，包括根据安装在路内的摄像头拍摄得到的图像，确定待检测泊位的状态是否空闲；若确定待检测泊位的状态为空闲，则根据神经网络对待检测泊位的进行关键点检测；根据检测到的关键点确定待检测泊位是否被遮挡。本申请通过在泊位上设置关键点，通过检测关键点可判断待测泊位是否被遮挡，从而避免因泊位被遮挡而造成的计费错误，可降低稽查人员的人工排查成本。
附图说明
图1为本申请实施例一中的方法在一种实施方式中的流程图；
图2为本申请泊位及关键点示意图；
图3为本申请实施例一中的方法在另一种实施方式中的流程图；
图4为本申请实施例二中的装置在一种实施方式中的程序模块示意图；
图5为本申请实施例二中的装置在另一种实施方式中的程序模块示意图。
具体实施方式
下面通过具体实施方式结合附图对本发明作进一步详细说明。本申请可以以多种不同的形式来实现，并不限于本实施例所描述的实施方式。提供以下具体实施方式的目的是便于对本申请公开内容更清楚透彻的理解，其中上、下、左、右等指示方位的字词仅是针对所示结构在对应附图中位置而言。
然而，本领域的技术人员可能会意识到其中的一个或多个的具体细节描述可以被省略，或者还可以采用其他的方法、组件或材料。在一些例子中，一些实施方式并没有描述或没有详细的描述。
本文中为部件所编序号本身，例如“第一”、“第二”等，仅用于区分所描述的对象，不具有任何顺序或技术含义。
此外，本文中记载的技术特征、技术方案还可以在一个或多个实施例中以任意合适的方式组合。对于本领域的技术人员来说，易于理解与本文提供的实施例有关的方法的步骤或操作顺序还可以改变。因此，附图和实施例中的任何顺序仅仅用于说明用途，并不暗示要求按照一定的顺序，除非明确说明要求按照某一顺序。
实施例一：
如图1所示，本申请的路内泊位遮挡检测方法，其一种实施方式，包括以下步骤：
步骤102：根据安装在路内的摄像头拍摄得到的针对待检测泊位的图像，确定待检测泊位的状态是否空闲；其中待检测泊位位于摄像头的拍摄范围。
在待检测泊位上未检测到有车辆停泊，可能存在两种情况，一种是待检测泊位为空闲状态，另一种是摄像头的视角被道路上的车辆遮挡。
步骤104：若确定待检测泊位的状态为空闲，则根据神经网络对待检测泊位进行关键点检测。
在一些实施例中，上述神经网络可以是卷积神经网络，例如可以是LeNet、AlexNet、GoogLeNet、VGGNet、ResNet等任意类型的神经网络模型，或者，对待检测泊位的进行关键点检测也可以是基于其他机器学习方法实现，本公开实施例对关键点检测的具体实现方式不作限定。
步骤106：根据检测到的关键点确定待检测泊位是否被遮挡。在泊位上设有关键点，本申请具体可通过检测到的关键点信息，如关键点的位置和数量等，来确定泊位是否被遮挡。
本申请实施例包括根据安装在路内的摄像头拍摄得到的图像，确定待检测泊位的状态是否空闲；若确定待检测泊位的状态为空闲，则根据神经网络对待检测泊位的进行关键点检测；根据检测到的关键点确定待检测泊位是否被遮挡。本申请通过在泊位上设置关键点，通过检测关键点可判断待测泊位是否被遮挡，从而避免因泊位被遮挡而造成的计费错误，可降低稽查人员的人工排查成本。
如图2、图3所示，本申请的路内泊位遮挡检测方法，其另一种实施方式，包括以下步骤：
步骤302：在泊位的边界线和泊位内设置多个关键点。
本申请的关键点至少包括六个，在图2中的泊车位ABCD中，分别为设置在远离路肩的边界线AB两端的第一关键点P1和第二关键点P2，设置在远离路肩的边界线AB中点附近的第三关键点P3，分别设置在临近路肩的边界线CD两端的第四关键点P4和第五关键点P5，以及设置在泊位的中心区域的第六关键点P6。在一种实施方式中，第三关键点P3可以设置在远离路肩的边界线AB的中点上。泊位的中心区域为泊位内停车时被遮挡的区域，在一种实施方式中，中心区域可以以泊位的中心点O为中心，以相对应的边长的一半为边长的长方形区域，其中A′B′为AB的二分之一B′C′为BC的二分之一，在本实施方式中，第六关键点P6可以设置在泊位的中心点O上。图2中，21为摄像机，22为立杆，摄像机21安装在立杆22上。
步骤304：根据安装在路内的摄像头拍摄得到的针对待检测泊位的图像，判断待测泊位上是否为空闲，若是，转步骤306，否则转步骤312。
在一些实施例中，根据神经网络识别图像中是否存在车辆，若图像不存在车辆，则确定待检测泊位的状态为空闲；若图像存在车辆，则获取该车辆的位置信息和待检测泊位的位置信息，若该车辆的位置信息和待检测泊位的位置信息的重叠区域小于预设值，则确定待检测泊位为空闲。其中，该预设值可根据需要进行设置。待检测泊位的位置信息是预设的，该车辆的位置信息可通过实时检测得到的。
具体的，将摄像头安装在路边具有一定高度的支架后，可以对摄像头的拍摄范围内的泊位进行标注，从而获得该泊位在图像中的位置信息。若该摄像头拍摄得到的图像出现车辆，则可以通过神经网络识别得到该车辆在图像中的位置信息，然后根据泊位的位置信息和车辆的位置信息，得到车辆与泊位的重叠区域，若重叠区域小于预设值，则确定待检测泊位为空闲。
步骤306：根据待检测泊位的位置信息，从图像截取框定待检测泊位的关键区域图像，并将关键区域图像输入到神经网络进行关键点检测。其中，待检测泊位的位置信息是预设的。关键区域图像为包含待检测泊位且最小化的图像，具体可以通过矩形框框定图像中的待检测泊位截取得到。
步骤308：对待测泊位的关键区域的关键点进行检测。具体可通过神经网络技术对关键区域进行关键点检测。
步骤310：判断是否检测到第一关键点P1、第二关键点P2、第三关键点P3和第六关键点P6，若是，转步骤312；否则转步骤314。
步骤312：确认待测泊位未被遮挡。
如图2所示，本申请中的泊位设有六个关键点，只需检测到第一关键点P1、第二关键点P2、第三关键点P3和第六关键点P6等四个关键点，即可确认泊位未被遮挡。
步骤314：确认待测泊位被遮挡。如未能同时检测到第一关键点P1、第二关键点P2、第三关键点P3和第六关键点P6等四个关键点，即可确认泊位被遮挡。
如果泊位实际没有被遮挡，由于树叶阴影等原因被判断为遮档时，可通过本申请进行更精确的判定，从而进一步降低稽查人员的人工排查成本。
实施例二：
如图4所示，本申请的路内泊位遮挡检测装置400，其一种实施方式，可以包括判断模块410、检测模块420和处理模块430。
判断模块410，用于根据安装在路内的摄像头拍摄得到的针对待检测泊位的图像，确定待检测泊位的状态是否空闲，其中待检测泊位位于所述摄像头的拍摄范围。
检测模块420，用于在确定待检测泊位的状态为空闲时，则根据神经网络对待检测泊位进行关键点检测。
处理模块430，用于根据检测到的关键点确定待检测泊位是否被遮挡。
如图5所示，本申请的路内泊位遮挡检测装置，其另一种实施方式，可以包括判断模块510、检测模块520和处理模块530。
判断模块510，用于根据安装在路内的摄像头拍摄得到的针对待检测泊位的图像，确定待检测泊位的状态是否空闲，其中待检测泊位位于所述摄像头的拍摄范围。
检测模块520，用于在确定待检测泊位的状态为空闲时，则根据神经网络对待检测泊位进行关键点检测。
处理模块530，用于根据检测到的关键点确定待检测泊位是否被遮挡。
进一步地，判断模块510可以包括第一判断单元511和第二判断单元512。
第一判断单元511，用于根据神经网络识别图像中是否存在车辆，若图像不存在车辆，则确定待检测泊位的状态为空闲。
第二判断单元512，用于在图像存在车辆时，则获取该车辆的位置信息和待检测泊位的位置信息，若该车辆的位置信息和待检测泊位的位置信息的重叠区域小于预设值，则确定待检测泊位为空闲。其中待检测泊位的位置信息是预设的，该车辆的位置信息是实时检测得到的。
进一步地，检测模块520还可以包括检测单元521。
检测单元521，用于根据待检测泊位的位置信息，从图像截取框定待检测泊位的关键区域图像，并将关键区域图像输入到神经网络进行关键点检测；其中待检测泊位的位置信息是预设的。关键区域图像为包含待检测泊位且最小化的图像，具体可以通过矩形框框定图像中的待检测泊位截取得到。
进一步地，处理模块530可以包括处理单元531。
处理单元531，用于在检测到的关键点包含预设关键点，则确定待检测泊位未被遮挡，否则，确定待检测泊位被遮挡。
本申请的关键点至少包括六个，在图2中的泊车位ABCD中，分别为设置在远离路肩的边界线AB两端的第一关键点P1和第二关键点P2，设置在远离路肩的边界线AB中点附近的第三关键点P3，分别设置在临近路肩的边界线CD两端的第四关键点P4和第五关键点P5，以及设置在泊位的中心区域的第六关键点P6。在一种实施方式中，第三关键点P3可以设置在远离路肩的边界线AB的中点上。泊位的中心区域为泊位内停车时被遮挡的区域，在一种实施方式中，中心区域可以以泊位的中心点O为中心，以相对应的边长的一半为边长的长方形区域，其中A′B′为AB的二分之一B′C′为BC的二分之一，在本实施方式中，第六关键点P6可以设置在泊位的中心点O上。
进一步地，处理单元531，还可以用于在检测到第一关键点P1、第二关键点P2、第三关键点P3和第六关键点P6时，则确定待检测泊位未被遮挡，否则，确定待检测泊位被遮挡。
本领域技术人员可以理解，上述实施方式中各种方法的全部或部分步骤可以通过程序来指令相关硬件完成，该程序可以存储于一计算机可读存储介质中，存储介质可以包括：只读存储器、随机存储器、磁盘或光盘等。
以上内容是结合具体的实施方式对本申请所作的进一步详细说明，不能认定本申请的具体实施只局限于这些说明。对于本申请所属技术领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干简单推演或替换。
Claims (6)
1.一种路内泊位遮挡检测方法，其特征在于，包括：
根据安装在路内的摄像头拍摄得到的针对待检测泊位的图像，确定待检测泊位的状态是否空闲；其中所述待检测泊位位于所述摄像头的拍摄范围；
若确定所述待检测泊位的状态为空闲，则根据神经网络对所述待检测泊位进行关键点检测；
根据检测到的关键点确定所述待检测泊位是否被遮挡；其中，
根据神经网络识别所述图像中是否存在车辆，若所述图像不存在车辆，则确定所述待检测泊位的状态为空闲；
若所述图像存在车辆，则获取该车辆的位置信息和所述待检测泊位的位置信息，若该车辆的位置信息和所述待检测泊位的位置信息的重叠区域小于预设值，则确定所述待检测泊位为空闲；其中所述待检测泊位的位置信息是预设的，该车辆的位置信息是实时检测得到的；
若所述关键点包含预设关键点，则确定所述待检测泊位未被遮挡，否则，确定所述待检测泊位被遮挡，所述关键点至少包括六个，分别为设置在远离路肩的边界线两端的第一关键点、第二关键点，设置在所述远离路肩的边界线中点附近的第三关键点，分别设置在临近路肩的边界线两端的第四关键点和第五关键点，以及设置在所述泊位的中心区域的第六关键点。
2.根据权利要求1所述的方法，其特征在于，根据神经网络对所述待检测泊位的进行关键点检测，包括：
根据所述待检测泊位的位置信息，从所述图像截取框定框定所述待检测泊位的关键区域图像，并将所述关键区域图像输入到神经网络进行关键点检测；其中所述待检测泊位的位置信息是预设的。
3.根据权利要求1-2任一项所述的方法，其特征在于，若检测到的关键点包含预设关键点，则确定所述待检测泊位未被遮挡，否则，确定所述待检测泊位被遮挡，包括：
若检测到所述第一关键点、所述第二关键点、所述第三关键点和所述第六关键点，则确定所述待检测泊位未被遮挡，否则，确定所述待检测泊位被遮挡。
4.一种路内泊位遮挡检测装置，其特征在于，包括：
判断模块，用于根据安装在路内的摄像头拍摄得到的针对待检测泊位的图像，确定待检测泊位的状态是否空闲；其中所述待检测泊位位于所述摄像头的拍摄范围；
所述判断模块包括：
第一判断单元，用于根据神经网络识别所述图像中是否存在车辆，若所述图像不存在车辆，则确定所述待检测泊位的状态为空闲；
第二判断单元，用于在所述图像存在车辆时，则获取该车辆的位置信息和所述待检测泊位的位置信息，若该车辆的位置信息和所述待检测泊位的位置信息的重叠区域小于预设值，则确定所述待检测泊位为空闲；其中所述待检测泊位的位置信息是预设的，该车辆的位置信息是实时检测得到的；
检测模块，用于在确定所述待检测泊位的状态为空闲时，则根据神经网络对所述待检测泊位进行关键点检测，所述关键点至少包括六个，分别为设置在远离路肩的边界线两端的第一关键点、第二关键点，设置在所述远离路肩的边界线中点附近的第三关键点，分别设置在临近路肩的边界线两端的第四关键点和第五关键点，以及设置在所述泊位的中心区域的第六关键点；
处理模块，用于根据检测到的关键点确定所述待检测泊位是否被遮挡，若检测到的所述关键点包含预设关键点，则确定所述待检测泊位未被遮挡，否则，确定所述待检测泊位被遮挡。
5.根据权利要求4所述的装置，其特征在于，所述检测模块包括：
检测单元，用于根据所述待检测泊位的位置信息，从所述图像截取框定所述待检测泊位的关键区域图像，并将所述关键区域图像输入到神经网络进行关键点检测；其中所述待检测泊位的位置信息是预设的。
6.根据权利要求4-5任一项所述的装置，其特征在于，处理单元，还用于在检测到所述第一关键点、所述第二关键点、所述第三关键点和所述第六关键点，则确定所述待检测泊位未被遮挡，否则，确定所述待检测泊位被遮挡。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910916727.7A CN110852151B (zh) | 2019-09-26 | 2019-09-26 | 一种路内泊位遮挡检测方法和装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910916727.7A CN110852151B (zh) | 2019-09-26 | 2019-09-26 | 一种路内泊位遮挡检测方法和装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110852151A CN110852151A (zh) | 2020-02-28 |
| CN110852151B true CN110852151B (zh) | 2024-02-20 |
Family
ID=69595944
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910916727.7A Active CN110852151B (zh) | 2019-09-26 | 2019-09-26 | 一种路内泊位遮挡检测方法和装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110852151B (zh) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111739335B (zh) * | 2020-04-26 | 2021-06-25 | 智慧互通科技股份有限公司 | 一种基于视觉差的停车检测方法及装置 |
| CN112644479B (zh) * | 2021-01-07 | 2022-05-13 | 广州小鹏自动驾驶科技有限公司 | 一种泊车控制方法和装置 |
| CN115082571B (zh) * | 2022-07-20 | 2022-11-18 | 深圳云游四海信息科技有限公司 | 用于路内停车摄像机的异常检测方法和系统 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102005133A (zh) * | 2010-11-04 | 2011-04-06 | 任杰 | 基于可识别标记的停车泊位检测方法 |
| CN105869182A (zh) * | 2016-06-17 | 2016-08-17 | 北京精英智通科技股份有限公司 | 一种停车位状态检测方法和系统 |
| CN107358149A (zh) * | 2017-05-27 | 2017-11-17 | 深圳市深网视界科技有限公司 | 一种人体姿态检测方法和装置 |
| CN107610499A (zh) * | 2016-07-11 | 2018-01-19 | 富士通株式会社 | 停车位状态的检测方法、检测装置和电子设备 |
| CN109784306A (zh) * | 2019-01-30 | 2019-05-21 | 南昌航空大学 | 一种基于深度学习的智能停车管理方法及系统 |
| 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 |
| CN109960974A (zh) * | 2017-12-22 | 2019-07-02 | 北京市商汤科技开发有限公司 | 人脸关键点检测方法、装置、电子设备及存储介质 |
-
2019
- 2019-09-26 CN CN201910916727.7A patent/CN110852151B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102005133A (zh) * | 2010-11-04 | 2011-04-06 | 任杰 | 基于可识别标记的停车泊位检测方法 |
| CN105869182A (zh) * | 2016-06-17 | 2016-08-17 | 北京精英智通科技股份有限公司 | 一种停车位状态检测方法和系统 |
| CN107610499A (zh) * | 2016-07-11 | 2018-01-19 | 富士通株式会社 | 停车位状态的检测方法、检测装置和电子设备 |
| CN107358149A (zh) * | 2017-05-27 | 2017-11-17 | 深圳市深网视界科技有限公司 | 一种人体姿态检测方法和装置 |
| 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 |
| CN109960974A (zh) * | 2017-12-22 | 2019-07-02 | 北京市商汤科技开发有限公司 | 人脸关键点检测方法、装置、电子设备及存储介质 |
| CN109784306A (zh) * | 2019-01-30 | 2019-05-21 | 南昌航空大学 | 一种基于深度学习的智能停车管理方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110852151A (zh) | 2020-02-28 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110852151B (zh) | 一种路内泊位遮挡检测方法和装置 | |
| US10950124B2 (en) | License plate recognition | |
| CN108765976B (zh) | 路侧平行停车信息管理系统及方法 | |
| CN109961106B (zh) | 轨迹分类模型的训练方法和装置、电子设备 | |
| CN104183133B (zh) | 一种采集和传输道路交通流动态信息的方法 | |
| CN111739335B (zh) | 一种基于视觉差的停车检测方法及装置 | |
| CN108765975B (zh) | 路侧垂直停车场管理系统及方法 | |
| CN103675868A (zh) | 用于使用视觉数据确定对象位置的方法和系统 | |
| KR101834838B1 (ko) | 영상처리를 이용한 도로 교통 정보 제공 시스템 및 방법 | |
| CN111613088A (zh) | 停车计费管理系统及方法 | |
| CN113205692B (zh) | 一种路侧停车泊位异常变动的自动识别方法 | |
| CN111369801B (zh) | 车辆识别方法、装置、设备和存储介质 | |
| CN114049612A (zh) | 基于以图搜图技术的高速公路车辆收费稽核系统及行驶路径双重获取检验方法 | |
| CN105528894A (zh) | 基于轨迹信息对监控前端设备进行运维检测的方法与装置 | |
| CN107967445A (zh) | 一种轿车加装天窗的智能检测系统及方法 | |
| CN114494161A (zh) | 基于图像对比的受电弓异物检测方法、设备及存储介质 | |
| CN111460986A (zh) | 一种车道线处理方法和装置 | |
| CN110111018B (zh) | 评估车辆感测能力的方法、装置、电子设备及存储介质 | |
| US20230342937A1 (en) | Vehicle image analysis | |
| CN111768630A (zh) | 一种违章废图检测方法、装置及电子设备 | |
| CN113191239A (zh) | 一种基于计算机视觉的车辆外廓尺寸动态检测系统 | |
| CN112560814A (zh) | 一种车辆进出停车位的识别方法 | |
| CN111460198B (zh) | 一种图片时间戳的审核方法及装置 | |
| CN114693722A (zh) | 一种车辆行驶行为检测方法、检测装置及检测设备 | |
| JP4788926B2 (ja) | 車両ナンバー読取装置 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |