CN110910655A - 一种停车管理方法、装置及设备 - Google Patents
一种停车管理方法、装置及设备 Download PDFInfo
- Publication number
- CN110910655A CN110910655A CN201911267968.XA CN201911267968A CN110910655A CN 110910655 A CN110910655 A CN 110910655A CN 201911267968 A CN201911267968 A CN 201911267968A CN 110910655 A CN110910655 A CN 110910655A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- parking
- license plate
- image
- parking management
- 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
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/017—Detecting movement of traffic to be counted or controlled identifying vehicles
- G08G1/0175—Detecting movement of traffic to be counted or controlled identifying vehicles by photographing vehicles, e.g. when violating traffic rules
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07B—TICKET-ISSUING APPARATUS; FARE-REGISTERING APPARATUS; FRANKING APPARATUS
- G07B15/00—Arrangements or apparatus for collecting fares, tolls or entrance fees at one or more control points
- G07B15/02—Arrangements or apparatus for collecting fares, tolls or entrance fees at one or more control points taking into account a variable factor such as distance or time, e.g. for passenger transport, parking systems or car rental systems
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Finance (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种停车管理方法,针对安装环境在固定摄像头读取图像中直接设定识别区域和车位区域,基于摄像头进行停车管理,避免了地磁等检测手段的安装以及维护成本高、工序复杂等问题,便于操作和维护;同时对于高位路边停车易遮挡问题,提出一种车辆跟踪和车辆状态及行驶轨迹追溯的方法,基于车辆轨迹图像进行车牌识别,避免了车辆停入车位后车辆互相遮挡导致车牌遮挡等问题,提高了车牌识别的准确率。本发明还公开了一种停车管理装置及设备,具有上述有益效果。
Description
技术领域
本发明涉及物联网领域,特别涉及一种停车管理方法、装置及设备。
背景技术
随着国民生活水平提高以及汽车产业快速发展,国民汽车保有量日益增加,但城市车位数量有限,由此带来的停车难问题越趋明显,如何高效的管理车位以及车牌识别变得越来越重要。
传统方法通过在车位下安装地磁来判断车辆是否进入车位,以此来判断车辆是否处于停车或驶离状态,该方法虽然较准确,但存在安装复杂、成本高、维护困难等缺点;另外,传统方法中也存在通过摄像头进行停车管理的实现方式,但由于路面环境复杂,进行识别过程中受遮挡物以及光线等外界环境影响较大,导致识别过程精度较低,影响正常的停车计费订单的生成,也会进一步影响用户体验。
发明内容
本发明的目的是提供一种停车管理方法,该方法不仅可以降低设备安装及维护成本,而且可以保证识别过程中的高精度,提升用户体验;本发明的另一目的是提供一种停车管理装置及设备。
为解决上述技术问题,本发明提供一种停车管理方法,包括:
调用高位摄像头对停车区域进行图像采集,得到采集图像;
根据所述采集图像对所述停车区域进行车辆检测,以便确定是否存在车辆进入;
当检测到车辆后,对所述车辆进行追踪,生成行驶轨迹图像;
确定所述车辆在所述停车区域中的车辆状态;其中,所述车辆状态包括:驶入、驶出以及停车;
根据所述行驶轨迹图像进行车牌识别,得到车牌信息;
根据所述车辆状态,对照所述车牌信息对所述车辆进行停车管理。
可选地,确定所述车辆在所述停车区域中的车辆状态,包括:
确定所述车辆与车位框的重叠比例;
若连续N1帧检测到所述重叠比例超过第一阈值时,判定车辆为驶入状态;
若连续N2帧检测到所述重叠比例超过第二阈值时,判定车辆为停车状态;
若连续N3帧检测到所述重叠比例未达到第三阈值时,判定车辆为驶出状态;
其中,所述N1、所述N2与所述N3预先设定的帧数阈值。
可选地,确定所述车辆与车位框的重叠比例,包括:
计算车位区域和车辆检测框区域面积的交并比,将计算得到的交并比作为所述重叠比例。
可选地,在调用高位摄像头对停车区域进行图像采集之前,还包括:
启动高位摄像头读取模块读取图像;
在图像画面中标定出所述车位框。
可选地,在图像画面中标定出所述车位框之后,还包括:
根据标定的车位区域调整图像采集区域。
可选地,根据所述行驶轨迹图像进行车牌识别,包括:
在所述行驶轨迹图像中检测并提取车牌区域图像,得到车牌小图;
基于端到端深度学习识别方式对所述车牌小图进行车牌识别,得到识别结果;
基于多帧图像下的所述识别结果进行识别结果统计分析,将得到的车牌统计识别结果作为所述车牌信息。
可选地,在基于端到端深度学习识别方式对所述车牌小图进行车牌识别之前,还包括:
对所述车牌小图进行回归矫正,得到矫正后的车牌图像;
则相应地,基于端到端深度学习识别方式对所述车牌小图进行车牌识别,具体为:基于端到端深度学习识别方式对所述矫正后的车牌图像进行车牌识别。
可选地,所述停车管理方法还包括:
识别车牌类型信息;
则相应地,根据所述车辆状态,对照所述车牌信息对所述车辆进行停车管理,包括:
确定所述车牌类型信息对应的管理规则;
根据所述车辆状态,对照所述车牌信息调用所述管理规则对所述车辆进行停车管理。
本申请公开一种停车管理装置,包括:
图像获取单元,用于调用高位摄像头对停车区域进行图像采集,得到采集图像;
车辆检测单元,用于根据所述采集图像对所述停车区域进行车辆检测,以便确定是否存在车辆进入;
车辆跟踪单元,用于当检测到车辆后,对所述车辆进行追踪,生成行驶轨迹图像;
状态确定单元,用于确定所述车辆在所述停车区域中的车辆状态;其中,所述车辆状态包括:驶入、驶出以及停车;
车牌识别单元,用于根据所述行驶轨迹图像进行车牌识别,得到车牌信息;
数据管理单元,用于根据所述车辆状态,对照所述车牌信息对所述车辆进行停车管理。
本申请公开一种停车管理设备,包括:
存储器,用于存储程序;
处理器,用于执行所述程序时实现所述停车管理方法的步骤。
本发明所提供的停车管理方法,包括:调用高位摄像头对停车区域进行图像采集,得到采集图像;根据采集图像对停车区域进行车辆检测,以便确定是否存在车辆进入;当检测到车辆后,对车辆进行追踪,生成行驶轨迹图像;确定车辆在停车区域中的车辆状态;其中,车辆状态包括:驶入、驶出以及停车;根据行驶轨迹图像进行车牌识别,得到车牌信息;根据车辆状态,对照车牌信息对车辆进行停车管理。该方法针对安装环境在固定摄像头读取图像中直接设定识别区域和车位区域,基于摄像头进行停车管理,避免了地磁等检测手段的安装以及维护成本高、工序复杂等问题,便于操作和维护;同时对于高位路边停车易遮挡问题,提出一种车辆跟踪和车辆状态及行驶轨迹追溯的方法,基于车辆轨迹图像进行车牌识别,避免了车辆停入车位后车辆互相遮挡导致车牌遮挡等问题,提高了车牌识别的准确率。
本发明还公开了一种停车管理装置及设备,具有上述有益效果,在此不再赘述。
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为本发明实施例提供的一种停车管理方法的流程图;
图2为本发明实施例提供的一种高位视频停车管理流程示意图;
图3为本发明实施例提供的一种停车管理装置的结构框图;
图4为本发明实施例提供的一种停车管理设备的结构框图;
图5为本发明实施例提供的一种停车管理设备的结构示意图。
具体实施方式
本发明的核心是提供一种停车管理方法,该方法不仅可以降低设备安装及维护成本,而且可以保证识别过程中的高精度,提升用户体验;本发明的另一核心是提供一种停车管理装置及设备。
为使本发明实施例的目的、技术方案和优点更加清楚,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。
本发明提出了一种停车管理方法,请参考图1,图1为本实施例提供的停车管理方法的流程图;该方法主要包括:
步骤s110、调用高位摄像头对停车区域进行图像采集,得到采集图像;
高位摄像头指设置于停车区域高处,可以从高处覆盖拍摄多个停车区域的摄像头,以实现一个摄像头同时对多个停车位进行车辆停车处理,降低停车管理成本。为减少图像拍摄以及数据处理压力,优选地,高位摄像头负责对不超过四个车位区域进行图像采集,从而可以保证每个停车位数据的最快处理,同时也可以避免过高的架设高度,降低摄像头架设成本。//停车区域包括停车位以及停车位附近区域。
需要说明的是,本申请主要针对路边停车应用场景,可以实现复杂环境下的准确停车管理。
步骤s120、根据采集图像对停车区域进行车辆检测,以便确定是否存在车辆进入;
车辆检测过程的具体实现包括从图像中包括的多项物体中识别出车辆,该识别过程可以参照现有的实现过程,在此不做限定。
步骤s130、当检测到车辆后,对车辆进行追踪,生成行驶轨迹图像;
车辆追踪指确定检测到的车辆为目标车辆,对其移动轨迹进行追踪拍摄记录,进行追踪记录的实现过程可以参照现有实现方式,比如为便于区分一个停车区域内多个车辆目标,可以在检测到车辆后生成车辆ID,每个车辆ID对应一辆车,此ID的车辆的行驶轨迹图像存在一个结构体中,在追踪以及后续操作中均以车辆ID作为车辆数据间的区分,本实施例中仅以上述过程为例进行介绍,其它实现过程均可参照传统实现方式,在此不再赘述。
步骤s140、确定车辆在停车区域中的车辆状态;其中,车辆状态包括:驶入、驶出以及停车;
进行车辆状态的确定主要是通过确定车辆与车位框之间的位置关系确定的,可以按照传统位置确定方式来实现。优选地,本实施例中提供一种实现方式简单,且计算量少的车辆状态确定方式,具体包括以下几个步骤:
s141、确定车辆与车位框的重叠比例;
车位框指停车区域内的车位框,车位框可以预先标定,也可以在实时采集过程中进行实时识别,在此不做限定。减少车辆位置实时确定过程中的计算量,简化重叠比例的计算过程,优选地,可以在高位摄像头采集的图像中进行车位框的标定,具体地,在调用高位摄像头对停车区域进行图像采集之前,可以启动高位摄像头读取模块读取图像;在图像画面中标定出车位框。为快速确定车位区域,在设备初始化时在图像画面中标定出车位框,以获得车位在图像中的坐标,则在后续图像采集过程中可以直接确定车位区域,无需实时识别,减少计算过程,便于后续计算与车辆检测框的IoU。其中,需要说明的是,在画面中标定出车位区域的实现过程可以人工实现,也可以通过自动车位框识别方式来实现对车位区域的自动标定,在此不做限定。
另外,重叠比例的确定可以通过车位框的边框遮挡比例来确定,也可以通过区域遮挡比例来确定,本实施例中不做限定,为减少路面遮挡物的检测干扰,同时简化识别过程,优选地,可以计算车位区域和车辆检测框区域面积的交并比,将计算得到的交并比作为重叠比例。计算该ID的车辆的检测框与初始化时事先画好的各车位框的交并比(IoU)。则相应地,若连续N1(算法设定的阈值)帧检测到与车位框的IoU大于设定的阈值W1(第一阈值),则认为此ID的车辆为驶入车位状态事件;若连续N2(算法设定的阈值)帧检测到与车位框的IoU大于设定的阈值W2(第二阈值),则认为此ID的车辆在此车位内为停车状态;连续N3(算法设定的阈值)帧与车位框的IoU小于设定的阈值W3(第三阈值),则认为此ID的车辆在此车位内为驶出车位状态。通过上述方式确定重叠比例不仅计算过程简单,而且重叠比例的计算精度高,可以避免小遮挡物对于边框线等区域遮挡时对车辆遮挡的误导计算,提升检测精度。
s142、若连续N1帧检测到重叠比例超过第一阈值时,判定车辆为驶入状态;
s143、若连续N2帧检测到重叠比例超过第二阈值时,判定车辆为停车状态;
s144、若连续N3帧检测到重叠比例未达到第三阈值时,判定车辆为驶出状态;
其中,N1、N2与N3预先设定的帧数阈值。比如,N1为5,第一阈值为60%,则连续五帧车辆与车位框的重叠比例超过60%时,则可以认为车辆正在驶入。本实施例中仅以上述数值以及对应的判断情况为例进行介绍,本实施例中对N1、N2、N3以及第一阈值、第二阈值、第三阈值的具体数值设定不做限定,可以根据实际判断需要进行相应设定。
本实施例中提供的车辆状态判定方式进行车辆状态判定实现方式简单,计算量小,实时性高。调用该判定方式可以显著提升车辆状态监测精度以及响应效率,提升用户体验。
另外,需要说明的是,进行车辆状态的确定过程可以直接根据高位摄像头输出的采集图像进行确定,也可以根据对车辆进行行驶轨迹追踪得到的行驶轨迹图像进行确定,在此不做限定。
步骤s150、根据行驶轨迹图像进行车牌识别,得到车牌信息;
由于车辆停入车位后,会存在车辆互相遮挡导致车牌遮挡,无法实现车牌检测的情况,影响后续停车计费。本申请中根据存储的行驶轨迹图像进行车牌识别,车辆在移动过程拍摄中存在可识别车牌图像的概率远高于车辆处于固定停止状态,且移动过程中车辆的角度不断变化,从行驶轨迹图像中截取多帧图像进行综合分析时,可以大大缓解某个特定下光线以及其他遮挡物的影响,也避免了停车距离过近或其他固定障碍物对于车牌识别的影响,通过车辆跟踪和车辆状态及行驶轨迹追溯的方法,便于操作和维护,同时提高了车牌识别的准确率。
需要说明的是,本实施例中对具体采用的车牌识别手段不做限定,为提升复杂环境(比如严酷的光照环境等)下的车牌识别精度,本实施例中介绍一种车牌识别方法,主要包括以下几个步骤:
s151、在行驶轨迹图像中检测并提取车牌区域图像,得到车牌小图;
s152、基于端到端深度学习识别方式对车牌小图进行车牌识别,得到识别结果;
s153、基于多帧图像下的识别结果进行识别结果统计分析,将得到的车牌统计识别结果作为车牌信息。
基于传统字符分割方法的车牌识别受环境光照影响较大,快速准确车牌识别也具有一定困难,同时鉴于目前深度学习技术的快速发展,目标检测跟踪和识别技术也有较大突破,对高位视频的车位和车辆状态检测和车牌识别提供了技术支撑,本实施例中提出了以上的车牌识别方式。上述车牌识别方式中通过深度学习算法实现高精度车牌识别,大大缓解了干扰物的影响,同时结合多帧图像的统计结果,可以避免某一角度干扰物对识别结果的影响,增加了车牌识别的鲁棒性,显著提升了识别精准度。
不同轨迹下的不同帧的车牌图像得到的车牌角度不同,为避免不同车牌角度同时分析过程中带来的分析误差,优选地,
在步骤s152基于端到端深度学习识别方式对车牌小图进行车牌识别之前,可以进一步执行步骤s154:
s154、对车牌小图进行回归矫正,得到矫正后的车牌图像;
则相应地,步骤s152基于端到端深度学习识别方式对车牌小图进行车牌识别,具体为:基于端到端深度学习识别方式对矫正后的车牌图像进行车牌识别。
在进行分析前进行图像的回归校正,可以增加车牌识别的鲁棒性。
步骤s160、根据车辆状态,对照车牌信息对车辆进行停车管理。
车辆状态包括:驶入、停车以及驶出,根据车辆状态进行停车管理的具体过程不做限定,可以参照传统停车管理手段,比如若根据车辆状态确定车辆停车时,记录停车起始时间;若根据车辆状态确定车辆驶出时,记录停车终止时间,还可以进一步生成停车订单等。
为加深对上述管理手段的理解,下面介绍几种停车管理手段,其它管理方式均可参照下述介绍,在此不再赘述。
1、若根据车辆状态确定车辆停车时,记录停车起始时间;
本实施例中对车辆停车的判定不做限定,可以在车辆状态由驶入转入停车时判定车辆停车,也可以在检测到车辆为驶入状态后确定车辆停车,或者也可以在车辆处于停车状态后启动倒计时,倒计时结束后仍处于停车状态时确定车辆停车。
相应地,停车起始时间的确定在此也不做限定,可以由驶入转入停车的两状态转换的交叉点作为停车起始时间,也可以在检测到车辆为驶入状态后启动倒计时,即倒计时结束后仍处于驶入状态或处于停车状态时的当前时间作为停车起始时间,也可以在车辆处于停车状态后启动倒计时,倒计时结束后仍处于停车状态时的当前时间作为停车起始时间等,本实施例中对停车起始时间的划分方式不做限定,可以根据实际停车计费需要进行设定。
2、若根据车辆状态确定车辆驶出时,记录停车终止时间;
本实施例中对车辆停车的判定不做限定,与停车判定方式可相互对照,可以在车辆由停车状态转入驶出状态时,确定车辆驶出;也可以在检测到车辆为驶出状态时判定车辆驶出;或者也可以在车辆处于驶出状态后启动倒计时,倒计时结束后仍处于驶出状态或已经驶出时确定车辆驶出。
另外,本实施例中对停车终止时间的具体时间点划分不做限定,可以以由停车转入驶出的两状态转换的交叉点作为停车终止时间,也可以在检测到车辆为驶出状态时的时间点作为停车终止时间,也可以在车辆处于驶出状态后启动倒计时,倒计时结束后仍处于驶出状态或已经驶出时的当前时间作为停车终止时间等。
3、根据停车起始时间、停车终止时间依据车牌信息生成对车辆的停车订单。
停车订单的生成过程可以根据不同停车区域、不同页面设置以及计费规则进行相应的设置,本实施例中不做限定。
基于上述管理手段,由于当前车牌种类多,不同车牌类型下的停车管理规则可能不同,为支持各种常见车牌下的停车管理,优选地,可以对车牌类型进行识别,则在步骤s110至步骤s160外,在步骤s160之前,可以进一步执行步骤s170:识别车牌类型信息。
车牌类型比如单层蓝牌、黄牌、警牌、粤港澳、警牌、军牌、民航、武警、领事馆、大使馆以及各种双层车牌等标准车牌.
则相应地,步骤s160根据车辆状态,对照车牌信息对车辆进行停车管理,包括:
步骤s161、确定车牌类型信息对应的管理规则;
步骤s162、根据车辆状态,对照车牌信息调用管理规则对车辆进行停车管理。
根据车牌类型进行停车管理,实现了停车管理的普适性,也提升不同车牌类型车主的计费体验。
基于上述介绍,本实施例提供的停车管理方法,针对安装环境在固定摄像头读取图像中直接设定识别区域和车位区域,基于摄像头进行停车管理,避免了地磁等检测手段的安装以及维护成本高、工序复杂等问题,便于操作和维护;同时对于高位路边停车易遮挡问题,提出一种车辆跟踪和车辆状态及行驶轨迹追溯的方法,基于车辆轨迹图像进行车牌识别,避免了车辆停入车位后车辆互相遮挡导致车牌遮挡等问题,提高了车牌识别的准确率。
为加深对上述实施例的理解,本实施例中介绍一种从设备初始化、到车辆驶入、车辆驶出、订单生成整个实现过程对应的管理实现方式,图2所示为本实施例提供的高位视频停车管理流程示意图。其它基于本申请的停车管理方法均可参照本实施例的介绍,在此不再赘述。
对设置于不同场景下的高位摄像头进行设备初始化,读取高位摄像头采集的图像,并在图像画面中标定出车位框(用于获得车位在图像中的坐标,便于后续计算与车辆检测框的IoU,确定车辆状态事件),系统自动保存所画车位区域的ID(每个车位的ID),完成初始化工作。
启动车辆检测,检测到车辆后对车辆进行跟踪,并记录车辆ID,并将此ID的车辆的行驶轨迹图像存在一个结构体中,同时计算该ID的车辆的检测框与初始化时各车位框的IoU,若连续N1帧检测到与车位框的IoU大于设定的阈值W1,则认为此ID的车辆为驶入车位状态事件;若连续N2帧检测到与车位框的IoU大于设定的阈值W2,则认为此ID的车辆在此车位内为停车状态事件且记录此时的停车时间,便于后续停车计费记录停车起始时间,并追溯存储到此车辆行驶轨迹中的图像,将存储的多帧图像分别进行车牌检测,包括:获取车牌在图像中的坐标得到车牌小图,使用车牌回归矫正模块对车牌小图进行回归矫正得到矫正后的车牌,送入端到端车牌识别模块进行车牌识别,得到车牌识别结果,并返回车牌结果。
对车位进行检测并判断该车位状态是否为空车位,如果不为空,则判断该车位区域车辆的ID,确认停车事件。同时,当该ID车辆确认触发停车事件后,若检测到该ID的车辆与停车状态所对应的车位,连续N3帧与车位框的IoU小于设定的阈值W3,则认为此ID的车辆在此车位内为驶出车位状态事件且记录此时的驶出时间,同时将驶出抓拍的图片进行车牌识别,输出车牌识别结果,验证与停车状态车牌号一致,并记录该ID车辆和驶出时间,便于后续计费和事件追溯。
根据行驶轨迹图进行车牌类型检测,并根据检测得到的车牌类型、停入时间、驶出时间生成停车订单输出给用户。
请参考图3,图3为本实施例提供的停车管理装置的结构框图;该装置可以包括:图像获取单元210、车辆检测单元220、车辆跟踪单元230、状态确定单元240、车牌识别单元250以及数据管理单元260。本实施例提供的停车管理装置可与上述实施例中介绍的停车管理方法相互对照。
其中,图像获取单元210主要用于调用高位摄像头对停车区域进行图像采集,得到采集图像;
车辆检测单元220主要用于根据采集图像对停车区域进行车辆检测,以便确定是否存在车辆进入;
车辆跟踪单元230主要用于当检测到车辆后,对车辆进行追踪,生成行驶轨迹图像;
状态确定单元240主要用于确定车辆在停车区域中的车辆状态;其中,车辆状态包括:驶入、驶出以及停车;
车牌识别单元250主要用于根据行驶轨迹图像进行车牌识别,得到车牌信息;
数据管理单元260主要用于根据车辆状态,对照车牌信息对车辆进行停车管理。
本实施例中提供另一种停车管理装置的组成结构示意,该装置中主要包括:02车辆检测模块、03车辆跟踪模块、04车牌检测模块、05车牌识别模块,该装置与01高位摄像头连接。
01高位摄像头读取模块获取图像,且一个摄像头只负责不超过四个车位。
02车辆检测模块主要对01高位摄像头读取模块获取的图像检测车辆,获取车辆在图像中的坐标信息。
03车辆跟踪模块负责对图像序列中的车辆进行跟踪,获取不同车位中的车辆的ID,便于后续车牌检测和识别以及停车计费。
04车牌检测模块负责对不同ID的车辆图片中检测车牌,获取图像中车牌的坐标,便于送入05车牌识别模块,进行车牌识别。
05车牌识别模块负责对04车牌检测模块获得的车牌区域图像进行回归矫正和端到端识别,以及多帧投票会的最终的车牌识别结果(包括车牌号识别以及车牌类型识别)。
相应地,调用上述模块实现停车管理的过程大体如下:首先,对于不同场景,初始化设备,基于01高位摄像头读取模块读取图像,并在图像画面中画出车位区域,系统自动保存所画车位区域的ID,完成初始化工作。启动02车辆检测模块,对车辆检测,检测后03车辆跟踪模块对车辆进行跟踪记录车辆ID,并将此ID的车辆的行驶轨迹图像存在一个结构体中,同时计算该ID的车辆的检测框与初始化时各车位框的IoU,若连续N1帧检测到与车位框的IoU大于设定的阈值W1,则认为此ID的车辆为驶入车位状态事件;若连续N2帧检测到与车位框的IoU大于设定的阈值W2,则认为此ID的车辆在此车位内为停车状态事件且记录此时的停车时间,便于后续停车计费记录停车起始时间,并追溯存储到此车辆行驶轨迹中的图像,将存储的多帧图像分别送入04车牌检测模块,获取车牌图像后在融入车牌识别模块进行车牌识别,综合多帧的车牌识别结果运用特定的车牌投票算法获取车牌最终识别结果。返回车牌结果01车位检测模块对车位进行检测并判断该车位状态是否为空车位,如果不为空,则判断该车位区域车辆的ID,确认停车事件,并记录该ID的车辆停车开始时间;同时,当该ID车辆确认触发停车事件后,若跟踪模块检测到该ID的车辆与停车状态所对应的车位,连续N3帧与车位框的IoU小于设定的阈值W3,则认为此ID的车辆在此车位内为驶出车位状态事件且记录此时的驶出时间,同时结合之前的停车起始时间来确定该ID车辆停车时长进行计费。
请参考图4,图4为本实施例提供的停车管理设备的结构框图;该设备可以包括:存储器300以及处理器310。停车管理设备可参照上述停车管理方法的介绍。
其中,存储器300主要用于存储程序;
处理器310主要用于执行程序时实现上述停车管理方法的步骤。
请参考图5,为本实施例提供的停车管理设备的结构示意图,该停车管理设备可因配置或性能不同而产生比较大的差异,可以包括一个或一个以上处理器(centralprocessing units,CPU)322(例如,一个或一个以上处理器)和存储器332,一个或一个以上存储应用程序342或数据344的存储介质330(例如一个或一个以上海量存储设备)。其中,存储器332和存储介质330可以是短暂存储或持久存储。存储在存储介质330的程序可以包括一个或一个以上模块(图示没标出),每个模块可以包括对数据处理设备中的一系列指令操作。更进一步地,中央处理器322可以设置为与存储介质330通信,在停车管理设备301上执行存储介质330中的一系列指令操作。
停车管理设备301还可以包括一个或一个以上电源326,一个或一个以上有线或无线网络接口350,一个或一个以上输入输出接口358,和/或,一个或一个以上操作系统341,例如Windows ServerTM,Mac OS XTM,UnixTM,LinuxTM,FreeBSDTM等等。
上面图1所描述的停车管理方法中的步骤可以由本实施例提供的停车管理设备的结构实现。
说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
专业人员还可以进一步意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块,或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。
以上对本发明所提供的停车管理方法、装置及设备进行了详细介绍。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)
1.一种停车管理方法,其特征在于,包括:
调用高位摄像头对停车区域进行图像采集,得到采集图像;
根据所述采集图像对所述停车区域进行车辆检测,以便确定是否存在车辆进入;
当检测到车辆后,对所述车辆进行追踪,生成行驶轨迹图像;
确定所述车辆在所述停车区域中的车辆状态;其中,所述车辆状态包括:驶入、驶出以及停车;
根据所述行驶轨迹图像进行车牌识别,得到车牌信息;
根据所述车辆状态,对照所述车牌信息对所述车辆进行停车管理。
2.如权利要求1所述的停车管理方法,其特征在于,确定所述车辆在所述停车区域中的车辆状态,包括:
确定所述车辆与车位框的重叠比例;
若连续N1帧检测到所述重叠比例超过第一阈值时,判定车辆为驶入状态;
若连续N2帧检测到所述重叠比例超过第二阈值时,判定车辆为停车状态;
若连续N3帧检测到所述重叠比例未达到第三阈值时,判定车辆为驶出状态;
其中,所述N1、所述N2与所述N3预先设定的帧数阈值。
3.如权利要求2所述的停车管理方法,其特征在于,确定所述车辆与车位框的重叠比例,包括:
计算车位区域和车辆检测框区域面积的交并比,将计算得到的交并比作为所述重叠比例。
4.如权利要求2所述的停车管理方法,其特征在于,在调用高位摄像头对停车区域进行图像采集之前,还包括:
启动高位摄像头读取模块读取图像;
在图像画面中标定出所述车位框。
5.如权利要求4所述的停车管理方法,其特征在于,在图像画面中标定出所述车位框之后,还包括:
根据标定的车位区域调整图像采集区域。
6.如权利要求1至5任一项所述的停车管理方法,其特征在于,根据所述行驶轨迹图像进行车牌识别,包括:
在所述行驶轨迹图像中检测并提取车牌区域图像,得到车牌小图;
基于端到端深度学习识别方式对所述车牌小图进行车牌识别,得到识别结果;
基于多帧图像下的所述识别结果进行识别结果统计分析,将得到的车牌统计识别结果作为所述车牌信息。
7.如权利要求6所述的停车管理方法,其特征在于,在基于端到端深度学习识别方式对所述车牌小图进行车牌识别之前,还包括:
对所述车牌小图进行回归矫正,得到矫正后的车牌图像;
则相应地,基于端到端深度学习识别方式对所述车牌小图进行车牌识别,具体为:基于端到端深度学习识别方式对所述矫正后的车牌图像进行车牌识别。
8.如权利要求1所述的停车管理方法,其特征在于,还包括:
识别车牌类型信息;
则相应地,根据所述车辆状态,对照所述车牌信息对所述车辆进行停车管理,包括:
确定所述车牌类型信息对应的管理规则;
根据所述车辆状态,对照所述车牌信息调用所述管理规则对所述车辆进行停车管理。
9.一种停车管理装置,其特征在于,包括:
图像获取单元,用于调用高位摄像头对停车区域进行图像采集,得到采集图像;
车辆检测单元,用于根据所述采集图像对所述停车区域进行车辆检测,以便确定是否存在车辆进入;
车辆跟踪单元,用于当检测到车辆后,对所述车辆进行追踪,生成行驶轨迹图像;
状态确定单元,用于确定所述车辆在所述停车区域中的车辆状态;其中,所述车辆状态包括:驶入、驶出以及停车;
车牌识别单元,用于根据所述行驶轨迹图像进行车牌识别,得到车牌信息;
数据管理单元,用于根据所述车辆状态,对照所述车牌信息对所述车辆进行停车管理。
10.一种停车管理设备,其特征在于,包括:
存储器,用于存储程序;
处理器,用于执行所述程序时实现如权利要求1至8任一项所述停车管理方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911267968.XA CN110910655A (zh) | 2019-12-11 | 2019-12-11 | 一种停车管理方法、装置及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911267968.XA CN110910655A (zh) | 2019-12-11 | 2019-12-11 | 一种停车管理方法、装置及设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110910655A true CN110910655A (zh) | 2020-03-24 |
Family
ID=69824695
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911267968.XA Pending CN110910655A (zh) | 2019-12-11 | 2019-12-11 | 一种停车管理方法、装置及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110910655A (zh) |
Cited By (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN111696135A (zh) * | 2020-06-05 | 2020-09-22 | 深兰人工智能芯片研究院(江苏)有限公司 | 基于交并比的违禁停车检测方法 |
CN111768648A (zh) * | 2020-06-10 | 2020-10-13 | 浙江大华技术股份有限公司 | 车辆出入确定方法及系统 |
CN111784857A (zh) * | 2020-06-22 | 2020-10-16 | 浙江大华技术股份有限公司 | 一种停车位管理方法、装置以及计算机存储介质 |
CN112002131A (zh) * | 2020-07-16 | 2020-11-27 | 深圳云游四海信息科技有限公司 | 路内停车行为检测方法及装置 |
CN112164149A (zh) * | 2020-11-06 | 2021-01-01 | 成都恒创新星科技有限公司 | 基于高位摄像头的街区路面智慧泊车行为检测方法 |
CN112258668A (zh) * | 2020-10-29 | 2021-01-22 | 成都恒创新星科技有限公司 | 基于高位摄像头对路边车辆停车行为的检测方法 |
CN112767449A (zh) * | 2021-01-29 | 2021-05-07 | 深圳市捷顺科技实业股份有限公司 | 车辆驶出停车位检测方法、装置、电子设备及存储介质 |
CN112836699A (zh) * | 2020-11-30 | 2021-05-25 | 爱泊车美好科技有限公司 | 一种基于长时多目标跟踪的泊位出入场事件分析方法 |
CN112950954A (zh) * | 2021-02-24 | 2021-06-11 | 电子科技大学 | 一种基于高位摄像头的智能停车车牌识别方法 |
CN113033479A (zh) * | 2021-04-20 | 2021-06-25 | 超级视线科技有限公司 | 一种基于多层感知的泊位事件识别方法及系统 |
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 |
CN113516852A (zh) * | 2021-07-22 | 2021-10-19 | 珠海小可乐科技有限公司 | 一种多车位多目标车辆停车识别方法及其系统 |
CN113963571A (zh) * | 2021-10-28 | 2022-01-21 | 深圳市捷顺科技实业股份有限公司 | 一种车辆进出车场识别事件的处理方法及装置 |
CN114155619A (zh) * | 2021-12-09 | 2022-03-08 | 济南博观智能科技有限公司 | 一种对停车位自动监管的方法、装置、介质及系统 |
CN114360288A (zh) * | 2022-03-21 | 2022-04-15 | 四川新迎顺信息技术股份有限公司 | 基于ai的车库管理方法、系统、设备及可读存储介质 |
CN114387695A (zh) * | 2022-01-24 | 2022-04-22 | 深圳市捷顺科技实业股份有限公司 | 一种停车收费计时方法及相关装置 |
CN114581465A (zh) * | 2022-03-09 | 2022-06-03 | 深圳市捷顺科技实业股份有限公司 | 一种车位管控方法、装置、设备及存储介质 |
CN114677774A (zh) * | 2022-03-30 | 2022-06-28 | 深圳市捷顺科技实业股份有限公司 | 道闸控制方法及相关设备 |
WO2023005808A1 (zh) * | 2021-07-29 | 2023-02-02 | 西门子(中国)有限公司 | 停车系统中调整摄像头的方法和装置 |
CN113033479B (zh) * | 2021-04-20 | 2024-04-26 | 超级视线科技有限公司 | 一种基于多层感知的泊位事件识别方法及系统 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001291194A (ja) * | 2000-04-06 | 2001-10-19 | Nec Corp | 駐車場混雑度判定システム |
KR101278539B1 (ko) * | 2013-02-20 | 2013-06-25 | 주식회사 베스트디지탈 | 카메라를 이용한 주차관제 시스템 및 그 방법 |
CN103366602A (zh) * | 2012-03-29 | 2013-10-23 | 施乐公司 | 从数字摄像头图像确定停车场占用情况的方法 |
CN103473950A (zh) * | 2012-06-06 | 2013-12-25 | 刘鉵 | 一种停车场车位监控方法 |
CN109509368A (zh) * | 2018-12-21 | 2019-03-22 | 深圳信路通智能技术有限公司 | 一种基于车顶模型的停车行为算法 |
CN109615928A (zh) * | 2019-02-01 | 2019-04-12 | 智慧互通科技有限公司 | 一种覆盖盲区泊位的停车管理系统 |
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 |
CN109817013A (zh) * | 2018-12-19 | 2019-05-28 | 新大陆数字技术股份有限公司 | 基于视频流的停车位状态识别方法及装置 |
CN110543882A (zh) * | 2018-05-29 | 2019-12-06 | 北京深鉴智能科技有限公司 | 一种字符串识别方法与装置 |
-
2019
- 2019-12-11 CN CN201911267968.XA patent/CN110910655A/zh active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001291194A (ja) * | 2000-04-06 | 2001-10-19 | Nec Corp | 駐車場混雑度判定システム |
CN103366602A (zh) * | 2012-03-29 | 2013-10-23 | 施乐公司 | 从数字摄像头图像确定停车场占用情况的方法 |
CN103473950A (zh) * | 2012-06-06 | 2013-12-25 | 刘鉵 | 一种停车场车位监控方法 |
KR101278539B1 (ko) * | 2013-02-20 | 2013-06-25 | 주식회사 베스트디지탈 | 카메라를 이용한 주차관제 시스템 및 그 방법 |
CN110543882A (zh) * | 2018-05-29 | 2019-12-06 | 北京深鉴智能科技有限公司 | 一种字符串识别方法与装置 |
CN109817013A (zh) * | 2018-12-19 | 2019-05-28 | 新大陆数字技术股份有限公司 | 基于视频流的停车位状态识别方法及装置 |
CN109509368A (zh) * | 2018-12-21 | 2019-03-22 | 深圳信路通智能技术有限公司 | 一种基于车顶模型的停车行为算法 |
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 |
CN109615928A (zh) * | 2019-02-01 | 2019-04-12 | 智慧互通科技有限公司 | 一种覆盖盲区泊位的停车管理系统 |
Non-Patent Citations (1)
Title |
---|
曹正凤 等: "基于深度学习的端到端车牌检测识别系统", 《技术》 * |
Cited By (27)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
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 |
CN111696135A (zh) * | 2020-06-05 | 2020-09-22 | 深兰人工智能芯片研究院(江苏)有限公司 | 基于交并比的违禁停车检测方法 |
CN111768648B (zh) * | 2020-06-10 | 2022-02-15 | 浙江大华技术股份有限公司 | 车辆出入确定方法及系统 |
CN111768648A (zh) * | 2020-06-10 | 2020-10-13 | 浙江大华技术股份有限公司 | 车辆出入确定方法及系统 |
CN111784857A (zh) * | 2020-06-22 | 2020-10-16 | 浙江大华技术股份有限公司 | 一种停车位管理方法、装置以及计算机存储介质 |
CN112002131A (zh) * | 2020-07-16 | 2020-11-27 | 深圳云游四海信息科技有限公司 | 路内停车行为检测方法及装置 |
CN112258668A (zh) * | 2020-10-29 | 2021-01-22 | 成都恒创新星科技有限公司 | 基于高位摄像头对路边车辆停车行为的检测方法 |
CN112164149A (zh) * | 2020-11-06 | 2021-01-01 | 成都恒创新星科技有限公司 | 基于高位摄像头的街区路面智慧泊车行为检测方法 |
CN112836699A (zh) * | 2020-11-30 | 2021-05-25 | 爱泊车美好科技有限公司 | 一种基于长时多目标跟踪的泊位出入场事件分析方法 |
CN112767449A (zh) * | 2021-01-29 | 2021-05-07 | 深圳市捷顺科技实业股份有限公司 | 车辆驶出停车位检测方法、装置、电子设备及存储介质 |
CN112950954A (zh) * | 2021-02-24 | 2021-06-11 | 电子科技大学 | 一种基于高位摄像头的智能停车车牌识别方法 |
CN112950954B (zh) * | 2021-02-24 | 2022-05-20 | 电子科技大学 | 一种基于高位摄像头的智能停车车牌识别方法 |
CN113033479B (zh) * | 2021-04-20 | 2024-04-26 | 超级视线科技有限公司 | 一种基于多层感知的泊位事件识别方法及系统 |
CN113033479A (zh) * | 2021-04-20 | 2021-06-25 | 超级视线科技有限公司 | 一种基于多层感知的泊位事件识别方法及系统 |
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 |
CN113516852A (zh) * | 2021-07-22 | 2021-10-19 | 珠海小可乐科技有限公司 | 一种多车位多目标车辆停车识别方法及其系统 |
WO2023005808A1 (zh) * | 2021-07-29 | 2023-02-02 | 西门子(中国)有限公司 | 停车系统中调整摄像头的方法和装置 |
CN113963571A (zh) * | 2021-10-28 | 2022-01-21 | 深圳市捷顺科技实业股份有限公司 | 一种车辆进出车场识别事件的处理方法及装置 |
CN113963571B (zh) * | 2021-10-28 | 2023-10-17 | 深圳市捷顺科技实业股份有限公司 | 一种车辆进出车场识别事件的处理方法及装置 |
CN114155619A (zh) * | 2021-12-09 | 2022-03-08 | 济南博观智能科技有限公司 | 一种对停车位自动监管的方法、装置、介质及系统 |
CN114387695A (zh) * | 2022-01-24 | 2022-04-22 | 深圳市捷顺科技实业股份有限公司 | 一种停车收费计时方法及相关装置 |
CN114387695B (zh) * | 2022-01-24 | 2024-04-19 | 深圳市捷顺科技实业股份有限公司 | 一种停车收费计时方法及相关装置 |
CN114581465A (zh) * | 2022-03-09 | 2022-06-03 | 深圳市捷顺科技实业股份有限公司 | 一种车位管控方法、装置、设备及存储介质 |
CN114360288A (zh) * | 2022-03-21 | 2022-04-15 | 四川新迎顺信息技术股份有限公司 | 基于ai的车库管理方法、系统、设备及可读存储介质 |
CN114677774B (zh) * | 2022-03-30 | 2023-10-17 | 深圳市捷顺科技实业股份有限公司 | 道闸控制方法及相关设备 |
CN114677774A (zh) * | 2022-03-30 | 2022-06-28 | 深圳市捷顺科技实业股份有限公司 | 道闸控制方法及相关设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110910655A (zh) | 一种停车管理方法、装置及设备 | |
CN110533923B (zh) | 停车管理方法、装置、计算机设备及存储介质 | |
KR101854554B1 (ko) | 건축물 높이 산출 방법, 장치 및 저장 매체 | |
CN110738150B (zh) | 相机联动抓拍方法、装置以及计算机存储介质 | |
CN110853366B (zh) | 一种检测车辆停放位置方法及装置 | |
CN112598922B (zh) | 车位检测方法、装置、设备及存储介质 | |
CN110346825B (zh) | 车辆定位方法、装置、车辆和存储介质 | |
CN114360261B (zh) | 车辆逆行的识别方法、装置、大数据分析平台和介质 | |
WO2022227548A1 (zh) | 抛洒事件检测方法、装置、电子设备、存储介质及计算机程序产品 | |
CN113256683B (zh) | 目标跟踪方法及相关设备 | |
CN110880205B (zh) | 一种停车收费方法及装置 | |
CN111724607B (zh) | 转向灯使用检测方法、装置、计算机设备和存储介质 | |
CN111881748B (zh) | 一种基于vbai平台建模的车道线视觉识别方法和系统 | |
CN113688717A (zh) | 图像识别方法、装置以及电子设备 | |
CN113361299B (zh) | 一种异常停车的检测方法、装置、存储介质及电子设备 | |
JP6681965B2 (ja) | 自律走行のための学習対象イメージ抽出装置及び方法 | |
CN115981219A (zh) | 高速隧道智能监控系统 | |
CN113569752B (zh) | 车道线结构识别方法、装置、设备及介质 | |
CN103366598A (zh) | 一种车辆停靠到位检测系统及检测方法 | |
CN110309741B (zh) | 障碍物检测方法及装置 | |
CN109740518B (zh) | 一种视频中对象的确定方法及装置 | |
CN111639640A (zh) | 基于人工智能的车牌识别方法、装置及设备 | |
CN112784794B (zh) | 一种车辆停放状态检测方法、装置、电子设备及存储介质 | |
CN112749577A (zh) | 一种停车位的检测方法及装置 | |
CN114037926A (zh) | 一种寻车路线的规划方法、装置、电子设备及存储介质 |
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: 20200324 |