CN111325858A - 针对路边临时停车位实现自动计费管理的方法 - Google Patents

Abstract

本发明涉及一种针对路边临时停车位实现自动计费管理的方法，包括预先设置路边临时停车位基准监控场景；系统启动时自动调节监控摄像头，基于计算机视觉和深度学习技术，实现路边停车位监控场景的精准定位；基于深度学习技术的路边临时停车位状态的实时检测；实现路边临时停车位的自动计时收费功能。采用了本发明的针对路边临时停车位实现自动计费管理的方法，利用路边临时停车位附近的摄像头，无需额外增加设备及路面施工，能精确定位基准监控场景，能精确判断汽车驶入和驶出临时停车位的时间点，按时计费精度高，不仅能减少人工劳动强度，而且初始投入成本低，系统部署方便，同时按时计费标准化建档，也杜绝了上缴费用流失现象。

Description

针对路边临时停车位实现自动计费管理的方法

技术领域

本发明涉及人工智能技术领域，尤其涉及自动计费管理领域，具体是指一种针对路边临时停车位实现自动计费管理的方法。

背景技术

随着汽车数量的日益增多，城市停车位的需求量也越来越大，许多城市在交通流量不大的支线道路边设置临时停车位来弥补停车位的不足。对这些路边临时停车位的收费管理通常都是通过人工计时收费的方式进行的，这种人工计时收费的模式会使收费员苦于短距离疲劳奔波、人工计时收费误差大，而且因为没有标准化存档管理容易引起上缴费用流失。

目前也有许多对路边停车位收费管理的自动化方案，这些方案均需要增加硬件设备来完成，如采用地磁检测器、超声波检测器、停车计时桩等设备来判断车位占用状态，这些方法不仅初始投入成本高，而且往往需要开挖路面、铺设管线，因此其工程实施和设备维护困难。

发明内容

本发明的目的是克服了上述现有技术的缺点，提供了一种满足误差小、操作简便、适用范围较为广泛的针对路边临时停车位实现自动计费管理的方法。

为了实现上述目的，本发明的针对路边临时停车位实现自动计费管理的方法如下：

该针对路边临时停车位实现自动计费管理的方法，其主要特点是，所述的方法包括以下步骤：

(1)预先设置路边临时停车位基准监控场景；

(2)系统启动时自动调节监控摄像头，基于计算机视觉和深度学习技术，实现路边停车位监控场景的精准定位；

(3)基于深度学习技术的路边临时停车位状态的实时检测；

(4)实现路边临时停车位的自动计时收费功能。

较佳地，所述的步骤(1)具体包括以下步骤：

(1.1)利用路边临时停车位附近的某个摄像头，预先找到摄像头监控路边临时停车位的最佳位置作为基准监控场景；

(1.2)将摄像头水平、垂直和焦距三维参数设为一个预置位，并记录下每个临时停车位的编号和矩形框坐标，同时记录下监控场景中两个标志性的静止参照物的坐标位置。

较佳地，所述的步骤(2)具体包括以下步骤：

(2.1)基于深度神经网络的目标检测技术，检测出视频图像中的两个标志性的静止参照物；

(2.2)计算两个标志性参照物之间的距离，判断标志性参照物间的距离是否大于预设基准监控场景中两个标志性参照物之间的距离，如果是，则自动步进调远摄像头焦距直到与预设基准监控场景中两个标志性参照物间的距离相等；否则自动步进调近摄像头焦距直到与预设基准监控场景中两个标志性参照物间的距离相等；

(2.3)计算标志性参照物离图像左边界的距离，如果大于预设基准监控场景中该标志性参照物离图像左边界的距离，则自动步进水平向左调节摄像头水平位置直到与预设基准监控场景中该标志性参照物离图像左边界的距离相等；否则自动步进水平向右调节摄像头水平位置直到与预设基准监控场景中该标志性参照物离图像左边界的距离相等；

(2.4)计算标志性参照物离图像上边界的距离，如果大于预设基准监控场景中该标志性参照物离图像上边界的距离，则自动步进垂直向上调节摄像头垂直位置直到与预设基准监控场景中该标志性参照物离图像上边界的距离相等；否则自动步进垂直向下调节摄像头垂直位置直到与预设基准监控场景中该标志性参照物离图像上边界的距离相等。

较佳地，所述的步骤(3)具体包括以下步骤：

(3.1)在系统中预先存放基于深度学习技术汽车检测的参数模型；

(3.2)对基准监控场景下的视频图像进行实时汽车检测，记录下汽车标注矩形框的坐标；

(3.3)计算汽车标注矩形框与每个临时停车位矩形框的交并比；

(3.4)判断是否交并比在预设时间内一直大于预设阈值，如果是，则此停车位被汽车占用并开始计时；否则，则停车位未被占用，且不进行计时；

(3.5)判断停车位的交并比是否小于预设阈值，如果是，则停车位已经空出并中止此车位的计时；否则，停车位未空出，继续计时。

较佳地，所述的步骤(3.3)中计算汽车标注矩形框与每个临时停车位矩形框的交并比，具体为：

根据以下公式计算汽车标注矩形框与每个临时停车位矩形框的交并比：

IoU＝I/U；

其中，I为汽车标注矩形框和某个临时停车位矩形框相交的面积，U为汽车标注矩形框和某个临时停车位矩形框合并的面积。

较佳地，所述的步骤(4)具体为：

根据预设的计时收费规则，通过移动终端实时计算和缴费驶离停车位车辆的停车费用，并通过移动终端实现缴费。

采用了本发明的针对路边临时停车位实现自动计费管理的方法，基于计算机视觉技术和深度神经网络目标检测技术，利用路边临时停车位附近的摄像头，无需额外增加设备及路面施工，能精确定位基准监控场景，能精确判断汽车驶入和驶出临时停车位的时间点，按时计费精度高，不仅能减少人工劳动强度，而且初始投入成本低，系统部署方便，同时按时计费标准化建档，也杜绝了上缴费用流失现象。

附图说明

图1为本发明的针对路边临时停车位实现自动计费管理的方法的路边临时停车位监控场景示意图。

图2为本发明的针对路边临时停车位实现自动计费管理的方法的流程图。

具体实施方式

为了能够更清楚地描述本发明的技术内容，下面结合具体实施例来进行进一步的描述。

本发明的该针对路边临时停车位实现自动计费管理的方法，其中包括以下步骤：

(1)预先设置路边临时停车位基准监控场景；

(1.1)利用路边临时停车位附近的某个摄像头，预先找到摄像头监控路边临时停车位的最佳位置作为基准监控场景；

(1.2)将摄像头水平、垂直和焦距三维参数设为一个预置位，并记录下每个临时停车位的编号和矩形框坐标，同时记录下监控场景中两个标志性的静止参照物的坐标位置；

(2)系统启动时自动调节监控摄像头，基于计算机视觉和深度学习技术，实现路边停车位监控场景的精准定位；

(2.1)基于深度神经网络的目标检测技术，检测出视频图像中的两个标志性的静止参照物；

(2.2)计算两个标志性参照物之间的距离，判断标志性参照物间的距离是否大于预设基准监控场景中两个标志性参照物之间的距离，如果是，则自动步进调远摄像头焦距直到与预设基准监控场景中两个标志性参照物间的距离相等；否则自动步进调近摄像头焦距直到与预设基准监控场景中两个标志性参照物间的距离相等；

(2.3)计算标志性参照物离图像左边界的距离，如果大于预设基准监控场景中该标志性参照物离图像左边界的距离，则自动步进水平向左调节摄像头水平位置直到与预设基准监控场景中该标志性参照物离图像左边界的距离相等；否则自动步进水平向右调节摄像头水平位置直到与预设基准监控场景中该标志性参照物离图像左边界的距离相等；

(2.4)计算标志性参照物离图像上边界的距离，如果大于预设基准监控场景中该标志性参照物离图像上边界的距离，则自动步进垂直向上调节摄像头垂直位置直到与预设基准监控场景中该标志性参照物离图像上边界的距离相等；否则自动步进垂直向下调节摄像头垂直位置直到与预设基准监控场景中该标志性参照物离图像上边界的距离相等；

(3)基于深度学习技术的路边临时停车位状态的实时检测；

(3.1)在系统中预先存放基于深度学习技术汽车检测的参数模型；

(3.2)对基准监控场景下的视频图像进行实时汽车检测，记录下汽车标注矩形框的坐标；

(3.3)计算汽车标注矩形框与每个临时停车位矩形框的交并比；

(3.4)判断是否交并比在预设时间内一直大于预设阈值，如果是，则此停车位被汽车占用并开始计时；否则，则停车位未被占用，且不进行计时；

(3.5)判断停车位的交并比是否小于预设阈值，如果是，则停车位已经空出并中止此车位的计时；否则，停车位未空出，继续计时；

(4)实现路边临时停车位的自动计时收费功能；

根据预设的计时收费规则，通过移动终端实时计算和缴费驶离停车位车辆的停车费用，并通过移动终端实现缴费。

作为本发明的优选实施方式，所述的步骤(3.3)中计算汽车标注矩形框与每个临时停车位矩形框的交并比，具体为：

根据以下公式计算汽车标注矩形框与每个临时停车位矩形框的交并比：

IoU＝I/U；

其中，I为汽车标注矩形框和某个临时停车位矩形框相交的面积，U为汽车标注矩形框和某个临时停车位矩形框合并的面积。

本发明的具体实施方式中，克服现有技术的缺点，基于人工智能技术，提供一种路边临时停车位的自动计费管理方法。

本发明利用路边临时停车位附近的某个摄像头，预先找到摄像头监控路边临时停车位的最佳位置(包括水平、垂直和焦距三维参数的定位)作为基准监控场景，在基准监控场景下记录每个临时停车位的编号和矩形框坐标。以后正常使用时，基于计算机视觉技术和深度神经网络目标检测技术，首先将此摄像头自动定位到基准监控场景，然后基于深度神经网络的目标检测技术，对监控视频进行实时汽车检测，将检测出的汽车矩形框与每个停车位上的矩形框进行交并比(IoU)测量，如果某个停车位上的IoU值在一定时间内一直大于设定的阈值Th1，则判断此停车位被汽车占用并开始计时；在对监控视频进行汽车实时检测的过程中，如果计算到某个被占用临时停车位的IoU值小于设定的阈值Th2，则判断此停车位空出，计算出此停车位的停车时间和费用。

本发明提供的路边临时停车位的自动计费管理方法，基于计算机视觉技术和深度神经网络目标检测技术，利用路边临时停车位附近的摄像头，无需额外增加设备及路面施工，能精确定位基准监控场景，能精确判断汽车驶入和驶出临时停车位的时间点，按时计费精度高，不仅能减少人工劳动强度，而且初始投入成本低，系统部署方便，同时按时计费标准化建档，也杜绝了上缴费用流失现象。

如图2所示为路边临时停车位的自动计时收费管理的流程图。

图2中201模块为预先设置路边临时停车位基准监控场景过程，此过程对同一个临时停车位场景仅设置一次，在系统日常运行时不需要再执行此流程，此流程具体实现方法如下：

利用路边临时停车位附近的某个摄像头，预先找到摄像头监控路边临时停车位的最佳位置(包括水平、垂直和焦距三维参数的定位)作为基准监控场景，此时将摄像头水平、垂直和焦距三维参数设为一个预置位，并记录下每个临时停车位的编号和矩形框坐标，如图1所示为路边临时停车位监控场景示意图，同时记录下监控场景中两个标志性的静止参照物(例如图1中的两个交通信号灯的红灯)的坐标位置。

图2中202模块为基于计算机视觉和深度学习技术的路边临时停车位监控场景精准定位流程，此流程在每天计时收费系统启动时只要执行一次，其具体实现流程如下：

当启用路边临时停车位自动计费管理系统时，首先进行基准监控场景的自动精准定位功能，其方法如下：

先将摄像头云台转到预置位，然后进行摄像头水平、垂直和焦距三维参数的微调精确定位，使监控场景严格与基准监控场景重合，监控场景微调精准定位方法如下：

(1)基于深度神经网络的目标检测技术，例如采用MASK-RCNN深度神经网络，检测出视频图像中的两个标志性的静止参照物(例如图1中的两个交通信号灯的红灯)。

(2)计算2个标志性参照物之间的距离d，如果此距离d大于预设基准监控场景中2个标志性参照物之间的距离D，则自动步进调远摄像头焦距直到d＝D；否则自动步进调近摄像头焦距直到d＝D。

(3)计算1个标志性参照物离图像左边界的距离l，如果此距离l大于预设基准监控场景中这个标志性参照物离图像左边界的距离L，则自动步进水平向左调节摄像头水平位置直到l＝L；否则自动步进水平向右调节摄像头水平位置直到l＝L。

(4)计算1个标志性参照物离图像上边界的距离v，如果此距离v大于预设基准监控场景中这个标志性参照物离图像上边界的距离V，则自动步进垂直向上调节摄像头垂直位置直到v＝V；否则自动步进垂直向下调节摄像头垂直位置直到v＝V。

图2中203模块为基于深度学习技术的路边临时停车位状态检测流程，此流程在路边临时停车位计时收费时段一直执行，其具体实现流程如下：

完成基准监控场景的严格定位后，下面进入路边临时停车位状态检测流程，其方法如下：

1)在系统中预先存放基于深度学习技术汽车检测的参数模型，例如存放基于MASK-RCNN深度神经网络的汽车检测预训练模型。

2)对基准监控场景下的视频图像进行实时汽车检测，当检测到汽车时，记录下汽车标注矩形框的坐标。

3)计算汽车标注矩形框与每个临时停车位矩形框的交并比(IoU)，汽车标注矩形框和某个临时停车位矩形框相交的面积记为I，汽车标注矩形框和某个临时停车位矩形框合并的面积记为U，则IoU＝I/U。

4)如果IoU在预设的一定时间(如3分钟)内一直大于设定的阈值Th1(如Th1取0.6)，则判断此停车位被汽车占用并开始计时。

5)当某个停车位上的IoU小于设定的阈值Th2(如Th2取0.2)时，则判断此停车位已经空出并中止此车位的计时。

在路边临时停车位状态检测过程中，如果监控场景下能够识别出停车位上的车牌信息，则车牌信息作为辅助信息记录入车位停车信息中。

图2中204模块为实现路边临时停车位的自动计时收费模块，其具体实现流程如下：

通过路边临时停车位状态的检测后，根据预先设置的计时收费规则，即可实时计算出驶离停车位车辆的停车费用，在手机微信小程序或手机APP上进行记录和展示。

当汽车驾驶人驶离路边停车位时，汽车驾驶人可以通过手机微信小程序或手机APP实现缴费，亦可由收费员在出口路边依据收费员中的手机微信小程序或手机APP程序的记录进行人工收费。在手机微信小程序或手机APP程序中保留车牌号码抓拍功能，如果发生驾驶员没有缴费就驶离，收费员可以通过微信小程序或手机APP抓拍逃费车辆的车牌图像上传至系统黑名单。

实现本发明提供的路边临时停车位的自动计费管理方法，仅需要配置一个云服务器和手机微信小程序或手机APP即可，云服务器主要完成视频图像接入、基于计算机视觉和深度学习的算法执行和各种记录存储统计管理功能，手机微信小程序或手机APP主要完成计时收费结果展示以及辅助抓拍图像等功能。

采用了本发明的针对路边临时停车位实现自动计费管理的方法，基于计算机视觉技术和深度神经网络目标检测技术，利用路边临时停车位附近的摄像头，无需额外增加设备及路面施工，能精确定位基准监控场景，能精确判断汽车驶入和驶出临时停车位的时间点，按时计费精度高，不仅能减少人工劳动强度，而且初始投入成本低，系统部署方便，同时按时计费标准化建档，也杜绝了上缴费用流失现象。

在此说明书中，本发明已参照其特定的实施例作了描述。但是，很显然仍可以作出各种修改和变换而不背离本发明的精神和范围。因此，说明书和附图应被认为是说明性的而非限制性的。

Claims (6)

1.一种针对路边临时停车位实现自动计费管理的方法，其特征在于，所述的方法包括以下步骤：

(1)预先设置路边临时停车位基准监控场景；

(2)系统启动时自动调节监控摄像头，基于计算机视觉和深度学习技术，实现路边停车位监控场景的精准定位；

(3)基于深度学习技术的路边临时停车位状态的实时检测；

(4)实现路边临时停车位的自动计时收费功能。

2.根据权利要求1所述的针对路边临时停车位实现自动计费管理的方法，其特征在于，所述的步骤(1)具体包括以下步骤：

(1.1)利用路边临时停车位附近的某个摄像头，预先找到摄像头监控路边临时停车位的最佳位置作为基准监控场景；

(1.2)将摄像头水平、垂直和焦距三维参数设为一个预置位，并记录下每个临时停车位的编号和矩形框坐标，同时记录下监控场景中两个标志性的静止参照物的坐标位置。

3.根据权利要求1所述的针对路边临时停车位实现自动计费管理的方法，其特征在于，所述的步骤(2)具体包括以下步骤：

(2.1)基于深度神经网络的目标检测技术，检测出视频图像中的两个标志性的静止参照物；

(2.2)计算两个标志性参照物之间的距离，判断标志性参照物间的距离是否大于预设基准监控场景中两个标志性参照物之间的距离，如果是，则自动步进调远摄像头焦距直到与预设基准监控场景中两个标志性参照物间的距离相等；否则自动步进调近摄像头焦距直到与预设基准监控场景中两个标志性参照物间的距离相等；

(2.3)计算标志性参照物离图像左边界的距离，如果大于预设基准监控场景中该标志性参照物离图像左边界的距离，则自动步进水平向左调节摄像头水平位置直到与预设基准监控场景中该标志性参照物离图像左边界的距离相等；否则自动步进水平向右调节摄像头水平位置直到与预设基准监控场景中该标志性参照物离图像左边界的距离相等；

(2.4)计算标志性参照物离图像上边界的距离，如果大于预设基准监控场景中该标志性参照物离图像上边界的距离，则自动步进垂直向上调节摄像头垂直位置直到与预设基准监控场景中该标志性参照物离图像上边界的距离相等；否则自动步进垂直向下调节摄像头垂直位置直到与预设基准监控场景中该标志性参照物离图像上边界的距离相等。

4.根据权利要求1所述的针对路边临时停车位实现自动计费管理的方法，其特征在于，所述的步骤(3)具体包括以下步骤：

(3.1)在系统中预先存放基于深度学习技术汽车检测的参数模型；

(3.2)对基准监控场景下的视频图像进行实时汽车检测，记录下汽车标注矩形框的坐标；

(3.3)计算汽车标注矩形框与每个临时停车位矩形框的交并比；

(3.4)判断是否交并比在预设时间内一直大于预设阈值，如果是，则此停车位被汽车占用并开始计时；否则，则停车位未被占用，且不进行计时；

(3.5)判断停车位的交并比是否小于预设阈值，如果是，则停车位已经空出并中止此车位的计时；否则，停车位未空出，继续计时。

5.根据权利要求4所述的针对路边临时停车位实现自动计费管理的方法，其特征在于，所述的步骤(3.3)中计算汽车标注矩形框与每个临时停车位矩形框的交并比，具体为：

根据以下公式计算汽车标注矩形框与每个临时停车位矩形框的交并比：

IoU＝I/U；

其中，I为汽车标注矩形框和某个临时停车位矩形框相交的面积，U为汽车标注矩形框和某个临时停车位矩形框合并的面积。

6.根据权利要求1所述的针对路边临时停车位实现自动计费管理的方法，其特征在于，所述的步骤(4)具体为：

根据预设的计时收费规则，通过移动终端实时计算和缴费驶离停车位车辆的停车费用，并通过移动终端实现缴费。

Images