CN111383457A - 车位状态检测方法及装置、设备及存储介质 - Google Patents
车位状态检测方法及装置、设备及存储介质 Download PDFInfo
- Publication number
- CN111383457A CN111383457A CN201811643732.7A CN201811643732A CN111383457A CN 111383457 A CN111383457 A CN 111383457A CN 201811643732 A CN201811643732 A CN 201811643732A CN 111383457 A CN111383457 A CN 111383457A
- Authority
- CN
- China
- Prior art keywords
- parking space
- vehicle
- image
- space state
- target vehicle
- 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
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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
-
- 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
- G08G1/04—Detecting movement of traffic to be counted or controlled using optical or ultrasonic detectors
-
- 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
- G08G1/141—Traffic control systems for road vehicles indicating individual free spaces in parking areas with means giving the indication of available parking spaces
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明实施例公开了一种车位状态检测方法及装置、设备及存储介质。所述方法包括：在确定待检测车位中驶入目标车辆时，按照设定时间间隔获取车位状态图像进行车辆识别；如确定当前识别的车位状态图像中不包括目标车辆，则按照各车位状态图像的获取时间，倒序获取第一张包括目标车辆的车位状态图像对应的目标车辆所在位置区域；根据目标车辆所在位置区域与车位状态图像对应的车辆上升图像区域的位置关系，确定与待检测车位对应的当前车位状态。本发明实施例的技术方案提高了车位状态检测的准确性，实现了在车牌遮挡的情况下，也可准确地判定车位状态，确定车辆是驶离、上升或停留，进而可进一步提高车位管理的有效性及车辆维修工时统计的准确性。
Description
技术领域
本发明实施例涉及车位检测技术领域，尤其涉及一种车位状态检测方法及装置、设备及存储介质。
背景技术
随着我国经济的飞速发展，全国人均车辆保有量逐年增加，车辆保养维修的需求也日益增长。在汽车后市场，互联网应用逐步覆盖在车辆检修工位，对于车主实时查看车辆状态、计算4S店的维修工时发挥了重要作用，也提升了车辆检修工位的管理水平。
现有技术中，一般是通过使用基于视频识别技术的车辆检测设备来实现对车辆检修工位状态的智能识别，识别车辆的驶入以及车辆的驶离，同时还可以记录对应的时间。这对于车主实时查看车辆状态以及核实4S店维修工时发挥了重要作用，也提升了车辆检修工位的管理水平。其中，基于视频识别技术的车辆检测设备主要是依靠对车牌信息的检测来确定车辆检修工位的状态是车辆驶入，还是车辆驶离。
发明人在实现本发明的过程中，发现现有技术存在如下缺陷：由于车辆检修过程中，存在着引擎盖打开、车辆上升下降、人员来回走动以及维修工具的使用使得车牌被部分或全部遮挡，导致通过视频识别技术无法正确识别到车牌，进而误认为车辆驶离，对车辆检修工位的状态出现了错误的判断。
发明内容
有鉴于此，本发明实施例提供了一种车位状态检测方法及装置、设备及存储介质，以优化现有的车位状态检测方法，提高了车位状态检测的准确性。
在第一方面，本发明实施例提供了一种车位状态检测方法，包括：
在确定待检测车位中驶入目标车辆时，按照设定时间间隔获取车位状态图像进行车辆识别；
如果确定当前识别的车位状态图像中不包括所述目标车辆，则按照各所述车位状态图像的获取时间，倒序获取第一张包括所述目标车辆的车位状态图像对应的目标车辆所在位置区域；
根据所述目标车辆所在位置区域与所述车位状态图像对应的车辆上升图像区域的位置关系，确定与所述待检测车位对应的当前车位状态。
在上述方法中，可选的是，根据所述目标车辆所在位置区域与所述车位状态图像对应的车辆上升图像区域的位置关系，确定与所述待检测车位对应的当前车位状态，包括：
如果确定所述目标车辆所在位置区域全部位于所述车位状态图像对应的车辆上升图像区域内，则确定与所述待检测车位对应的当前车位状态为车辆上升状态。
在上述方法中，可选的是，根据所述目标车辆所在位置区域与所述车位状态图像对应的车辆上升图像区域的位置关系，确定与所述待检测车位对应的当前车位状态，包括：
如果确定所述目标车辆所在位置区域并非全部位于所述车位状态图像对应的车辆上升图像区域内，则确定与所述待检测车位对应的当前车位状态为车辆驶离状态。
在上述方法中，可选的是，根据所述目标车辆所在位置区域与所述车位状态图像对应的车辆上升图像区域的位置关系，确定与所述待检测车位对应的当前车位状态，包括：
如果确定所述目标车辆所在位置区域并非全部位于所述车位状态图像对应的车辆上升图像区域内，则继续获取所述当前识别的车位状态图像之后连续的设定数量的车位状态图像进行车辆识别；
如果确定所述设定数量的车位状态图像中均不包括所述目标车辆，则确定所述待检测车位的当前车位状态为车辆驶离状态。
在上述方法中，可选的是，在所述在确定待检测车位中驶入目标车辆时，按照设定时间间隔获取车位状态图像进行车辆识别之前，还包括：
依据所述设定时间间隔，获取所述待检测车位的车辆驶入判定图像；
如果使用目标检测算法确定当前识别的车辆驶入判定图像中包括所述目标车辆且所述当前识别的车辆驶入判定图像的可信度大于设定阈值，则确定所述待检测车位中驶入所述目标车辆；
如果使用目标检测算法确定所述当前识别的车辆驶入判定图像中包括所述目标车辆，但所述当前识别的车辆驶入判定图像的可信度小于等于设定阈值，则使用分类模型确定所述当前识别的车辆驶入判定图像中是否包括所述目标车辆；
如果使用分类模型确定所述当前识别的车辆驶入判定图像中包括所述目标车辆，则确定所述待检测车位中驶入所述目标车辆。
在上述方法中，可选的是，在所述如果使用分类模型确定所述当前识别的车辆驶入判定图像中包括所述目标车辆，则确定所述待检测车位中驶入所述目标车辆之前，还包括：
如果使用目标检测算法确定所述当前识别的车辆驶入判定图像中不包括所述目标车辆，则将所述当前识别的车辆驶入判定图像与所述待检测车位的空车位图像进行比对；
如果比对结果为所述当前识别的车辆驶入判定图像中不包括所述目标车辆，则将下一幅车辆驶入判定图像确定为当前识别的车辆驶入判定图像，并返回执行所述如果使用目标检测算法确定当前识别的车辆驶入判定图像中包括所述目标车辆且所述当前识别的车辆驶入判定图像的可信度大于设定阈值，则确定所述待检测车位中驶入所述目标车辆的操作；
如果比对结果为所述当前识别的车辆驶入判定图像中包括所述目标车辆，则使用分类模型确定所述当前识别的车辆驶入判定图像中是否包括所述目标车辆。
在上述方法中，可选的是，在所述如果使用目标检测算法确定所述当前识别的车辆驶入判定图像中包括所述目标车辆，但所述当前识别的车辆驶入判定图像的可信度小于等于设定阈值，则使用分类模型确定所述当前识别的车辆驶入判定图像中是否包括所述目标车辆之后，还包括：
如果使用分类模型确定所述当前识别的车辆驶入判定图像中不包括所述目标车辆，则检测所述当前识别的车辆驶入判定图像中是否包括车牌信息；
如果检测到所述当前识别的车辆驶入判定图像中包括车牌信息，则确定所述待检测车位中驶入所述目标车辆。
在第二方面，本发明实施例提供了一种车位状态检测装置，包括：
车位状态图像获取模块，用于在确定待检测车位中驶入目标车辆时，按照设定时间间隔获取车位状态图像进行车辆识别；
目标车辆所在位置区域获取模块，用于如果确定当前识别的车位状态图像中不包括所述目标车辆，则按照各所述车位状态图像的获取时间，倒序获取第一张包括所述目标车辆的车位状态图像对应的目标车辆所在位置区域；
当前车位状态确定模块，用于根据所述目标车辆所在位置区域与所述车位状态图像对应的车辆上升图像区域的位置关系，确定与所述待检测车位对应的当前车位状态。
在第三方面，本发明实施例提供了一种设备，所述设备包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如本发明任意实施例所述的车位状态检测方法。
在第四方面，本发明实施例提供了一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行如本发明任意实施例所述的车位状态检测方法。
本发明实施例提供了一种车位状态检测方法及装置、设备及存储介质，通过在目标车辆驶入待检测车位之后且在当前识别的车位状态图像中识别不到目标车辆时，根据前一次识别到目标车辆的车位状态图像对应的目标车辆所在位置区域与车位状态图像对应的车辆上升图像区域的位置关系确定当前车位状态，解决了现有技术中由于车牌被遮挡导致无法从车位状态图像中正确检测到车牌信息时，会误报车辆驶离，进而降低了车位检测结果的准确性的技术缺陷，提高了车位状态检测的准确性，实现了在车牌遮挡的情况下，也可以准确地判定车位状态，确定车辆是驶离、上升或是停留，进而可以进一步提高车位管理的有效性以及车辆维修工时统计的准确性。
附图说明
图1是本发明实施例一提供的一种车位状态检测方法的流程图；
图2是本发明实施例二提供的一种车位状态检测方法的流程图；
图3是本发明实施例三提供的一种车位状态检测方法的流程图；
图4是本发明实施例四提供的一种车位状态检测方法的流程图；
图5是本发明实施例五提供的一种车位状态检测装置的结构图；
图6是本发明实施例六提供的一种设备的结构图。
具体实施方式
为了使本发明的目的、技术方案和优点更加清楚，下面结合附图对本发明具体实施例作进一步的详细描述。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。
另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部内容。在更加详细地讨论示例性实施例之前应当提到的是，一些示例性实施例被描述成作为流程图描绘的处理或方法。虽然流程图将各项操作(或步骤)描述成顺序的处理，但是其中的许多操作可以被并行地、并发地或者同时实施。此外，各项操作的顺序可以被重新安排。当其操作完成时所述处理可以被终止，但是还可以具有未包括在附图中的附加步骤。所述处理可以对应于方法、函数、规程、子例程、子程序等等。
实施例一
图1为本发明实施例一提供的一种车位状态检测方法的流程图，本实施例的方法可以由车位状态检测装置来执行，该装置可通过硬件和/或软件的方式实现，并一般可集成于计算机设备中，例如服务器等。本实施例的方法具体包括：
S101、在确定待检测车位中驶入目标车辆时，按照设定时间间隔获取车位状态图像进行车辆识别。
在本实施例中，待检测车位具体是指可用于对车辆进行清洗、维修以及装饰等操作的车辆停放位置。车位状态图像具体是指可以显示整个车位完整信息的图像。
在本实施例中，设定时间间隔具体是由车位状态检测装置的性能决定的，具体来说，如果车位状态检测装置的图像数据处理速度较快，那么可以将设定时间间隔设置得小一些；如果车位状态检测装置的图像获取速度较快，也可以将设定时间间隔设置得小一些，但应保证设定时间间隔大于车位状态检测装置获取一幅车位状态图像的时间。当然，无论设定时间间隔为多少，必须要保证可以正确捕捉到车辆上升的过程，且图像的获取速度与图像数据的处理速度应相匹配。如果图像的获取速度远大于图像数据的处理速度，则会浪费数据存储资源；如果图像的获取速度远小于图像数据的处理速度，则无法充分利用车位状态检测装置的数据处理能力。
在本实施例中，在确定待检测车位中驶入目标车辆之后，会不断地以设定时间间隔获取车位状态图像，并同时通过步骤102和步骤103根据车位状态图像对应的目标车辆所在位置区域确定待检测车位的当前车位状态。其中，当前车位状态具体可以包括目标车辆驶离、目标车辆上升以及目标车辆停留等。
进一步需要说明的是，在本实施例中，在通过本步骤101获取第一幅车位状态图像之后，即会开始顺序执行步骤102和步骤103。通过步骤102和步骤103依据车位状态图像的获取顺序，依次对每一幅车位状态图像进行相应的处理操作。因此，在获取第一幅车位状态图像之后，步骤101与步骤102或步骤103是同时进行的。
进一步需要说明的，在本实施例中，如果当前识别的车位状态图像中包括目标车辆，那么会将该当前识别的车位状态图像对应的目标车辆所在区域的位置信息进行存储，以便之后被调取及使用。当然同时还应存储用于表明该当前识别的车位状态图像的获取顺序的数据，具体可以是该当前识别的车位状态图像的获取时间或图像获取编号等。识别完成之后的车位状态图像既可以进行存储，也可以不进行存储，依据实际情况设定。
S102、如果确定当前识别的车位状态图像中不包括目标车辆，则按照各车位状态图像的获取时间，倒序获取第一张包括目标车辆的车位状态图像对应的目标车辆所在位置区域。
在本实施例中，在获取车位状态图像之后，首先会根据车位状态图像中的图像信息确定该车位状态图像中是否包括有目标车辆。具体来说，可以使用SSD(single shotmultibox detector)算法、具有目标检测功能的R-CNN(Region-Convolutional NeuralNetworks)模型、具有目标检测功能的Faster R-CNN模型、DPM(Deformable Part Model)算法或YOLO(You Only Look Once：Unified，Real-Time Object Detection)算法来确定车位状态图像中是否包括目标车辆。
这里需要说明的是，在本实施例中，用于确定当前识别的车位状态图像中是否包括目标车辆的方法，并不是通过或仅通过检测车位状态图像中是否包括有车牌图像信息来确定车位状态图像中是否包括有目标车辆。而是根据当前车位状态图像的整体图像特征来确定车位状态中是否包括有目标车辆以及目标车辆的位置。例如，可以将车位状态图像中设定范围内所有像素点的像素信息的计算结果与设定阈值进行比较，以确定该设定范围内是否包括有目标车辆。并且根据上述设定范围内所有像素点的像素信息，还可以准确确定目标车辆在车位状态图像中的位置，例如可以将车位状态图像与待检测车位的空车位图像进行对比，进而获取目标车辆在车位状态中的位置。
可以理解的是，目标车辆在上升的过程中速度一般不会很快，以保证车辆的安全，而为了准确获知车位的状态，车位状态图像的获取时间间隔，即设定时间间隔并不会太长，因此，车位状态图像一定可以体现出目标车辆的上升过程。在车辆上升至一定高度之后，就会超出车位状态监测装置的图像获取范围，此时再获取的车位状态图像中就不再包括目标车辆，但是此时目标车辆并没有驶离。
因此，在本实施例中，如果确定当前识别的车位状态图像中不包括目标车辆时，并不会直接判定目标车辆驶离，而是会按照各车位状态图像的获取时间，倒序获取第一张包括目标车辆的车位状态图像对应的目标车辆所在位置区域，并通过步骤103确定与待检测车位对应的当前车位状态。
S103、根据目标车辆所在位置区域与车位状态图像对应的车辆上升图像区域的位置关系，确定与待检测车位对应的当前车位状态。
在本实施例中，车位状态图像对应的车辆上升图像区域属于车位状态图像对应的车辆检测图像范围，车辆上升图像区域具体是指当目标车辆上升一段距离后，车位状态图像中的全部目标车辆信息或设定比例的目标车辆信息所在的图像范围。其中，车辆检测图像范围具体是指根据车位状态检测装置与待检测车位之间的摄像角度所确定的，车位状态图像中与待检测车位中可停放车辆的位置相匹配的图像范围。也就是说，当目标车辆驶入待检测车位时，车位状态图像中目标车辆的图像一定全部或绝大部分位于车辆检测图像范围内。另外，通过车辆检测图像范围一定可以准确判断目标车辆的驶入、驶离以及上升。
可以理解的是，当目标车辆上升时，目标车辆在车位状态图像中的位置一定会发生变化，一定会越来越靠近车辆检测图像范围的顶部。因此，车位状态图像对应的车辆上升图像区域应位于车位状态图像对应的车辆检测图像范围的顶部。车辆上升图像区域与车辆检测图像范围的尺寸以及位置关系具体可以由车位状态检测装置与待检测车位之间的摄像角度、待检测车位的尺寸以及结构等因素共同决定。典型的可以是，车辆上升图像区域为车辆检测图像范围中的上面1/3的区域。
所以，在本实施例中，在倒序获取第一张包括目标车辆的车位状态图像对应的目标车辆所在位置区域之后，会根据该目标车辆所在位置区域与车位状态图像对应的车辆上升图像区域的位置关系，确定与待检测车位对应的当前车位状态。其中，与待检测车位对应的当前车位状态具体可以包括目标车辆驶离、目标车辆上升等。
本发明实施例提供了一种车位状态检测方法，通过在目标车辆驶入待检测车位之后且在当前识别的车位状态图像中识别不到目标车辆时，根据前一次识别到目标车辆的车位状态图像对应的目标车辆所在位置区域与车位状态图像对应的车辆上升图像区域的位置关系确定当前车位状态，解决了现有技术中由于车牌被遮挡导致无法从车位状态图像中正确检测到车牌信息时，会误报车辆驶离，进而降低了车位检测结果的准确性的技术缺陷，提高了车位状态检测的准确性，实现了在车牌遮挡的情况下，也可以准确地判定车位状态，确定车辆是驶离、上升或是停留，进而可以进一步提高车位管理的有效性以及车辆维修工时统计的准确性。
实施例二
图2是本发明实施例二提供的一种车位状态检测方法的流程图。本实施例以上述实施例为基础进行优化，在本实施例中，给出了一种具体化待检测车位对应的当前车位状态的确定步骤的具体实施方式。
相应的，本实施例的方法具体包括：
S201、在确定待检测车位中驶入目标车辆时，按照设定时间间隔获取车位状态图像进行车辆识别。
S202、如果确定当前识别的车位状态图像中不包括目标车辆，则按照各车位状态图像的获取时间，倒序获取第一张包括目标车辆的车位状态图像对应的目标车辆所在位置区域。
S203、判断目标车辆所在位置区域是否全部位于车位状态图像对应的车辆上升图像区域内，若是，则执行步骤204，若否，则执行步骤205。
在本实施例中，通过步骤203至步骤205准确确定待检测车位的当前车位状态。
可知的是，如果当前识别的车位状态图像中不包括目标车辆，那么目标车辆既可能已驶离待检测车位，还可能已上升至一定高度，超出了车位状态图像的图像涵盖范围。那么，如果目标车辆是已驶离待检测车位，则倒序获取的第一张包括目标车辆的车位状态图像对应的车辆检测图像范围中一定会包括有目标车辆的图像信息，且该图像信息一般会位于车辆检测图像范围的中下部或下部；如果目标车辆是已上升至一定高度，则由于目标车辆所在位置区域是当前识别的车位状态图像之前最后识别出包括有目标车辆的车位状态图像对应的目标车辆所在位置区域，因此，该目标车辆所在位置区域对应的目标车辆状态应该是已升高了一段距离，此时该目标车辆所在位置区域应已全部位于车辆上升图像区域内。
所以，在本实施例中，通过判断目标车辆所在位置区域是否全部位于车位状态图像对应的车辆上升图像区域内，来确定待检测车位的当前车位状态。
这里需要说明到的是，在本实施例中，仅是示例性地通过判断目标车辆所在位置区域是否全部位于车位状态图像对应的车辆上升图像区域内来确定待检测车位的当前车位状态。在实际情况中，还可以根据目标车辆所在位置区域与车辆上升图像区域的重叠度来判断待检测车位的当前状态。具体来说，可以判断目标车辆所在位置区域与车辆上升图像区域的重叠度是否大于设定阈值，如果大于设定阈值，则判定待检测车位的当前状态为车辆上升状态。
可以理解的是，车辆的上升速度一般较慢，而车位状态图像的获取间隔一般是以秒为计算单位，因此，在车辆的上升过程中，所获取的连续多个车位状态图像中目标车辆所在位置区域与车辆上升图像区域的重叠度应该是不断增加的。因此，可以根据目标车辆所在位置区域与车辆上升图像区域的重叠度来判断待检测车位的当前状态。
S204、确定与待检测车位对应的当前车位状态为车辆上升状态。
根据步骤203中所述内容可知，当目标车辆所在位置区域全部位于车位状态图像对应的车辆上升图像区域内时，可以确定与待检测车位对应的当前车位状态为车辆上升状态。
S205、确定与待检测车位对应的当前车位状态为车辆驶离状态。
同样地，根据步骤203中所述内容可知，当目标车辆所在位置区域并非全部位于车位状态图像对应的车辆上升图像区域内时，可以确定与待检测车位对应的当前车位状态为车辆驶离状态。
本发明实施例提供了一种车位状态检测方法，该方法具体化了待检测车位对应的当前车位状态的确定步骤，实现了根据按照各车位状态图像的获取时间，倒序获取的第一张包括目标车辆的车位状态图像对应的目标车辆所在位置区域，准确、快速以及简便地确定待检测车位的当前状态。
在上述各实施例的基础上，将根据目标车辆所在位置区域与车位状态图像对应的车辆上升图像区域的位置关系，确定与待检测车位对应的当前车位状态，具体化为：如果确定目标车辆所在位置区域并非全部位于车位状态图像对应的车辆上升图像区域内，则继续获取当前识别的车位状态图像之后连续的设定数量的车位状态图像进行车辆识别；如果确定设定数量的车位状态图像中均不包括目标车辆，则确定待检测车位的当前车位状态为车辆驶离状态。
可以理解的是，当车位状态检测装置出现临时性可自修复故障时，可能会导致在出现故障时所获取的车位状态图像错误，进而使得误认为目标车辆驶离待检测车位。因此，在本实施例中，当目标车辆所在位置区域并非全部位于车位状态图像对应的车辆上升图像区域内时，并不直接判定目标车辆驶离，而是会继续获取车位状态图像，并对继续获取的设定数量的车位状态图像分别进行车辆识别。如果确定继续获取的设定数量的车位状态图像中均不包括目标车辆，才会确定待检测车位的当前车位状态为车辆驶离状态。其中，设定数量的车位状态图像所需的获取时间长度应大于上述现临时性可自修复故障的自修复时长。
这样设置的好处是：可以更加准确的确定待检测车位的当前车位状态。
实施例三
图3是本发明实施例三提供的一种车位状态检测方法的流程图。本实施例以上述实施例为基础进行优化，在本实施例中，给出了一种增加用于确定待检测车位中是否驶入目标车辆的步骤的具体实施方式。
相应的，本实施例的方法具体包括：
S301、依据设定时间间隔，获取待检测车位的车辆驶入判定图像。
在本实施例中，通过步骤301至步骤308来确定待检测车位中是否驶入目标车辆。
在本实施例中，车辆驶入判定图像的获取方式具体可以与车位状态图像的获取方式相同，在此不再进行详细阐述。
S302、使用目标检测算法确定当前识别的车辆驶入判定图像中是否包括目标车辆，若是，则执行步骤306，若否，则执行步骤303。
在本实施例中，在获取车辆驶入判定图像之后，首先会使用目标检测算法来确定当前识别的车辆驶入判定图像中是否包括目标车辆。其中，目标检测算法具体可以是SSD算法、DPM算法或YOLO算法，还可以通过具有目标检测功能的R-CNN模型或具有目标检测功能的Faster R-CNN模型来实现。来实现。
S303、将当前识别的车辆驶入判定图像与待检测车位的空车位图像进行比对。
在本实施例中，当通过目标检测算法确定当前识别的车辆驶入判定图像中不包括目标车辆时，并不直接最终确定当前识别的车辆驶入判定图像中不包括目标车辆，而是会通过将当前识别的车辆驶入判定图像与待检测车位的空车位图像进行比对来进行二次检测，以规避目标检测算法出现漏检的情况。
S304、根据比对结果确定当前识别的车辆驶入判定图像中是否包括目标车辆，若是，则执行步骤308，若否，则执行步骤305。
在本实施例中，如果根据比对结果也确定当前识别的车辆驶入判定图像中不包括目标车辆，则最终确定当前识别的车辆驶入判定图像中确实不包括目标车辆；如果根据比对结果确定当前识别的车辆驶入判定图像中包括目标车辆，则会再次通过分类模型确定当前识别的车辆驶入判定图像中是否包括目标车辆。
S305、确定当前识别的车辆驶入判定图像中确实不包括目标车辆，将下一幅车辆驶入判定图像确定为当前识别的车辆驶入判定图像，并返回执行步骤302。
S306、判断当前识别的车辆驶入判定图像的可信度是否大于设定阈值，若是，则执行步骤307，若否，则执行步骤308。
在本实施例中，当通过目标检测算法确定当前识别的车辆驶入判定图像中包括目标车辆时，还会根据目标检测算法确定当前识别的车辆驶入判定图像的可信度与设定阈值的数值大小关系来进一步确定当前识别的车辆驶入判定图像中是否包括目标车辆。其中，车辆驶入判定图像的可信度具体是指通过目标检测算法所确定的车辆驶入判定图像中是否包括目标车辆的结果的可信程度。
S307、确定当前识别的车辆驶入判定图像中确实包括目标车辆，进而确定待检测车位中驶入目标车辆。
在本实施例中，如果通过目标检测算法确定当前识别的车辆驶入判定图像中包括目标车辆且当前识别的车辆驶入判定图像的可信度大于设定阈值时，则最终确定车辆驶入判定图像中包括目标车辆。
S308、使用分类模型确定当前识别的车辆驶入判定图像中是否包括目标车辆，若是，则执行步骤307，若否，则执行步骤309。
在本实施例中，如果通过目标检测算法确定当前识别的车辆驶入判定图像中包括目标车辆但当前识别的车辆驶入判定图像的可信度小于等于设定阈值时，也还会继续使用分类模型来确定当前识别的车辆驶入判定图像中是否包括目标车辆。其中，分类模型具体可以是基于DPM算法的分类模型等。
S309、检测当前识别的车辆驶入判定图像中是否包括车牌信息，若是，则执行步骤307，若否，则执行步骤305。
在本实施例中，如果通过分类模型确定当前识别的车辆驶入判定图像中不包括目标车辆，会最后对当前识别的车辆驶入判定图像中是否包括车牌信息进行检测，并根据检测结果最终确定当前识别的车辆驶入判定图像中是否包括目标车辆。
S310、在确定待检测车位中驶入目标车辆时，按照设定时间间隔获取车位状态图像进行车辆识别。
S311、如果确定当前识别的车位状态图像中不包括目标车辆，则按照各车位状态图像的获取时间，倒序获取第一张包括目标车辆的车位状态图像对应的目标车辆所在位置区域。
S312、根据目标车辆所在位置区域与车位状态图像对应的车辆上升图像区域的位置关系，确定与待检测车位对应的当前车位状态。
在这里需要说明的是，目标检测算法、分类模型以及车牌信息检测中任一一个、任意两个或全部三个均可以独立地作为判断待检测车位的当前状态的方法。本实施例中仅是示例性地对同时使用上述三种处理方式判断待检测车位的当前状态进行了示例性说明。
进一步地，在使用上述三种处理方式中的任意两种或全部三种来判断待检测车位的当前状态时，处理方式的使用顺序可以是任意的。示例性地，如果同时使用目标检测算法和车牌信息检测来判断待检测车位的当前状态，那么既可以先使用目标检测算法再使用车牌信息检测来判断待检测车位的当前状态，也可以先使用车牌信息检测再使用目标检测算法来判断待检测车位的当前状态。
本发明实施例提供了一种车位状态检测方法，该方法增加了用于确定待检测车位中是否驶入目标车辆的步骤，实现了准确、快速地判定是否有车辆驶入待检测车位，进而可以对待检测车位的后续状态进行准确地判定。
实施例四
图4是本发明实施例四提供的一种车位状态检测方法的流程图。本实施例以上述实施例为基础进行优化，在本实施例中，给出了一种具体化待检测车位对应的当前车位状态的确定步骤的具体实施方式。
相应的，本实施例的方法具体包括：
S401、在确定待检测车位中驶入目标车辆时，按照设定时间间隔获取车位状态图像进行车辆识别。
S402、如果确定当前识别的车位状态图像中不包括目标车辆，则按照各车位状态图像的获取时间，倒序获取第一张包括目标车辆的车位状态图像对应的目标车辆所在位置区域。
S403、判断目标车辆所在位置区域的下定位线是否位于车位状态图像中用于界定车辆上升图像区域的基准线以上，若是，则执行步骤404，若否，则执行步骤405。
在本实施例中，车位状态图像中的车辆上升图像区域是通过一条基准线来界定的。可以理解的是，车辆检测图像范围一般是通过一个规则的长方形或正方形来限定的，那么就可以通过与车辆检测图像范围中与其等宽的线划分出该车辆检测图像范围中的上面一部分作为车辆上升图像区域。典型的，可以使用基准线将车辆检测图像范围中的上面1/3部分界定为车辆上升图像区域。
进一步地可以理解的是，对图像中具有一定属性的区域位置进行识别后，一般会使用该区域的所有顶点坐标，或是该区域的长和宽以及多个顶点坐标来限定该区域的具体位置。同样地，在本实施例中，目标车辆所在位置区域也可以是通过该区域的所有顶点坐标，或是该区域的长和宽以及多个顶点坐标来限定的。因此，就可以根据目标车辆所在位置区域，准确地确定出该区域的底边，即该区域的下定位线。可知的是，如果目标车辆所在位置区域的下定位线位于上述车辆检测图像范围中的基准线以上，则可以确定目标车辆所在位置区域与车辆检测图像范围的重叠区域全部位于车辆上升图像区域内。因此，在本实施例中，可以通过判断目标车辆所在位置区域的下定位线是否位于车位状态图像中用于界定车辆上升图像区域的基准线以上，来确定待检测车位的当前状态。
S404、确定与待检测车位对应的当前车位状态为车辆上升状态。
根据步骤403中所述内容可知，当目标车辆所在位置区域的下定位线是否位于车位状态图像中用于界定车辆上升图像区域的基准线以上时，可以确定与待检测车位对应的当前车位状态为车辆上升状态。
S405、确定与待检测车位对应的当前车位状态为车辆驶离状态。
同样地，根据步骤403中所述内容可知，当目标车辆所在位置区域的下定位线是否位于车位状态图像中用于界定车辆上升图像区域的基准线以下时，可以确定与待检测车位对应的当前车位状态为车辆驶离状态。
本发明实施例提供了一种车位状态检测方法，该方法具体化了待检测车位对应的当前车位状态的确定步骤，通过将车位状态图像中用于界定车辆上升图像区域的基准线的位置与倒序获取的第一张包括目标车辆的车位状态图像对应的目标车辆所在位置区域的下定位线的位置关系来确定待检测车位的当前状态，实现了快速、准确以及简便地确定待检测车位的当前状态。
实施例五
图5是本发明实施例五提供的一种车位状态检测装置的结构图。如图5所示，所述装置包括：车位状态图像获取模块501、目标车辆所在位置区域获取模块502以及当前车位状态确定模块503，其中：
车位状态图像获取模块501，用于在确定待检测车位中驶入目标车辆时，按照设定时间间隔获取车位状态图像进行车辆识别；
目标车辆所在位置区域获取模块502，用于如果确定当前识别的车位状态图像中不包括目标车辆，则按照各车位状态图像的获取时间，倒序获取第一张包括目标车辆的车位状态图像对应的目标车辆所在位置区域；
当前车位状态确定模块503，用于根据目标车辆所在位置区域与车位状态图像对应的车辆上升图像区域的位置关系，确定与待检测车位对应的当前车位状态。
本发明实施例提供了一种车位状态检测装置，该装置首先通过车位状态图像获取模块501在确定待检测车位中驶入目标车辆时，按照设定时间间隔获取车位状态图像进行车辆识别，然后如果确定当前识别的车位状态图像中不包括目标车辆，则通过目标车辆所在位置区域获取模块502按照各车位状态图像的获取时间，倒序获取第一张包括目标车辆的车位状态图像对应的目标车辆所在位置区域，最后通过当前车位状态确定模块503根据目标车辆所在位置区域与车位状态图像对应的车辆上升图像区域的位置关系，确定与待检测车位对应的当前车位状态。
该装置解决了现有技术中由于车牌被遮挡导致无法从车位状态图像中正确检测到车牌信息时，会误报车辆驶离，进而降低了车位检测结果的准确性的技术缺陷，提高了车位状态检测的准确性，实现了在车牌遮挡的情况下，也可以准确地判定车位状态，确定车辆是驶离、上升或是停留，进而可以进一步提高车位管理的有效性以及车辆维修工时统计的准确性。
在上述各实施例的基础上，当前车位状态确定模块503具体可以用于：
如果确定目标车辆所在位置区域全部位于车位状态图像对应的车辆上升图像区域内，则确定与待检测车位对应的当前车位状态为车辆上升状态。
在上述各实施例的基础上，当前车位状态确定模块503具体可以用于：
如果确定目标车辆所在位置区域并非全部位于车位状态图像对应的车辆上升图像区域内，则确定与待检测车位对应的当前车位状态为车辆驶离状态。
在上述各实施例的基础上，当前车位状态确定模块503可以包括：
车辆识别单元，用于如果确定目标车辆所在位置区域并非全部位于车位状态图像对应的车辆上升图像区域内，则继续获取当前识别的车位状态图像之后连续的设定数量的车位状态图像进行车辆识别；
驶离状态确定单元，用于如果确定设定数量的车位状态图像中均不包括目标车辆，则确定待检测车位的当前车位状态为车辆驶离状态。
在上述各实施例的基础上，还可以包括：
车辆驶入判定图像获取模块，用于在在确定待检测车位中驶入目标车辆时，按照设定时间间隔获取车位状态图像进行车辆识别之前，依据设定时间间隔，获取待检测车位的车辆驶入判定图像；
第一目标检测结果确定模块，用于如果使用目标检测算法确定当前识别的车辆驶入判定图像中包括目标车辆且当前识别的车辆驶入判定图像的可信度大于设定阈值，则确定待检测车位中驶入目标车辆；
第二目标检测结果确定模块，用于如果使用目标检测算法确定当前识别的车辆驶入判定图像中包括目标车辆，但当前识别的车辆驶入判定图像的可信度小于等于设定阈值，则使用分类模型确定当前识别的车辆驶入判定图像中是否包括目标车辆；
第一分类检测结果确定模块，用于如果使用分类模型确定当前识别的车辆驶入判定图像中包括目标车辆，则确定待检测车位中驶入目标车辆。
在上述各实施例的基础上，还可以包括：
图像比对模块，用于在如果使用分类模型确定当前识别的车辆驶入判定图像中包括目标车辆，则确定待检测车位中驶入目标车辆之前，如果使用目标检测算法确定当前识别的车辆驶入判定图像中不包括目标车辆，则将当前识别的车辆驶入判定图像与待检测车位的空车位图像进行比对；
第一比对结果确定模块，用于如果比对结果为当前识别的车辆驶入判定图像中不包括目标车辆，则将下一幅车辆驶入判定图像确定为当前识别的车辆驶入判定图像，并返回调用第一目标检测结果确定模块；
第二比对结果确定模块，用于如果比对结果为当前识别的车辆驶入判定图像中包括目标车辆，则使用分类模型确定当前识别的车辆驶入判定图像中是否包括目标车辆。
在上述各实施例的基础上，还可以包括：
第二分类检测结果确定模块，用于在如果使用目标检测算法确定当前识别的车辆驶入判定图像中包括目标车辆，但当前识别的车辆驶入判定图像的可信度小于等于设定阈值，则使用分类模型确定当前识别的车辆驶入判定图像中是否包括目标车辆之后，如果使用分类模型确定当前识别的车辆驶入判定图像中不包括目标车辆，则检测当前识别的车辆驶入判定图像中是否包括车牌信息；
车牌信息检测结果确定模块，用于如果检测到当前识别的车辆驶入判定图像中包括车牌信息，则确定待检测车位中驶入目标车辆。
本发明实施例所提供的车位状态检测装置可用于执行本发明任意实施例提供的车位状态检测方法，具备相应的功能模块，实现相同的有益效果。
实施例六
图6为本发明实施例六提供的一种设备的结构示意图。图6示出了适于用来实现本发明实施方式的示例性设备12的框图。图6显示的设备12仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
如图6所示，设备12以通用计算设备的形式表现。设备12的组件可以包括但不限于：一个或者多个处理器或者处理单元16，系统存储器28，连接不同系统组件(包括系统存储器28和处理单元16)的总线18。
总线18表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器，外围总线，图形加速端口，处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说，这些体系结构包括但不限于工业标准体系结构(ISA)总线，微通道体系结构(MAC)总线，增强型ISA总线、视频电子标准协会(VESA)局域总线以及外围组件互连(PCI)总线。
设备12典型地包括多种计算机系统可读介质。这些介质可以是任何能够被设备12访问的可用介质，包括易失性和非易失性介质，可移动的和不可移动的介质。
系统存储器28可以包括易失性存储器形式的计算机系统可读介质，例如随机存取存储器(RAM)30和/或高速缓存存储器32。设备12可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例，存储系统34可以用于读写不可移动的、非易失性磁介质(图6未显示，通常称为“硬盘驱动器”)。尽管图6中未示出，可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器，以及对可移动非易失性光盘(例如CD-ROM，DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据介质接口与总线18相连。存储器28可以包括至少一个程序产品，该程序产品具有一组(例如至少一个)程序模块，这些程序模块被配置以执行本发明各实施例的功能。
具有一组(至少一个)程序模块42的程序/实用工具40，可以存储在例如存储器28中，这样的程序模块42包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块42通常执行本发明所描述的实施例中的功能和/或方法。
设备12也可以与一个或多个外部设备14(例如键盘、指向设备、显示器24等)通信，还可与一个或者多个使得用户能与该设备12交互的设备通信，和/或与使得该设备12能与一个或多个其它计算设备进行通信的任何设备(例如网卡，调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口22进行。并且，设备12还可以通过网络适配器20与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。如图所示，网络适配器20通过总线18与设备12的其它模块通信。应当明白，尽管图中未示出，可以结合设备12使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
处理单元16通过运行存储在系统存储器28中的程序，从而执行各种功能应用以及数据处理，例如实现本发明实施例所提供的车位状态检测方法。也即：在确定待检测车位中驶入目标车辆时，按照设定时间间隔获取车位状态图像进行车辆识别；如果确定当前识别的车位状态图像中不包括所述目标车辆，则按照各所述车位状态图像的获取时间，倒序获取第一张包括所述目标车辆的车位状态图像对应的目标车辆所在位置区域；根据所述目标车辆所在位置区域与所述车位状态图像对应的车辆上升图像区域的位置关系，确定与所述待检测车位对应的当前车位状态。
实施例六
本发明实施例六还提供了一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行本发明实施例所述的车位状态检测方法。也即：在确定待检测车位中驶入目标车辆时，按照设定时间间隔获取车位状态图像进行车辆识别；如果确定当前识别的车位状态图像中不包括所述目标车辆，则按照各所述车位状态图像的获取时间，倒序获取第一张包括所述目标车辆的车位状态图像对应的目标车辆所在位置区域；根据所述目标车辆所在位置区域与所述车位状态图像对应的车辆上升图像区域的位置关系，确定与所述待检测车位对应的当前车位状态。
本发明实施例的计算机存储介质，可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括——但不限于无线、电线、光缆、RF等等，或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。
Claims (10)
1.一种车位状态检测方法，其特征在于，包括：
在确定待检测车位中驶入目标车辆时，按照设定时间间隔获取车位状态图像进行车辆识别；
如果确定当前识别的车位状态图像中不包括所述目标车辆，则按照各所述车位状态图像的获取时间，倒序获取第一张包括所述目标车辆的车位状态图像对应的目标车辆所在位置区域；
根据所述目标车辆所在位置区域与所述车位状态图像对应的车辆上升图像区域的位置关系，确定与所述待检测车位对应的当前车位状态。
2.根据权利要求1所述的方法，其特征在于，根据所述目标车辆所在位置区域与所述车位状态图像对应的车辆上升图像区域的位置关系，确定与所述待检测车位对应的当前车位状态，包括：
如果确定所述目标车辆所在位置区域全部位于所述车位状态图像对应的车辆上升图像区域内，则确定与所述待检测车位对应的当前车位状态为车辆上升状态。
3.根据权利要求1所述的方法，其特征在于，根据所述目标车辆所在位置区域与所述车位状态图像对应的车辆上升图像区域的位置关系，确定与所述待检测车位对应的当前车位状态，包括：
如果确定所述目标车辆所在位置区域并非全部位于所述车位状态图像对应的车辆上升图像区域内，则确定与所述待检测车位对应的当前车位状态为车辆驶离状态。
4.根据权利要求1所述的方法，其特征在于，根据所述目标车辆所在位置区域与所述车位状态图像对应的车辆上升图像区域的位置关系，确定与所述待检测车位对应的当前车位状态，包括：
如果确定所述目标车辆所在位置区域并非全部位于所述车位状态图像对应的车辆上升图像区域内，则继续获取所述当前识别的车位状态图像之后连续的设定数量的车位状态图像进行车辆识别；
如果确定所述设定数量的车位状态图像中均不包括所述目标车辆，则确定所述待检测车位的当前车位状态为车辆驶离状态。
5.根据权利要求1所述的方法，其特征在于，在所述在确定待检测车位中驶入目标车辆时，按照设定时间间隔获取车位状态图像进行车辆识别之前，还包括：
依据所述设定时间间隔，获取所述待检测车位的车辆驶入判定图像；
如果使用目标检测算法确定当前识别的车辆驶入判定图像中包括所述目标车辆且所述当前识别的车辆驶入判定图像的可信度大于设定阈值，则确定所述待检测车位中驶入所述目标车辆；
如果使用目标检测算法确定所述当前识别的车辆驶入判定图像中包括所述目标车辆，但所述当前识别的车辆驶入判定图像的可信度小于等于设定阈值，则使用分类模型确定所述当前识别的车辆驶入判定图像中是否包括所述目标车辆；
如果使用分类模型确定所述当前识别的车辆驶入判定图像中包括所述目标车辆，则确定所述待检测车位中驶入所述目标车辆。
6.根据权利要求5所述的方法，其特征在于，在所述如果使用分类模型确定所述当前识别的车辆驶入判定图像中包括所述目标车辆，则确定所述待检测车位中驶入所述目标车辆之前，还包括：
如果使用目标检测算法确定所述当前识别的车辆驶入判定图像中不包括所述目标车辆，则将所述当前识别的车辆驶入判定图像与所述待检测车位的空车位图像进行比对；
如果比对结果为所述当前识别的车辆驶入判定图像中不包括所述目标车辆，则将下一幅车辆驶入判定图像确定为当前识别的车辆驶入判定图像，并返回执行所述如果使用目标检测算法确定当前识别的车辆驶入判定图像中包括所述目标车辆且所述当前识别的车辆驶入判定图像的可信度大于设定阈值，则确定所述待检测车位中驶入所述目标车辆的操作；
如果比对结果为所述当前识别的车辆驶入判定图像中包括所述目标车辆，则使用分类模型确定所述当前识别的车辆驶入判定图像中是否包括所述目标车辆。
7.根据权利要求5所述的方法，其特征在于，在所述如果使用目标检测算法确定所述当前识别的车辆驶入判定图像中包括所述目标车辆，但所述当前识别的车辆驶入判定图像的可信度小于等于设定阈值，则使用分类模型确定所述当前识别的车辆驶入判定图像中是否包括所述目标车辆之后，还包括：
如果使用分类模型确定所述当前识别的车辆驶入判定图像中不包括所述目标车辆，则检测所述当前识别的车辆驶入判定图像中是否包括车牌信息；
如果检测到所述当前识别的车辆驶入判定图像中包括车牌信息，则确定所述待检测车位中驶入所述目标车辆。
8.一种车位状态检测装置，其特征在于，包括：
车位状态图像获取模块，用于在确定待检测车位中驶入目标车辆时，按照设定时间间隔获取车位状态图像进行车辆识别；
目标车辆所在位置区域获取模块，用于如果确定当前识别的车位状态图像中不包括所述目标车辆，则按照各所述车位状态图像的获取时间，倒序获取第一张包括所述目标车辆的车位状态图像对应的目标车辆所在位置区域；
当前车位状态确定模块，用于根据所述目标车辆所在位置区域与所述车位状态图像对应的车辆上升图像区域的位置关系，确定与所述待检测车位对应的当前车位状态。
9.一种设备，其特征在于，所述设备包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-7中任一项所述的车位状态检测方法。
10.一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行如权利要求1-7中任一项所述的车位状态检测方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811643732.7A CN111383457B (zh) | 2018-12-30 | 2018-12-30 | 车位状态检测方法及装置、设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811643732.7A CN111383457B (zh) | 2018-12-30 | 2018-12-30 | 车位状态检测方法及装置、设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111383457A true CN111383457A (zh) | 2020-07-07 |
| CN111383457B CN111383457B (zh) | 2021-02-09 |
Family
ID=71216716
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811643732.7A Active CN111383457B (zh) | 2018-12-30 | 2018-12-30 | 车位状态检测方法及装置、设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111383457B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
| CN113593297A (zh) * | 2021-07-29 | 2021-11-02 | 浙江大华技术股份有限公司 | 一种停车位状态检测方法和装置 |
Citations (19)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2003085313A (ja) * | 2001-09-11 | 2003-03-20 | Tsubasa System Co Ltd | 車両救援通信システム |
| CN1658220A (zh) * | 2003-12-11 | 2005-08-24 | 索尼英国有限公司 | 目标检测 |
| US7095432B2 (en) * | 2001-07-18 | 2006-08-22 | Kabushiki Kaisha Toshiba | Image processing apparatus and method |
| CN101025386A (zh) * | 2006-02-17 | 2007-08-29 | 上海通运汽车科技有限公司 | 汽车检测系统 |
| US20070250232A1 (en) * | 2004-11-17 | 2007-10-25 | Autocheckmate Llc | Automated Vehicle Check-In Inspection Method and System With Digital Image Archiving |
| KR20100119297A (ko) * | 2009-04-30 | 2010-11-09 | 서울특별시 | 이동식 지아이에스 시스템 |
| CN103347297A (zh) * | 2013-07-26 | 2013-10-09 | 闫文闻 | 一种室内定位方法、室内定位服务器和室内定位系统 |
| CN104925087A (zh) * | 2015-06-11 | 2015-09-23 | 魏来 | 用于铁路机车的检修平台 |
| CN105138989A (zh) * | 2015-08-26 | 2015-12-09 | 浙江宇视科技有限公司 | 一种车辆遮阳板状态检测方法及装置 |
| CN105390021A (zh) * | 2015-11-16 | 2016-03-09 | 北京蓝卡科技股份有限公司 | 车位状态的检测方法及装置 |
| CN105658496A (zh) * | 2013-06-14 | 2016-06-08 | C·利伯 | 用于保护人员免受移动的轨道车辆伤害的保护壁 |
| DE102015208914A1 (de) * | 2015-04-30 | 2016-11-03 | Volkswagen Aktiengesellschaft | Verfahren zur Unterstützung eines Fahrzeugs |
| CN106223686A (zh) * | 2016-09-13 | 2016-12-14 | 成都创慧科达科技有限公司 | 一种智能立体停车场 |
| CN107665603A (zh) * | 2017-09-06 | 2018-02-06 | 哈尔滨工程大学 | 一种判定车位占用的实时检测方法 |
| CN207281809U (zh) * | 2017-06-29 | 2018-04-27 | 深圳市点嘀互联网络有限公司 | 基于物联网的4s店智慧车间系统 |
| CN207543254U (zh) * | 2017-12-15 | 2018-06-26 | 上海顶昂信息科技有限公司 | 一种基于视频的汽车维修工位利用率检测装置 |
| CN108262927A (zh) * | 2018-03-27 | 2018-07-10 | 斯沃博达汽车电子（昆山）有限公司 | 一种汽车零件注塑过程监控装置及方法 |
| CN108399752A (zh) * | 2018-04-28 | 2018-08-14 | 上海与德科技有限公司 | 一种驾驶违章预判方法、装置、服务器和介质 |
| CN108713209A (zh) * | 2018-05-30 | 2018-10-26 | 深圳市元征科技股份有限公司 | 维修工位的管理方法、系统及数据管理服务器 |
-
2018
- 2018-12-30 CN CN201811643732.7A patent/CN111383457B/zh active Active
Patent Citations (19)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7095432B2 (en) * | 2001-07-18 | 2006-08-22 | Kabushiki Kaisha Toshiba | Image processing apparatus and method |
| JP2003085313A (ja) * | 2001-09-11 | 2003-03-20 | Tsubasa System Co Ltd | 車両救援通信システム |
| CN1658220A (zh) * | 2003-12-11 | 2005-08-24 | 索尼英国有限公司 | 目标检测 |
| US20070250232A1 (en) * | 2004-11-17 | 2007-10-25 | Autocheckmate Llc | Automated Vehicle Check-In Inspection Method and System With Digital Image Archiving |
| CN101025386A (zh) * | 2006-02-17 | 2007-08-29 | 上海通运汽车科技有限公司 | 汽车检测系统 |
| KR20100119297A (ko) * | 2009-04-30 | 2010-11-09 | 서울특별시 | 이동식 지아이에스 시스템 |
| CN105658496A (zh) * | 2013-06-14 | 2016-06-08 | C·利伯 | 用于保护人员免受移动的轨道车辆伤害的保护壁 |
| CN103347297A (zh) * | 2013-07-26 | 2013-10-09 | 闫文闻 | 一种室内定位方法、室内定位服务器和室内定位系统 |
| DE102015208914A1 (de) * | 2015-04-30 | 2016-11-03 | Volkswagen Aktiengesellschaft | Verfahren zur Unterstützung eines Fahrzeugs |
| CN104925087A (zh) * | 2015-06-11 | 2015-09-23 | 魏来 | 用于铁路机车的检修平台 |
| CN105138989A (zh) * | 2015-08-26 | 2015-12-09 | 浙江宇视科技有限公司 | 一种车辆遮阳板状态检测方法及装置 |
| CN105390021A (zh) * | 2015-11-16 | 2016-03-09 | 北京蓝卡科技股份有限公司 | 车位状态的检测方法及装置 |
| CN106223686A (zh) * | 2016-09-13 | 2016-12-14 | 成都创慧科达科技有限公司 | 一种智能立体停车场 |
| CN207281809U (zh) * | 2017-06-29 | 2018-04-27 | 深圳市点嘀互联网络有限公司 | 基于物联网的4s店智慧车间系统 |
| CN107665603A (zh) * | 2017-09-06 | 2018-02-06 | 哈尔滨工程大学 | 一种判定车位占用的实时检测方法 |
| CN207543254U (zh) * | 2017-12-15 | 2018-06-26 | 上海顶昂信息科技有限公司 | 一种基于视频的汽车维修工位利用率检测装置 |
| CN108262927A (zh) * | 2018-03-27 | 2018-07-10 | 斯沃博达汽车电子（昆山）有限公司 | 一种汽车零件注塑过程监控装置及方法 |
| CN108399752A (zh) * | 2018-04-28 | 2018-08-14 | 上海与德科技有限公司 | 一种驾驶违章预判方法、装置、服务器和介质 |
| CN108713209A (zh) * | 2018-05-30 | 2018-10-26 | 深圳市元征科技股份有限公司 | 维修工位的管理方法、系统及数据管理服务器 |
Non-Patent Citations (2)
| Title |
|---|
| ARIAN KHALEGHIMOGHADAM: "The abatement cost function for a representative vehicle inspection and maintenance program", 《TRANSPORTATION RESEARCH PART D: TRANSPORT AND ENVIRONMENT》 * |
| 张新平: "检修分离、共享工位会成为汽修的新业态吗", 《汽车维修与保养》 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
| CN113593297A (zh) * | 2021-07-29 | 2021-11-02 | 浙江大华技术股份有限公司 | 一种停车位状态检测方法和装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111383457B (zh) | 2021-02-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN103512762B (zh) | 图像处理方法、装置及列车故障检测系统 | |
| CN112820137B (zh) | 一种停车场的管理方法及装置 | |
| CN111383457B (zh) | 车位状态检测方法及装置、设备及存储介质 | |
| CN103465857A (zh) | 一种基于手机的汽车主动安全的预警方法 | |
| CN112115927A (zh) | 一种基于深度学习的机房设备智能识别方法及系统 | |
| CN110232368B (zh) | 车道线检测方法、装置、电子设备及存储介质 | |
| CN112613424A (zh) | 铁轨障碍物检测方法、装置、电子设备和存储介质 | |
| CN112381014A (zh) | 一种基于城市道路的违停车辆检测及管理方法及系统 | |
| CN111382735A (zh) | 夜间车辆检测方法、装置、设备及存储介质 | |
| CN110111018B (zh) | 评估车辆感测能力的方法、装置、电子设备及存储介质 | |
| CN114419601A (zh) | 障碍物信息确定方法、装置、电子设备以及存储介质 | |
| CN112485801A (zh) | 一种障碍物位置确定方法、系统、计算机设备和存储介质 | |
| US20220019818A1 (en) | Method and system for vehicle parking detection, and storage medium | |
| CN114359865A (zh) | 一种障碍物的检测方法及相关装置 | |
| CN113936232A (zh) | 一种碎屏识别方法、装置、设备和存储介质 | |
| CN116990768A (zh) | 预测航迹处理方法、装置、电子设备及可读介质 | |
| CN111626189A (zh) | 一种路面异常检测方法、装置、电子设备及存储介质 | |
| CN114926817B (zh) | 识别车位的方法、装置、电子设备和计算机可读存储介质 | |
| CN116447972A (zh) | 一种整车零部件的尺寸参数检测方法、装置和存储介质 | |
| CN114549624B (zh) | 一种标签识别的方法、装置、电子设备、存储介质及标签 | |
| CN113469086B (zh) | 建筑平面图中的区域划分方法、装置、设备及介质 | |
| CN209216286U (zh) | 一种能够精确识别车牌信息的车牌识别系统 | |
| CN114862944A (zh) | 一种车辆位姿检测方法、装置及电子设备 | |
| CN115359438A (zh) | 一种基于计算机视觉的车辆加塞的检测方法、系统和装置 | |
| CN111429701B (zh) | 报警方法、装置、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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |