CN112364742A - 一种车位管理方法、装置、计算机设备及存储介质 - Google Patents
一种车位管理方法、装置、计算机设备及存储介质 Download PDFInfo
- Publication number
- CN112364742A CN112364742A CN202011203416.5A CN202011203416A CN112364742A CN 112364742 A CN112364742 A CN 112364742A CN 202011203416 A CN202011203416 A CN 202011203416A CN 112364742 A CN112364742 A CN 112364742A
- Authority
- CN
- China
- Prior art keywords
- parking space
- vehicle
- information
- event
- parking
- 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.)
- Withdrawn
Links
Images
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
- 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
- G06V20/46—Extracting features or characteristics from the video content, e.g. video fingerprints, representative shots or key frames
-
- 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
Abstract
本专利公开了一种车位管理方法、装置、计算机设备及存储介质,涉及智能交通领域,用于实现小型交通工具车位的智能化监管,有效解决因挪车所导致的订单割裂问题,提供路侧泊位管理效率,节省人力资源。本发明的主要技术方案为:获取摄像设备拍摄的视频帧,算法模块识别视频帧内交通工具与行人,获取场景信息;对所述场景信息中的目标车辆进行跟踪,并进行车辆特征信息识别;结合所述目标车辆信息、所述场景信息和车位信息,处理车位内目标车辆的车辆事件,包括检测入位事件、离位事件、挪车事件,并更新所述车位信息。结合所述车位信息和所述场景信息,处理车位内目标车辆的数量变化,包括检测离位事件并更新所述车位信息。
Description
技术领域
本发明涉及智能交通领域,尤其涉及一种车位管理方法、装置、计算机设备及存储介质。
技术背景
随着社会发展,越来越多家庭购置了汽车,交通拥堵现象日益严重,在中短距离出行的情况下,越来越多人选择小型交通工具出行,例如电瓶车、自行车、摩托车等,部分城市开始设置小型交通工具专用停车位,小型交通工具具有流动性强、数量大的特点,对其停车位进行有效管理成为一个难题。
当前,现有技术中针对小型交通工具的停车管理系统十分缺乏,实际生活中主要以人工管理为主。由于小型交通工具具有流动性较强、数量大、体型小、重量轻的特点,会存在车辆停放好后被人为挪动的情况,挪动后容易被识别成新的入位事件,由此原订单将会被分割成两个订单,造成订单管理混乱。现有技术中,与之相似的针对汽车车位管理的方案并不能解决上述问题。
本方案提出一种车位管理方法、装置、计算机设备及存储介质,通过利用人工智能算法实现对小型交通工具车位的智能化监管,可以有效减少因挪车而产生的订单割裂问题,有效管理路侧的泊位,节省人力资源。
发明内容
本发明提供一种车位管理方法、装置、计算机设备及存储介质,用于解决路测小型交通工具车位管理中,因挪车而产生的订单割裂问题。
本发明实施例提供一种车位管理方法,所述方法包括:
获取摄像设备拍摄的视频帧,识别视频帧内交通工具与行人,获取场景信息;
对所述场景信息中的目标车辆进行跟踪,并进行车辆特征信息识别,形成目标车辆信息;
结合所述目标车辆信息、所述场景信息和车位信息,处理车位内目标车辆的车辆事件,包括检测入位事件、离位事件、挪车事件,并更新所述车位信息;
结合所述车位信息和所述场景信息,处理车位内目标车辆的数量变化,检测离位事件并更新所述车位信息。
可选的,所述目标车辆为电瓶车、自行车、摩托车等小型交通工具。
可选的,同一车位可与多个车辆进行匹配,单一车辆仅能与唯一车位进行匹配。
可选的,在处理所述车位内目标车辆事件和处理所述车位内目标车辆的数量变化时,均判断是否存在遮挡;若存在遮挡,则不进行处理,等待后续帧进行判断;若不存在遮挡,则进入相关处理流程。
可选的,处理所述车位内目标车辆的车辆事件时,首先判断车位内目标车辆与该车位记录的车辆是否一致;若所述车位内目标车辆与该车位记录的车辆一致,且车位内已记录入位事件,且满足离位更新条件的情况下,进入离位事件判断流程;若所述车位内目标车辆与该车位记录的车辆一致,但车位内未记录入位事件,则进行入位事件判断;若所述车位内目标车辆与该车位记录的车辆不一致,则进行挪车事件判断。
可选的,将所述目标车辆信息、所述目标车辆的车辆事件、所述车位信息和相应视频帧进行汇总、整理,生成订单信息,更新车位状态,并对相关图像进行留档保存。同时将所述订单信息、所述车位状态发送至用户。
本发明实施例提供一种车位管理装置,所属装置包括:
获取模块,用于获取摄像设备拍摄视频帧,并通过识别视频帧内交通工具与行人,获取场景信息;
跟踪识别模块,用于对所述场景信息中的目标车辆进行跟踪,并识别车辆特征信息;
检测处理模块,用于检测车辆事件和处理车位信息;所述车辆事件包括入位事件、离位事件和挪车事件;
发送模块,用于将所述当前的车位状态信息和订单信息发送给预置范围内的车主客户端。
可选的,所述检测处理模块包括:入位事件判断单元,用于判断车位内目标车辆的入位事件;离位事件判断单元,用于判断车位内目标车辆的离位事件;挪车事件判断单元,用于判断车位内目标车辆的挪车事件;车位状态更新单元,用于处理车位内目标车辆的数量变化,判断因车位内目标车辆的数量变化而产生的离位事件,并更新车位信息。
本发明实施例提供一种计算机设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现上述车位管理方法。
本发明实施例提供一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现上述车位管理方法。
本发明提供的一种车位管理方法、装置、计算机设备及存储介质,首先,获取摄像设备拍摄的视频帧,识别视频帧内交通工具与行人,获取场景信息;然后,对所述场景信息中的目标车辆进行跟踪,并进行车辆特征信息识别,形成目标车辆信息;之后,结合所述目标车辆信息、所述场景信息和车位信息,处理车位内目标车辆的车辆事件,包括检测入位事件、离位事件、挪车事件,并更新所述车位信息;最后,结合所述车位信息和所述场景信息,处理车位内目标车辆的数量变化,检测离位事件并更新所述车位信息。
与现有车位管理系统相比,本发明可以允许同一车位与多个车辆进行匹配,但单一车辆只允许匹配一个车位,同时通过引入车位占用编号,可以有效识别挪车事件,有效减少因挪车而产生的订单割裂问题。因此通过本发明可以实现对小型交通工具车位的智能化监管,有效管理路测泊位,节省人力资源。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对本发明实施例的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一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1是本发明一实施例中车位管理方法的一应用环境示意图;
图2是本发明一实施例中车位管理方法的一流程图;
图3是本发明一实施例中处理车位内目标车辆事件的流程图;
图4是本发明一实施例中挪车事件判断流程图;
图5是本发明一实施例中入位事件判断流程图;
图6是本发明一实施例中离位事件判断流程图;
图7是本发明一实施例中处理车位内目标数量变化的流程图;
图8是本发明一实施例中车位管理装置的一原理框图;
图9是本发明一实施例中计算机设备的一示意图。
具体实施方式
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作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。
本申请提供的车位管理方法,可应用在如图1的应用环境中,其中,摄像设备具备数据接收和发送功能,可以通过网络与服务器进行数据交换。摄像设备为广景摄像设备,安装选点原则为摄像装备能够观察到所需监控的所有车位,并能够捕获到可辨认的车牌。其中,计算机设备可以但不限于各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备。服务器可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
在一实施例中,如图2所示,提供一种车位管理方法,该方法以视频帧为处理对象,各步骤均为对视频帧处理的方法。以下所述目标车辆,代指视频帧内的小型交通工具。以该方法应用在图1中的服务器为例进行说明,包括如下步骤:
(步骤S10)获取摄像设备拍摄的视频帧,算法模块识别视频帧内交通工具与行人,获取场景信息。
在本发明提供的一个实施例中,所述摄像设备为枪式摄像机,固定安装于高位,摄像机拍摄范围覆盖所有需要监控的车位。本发明实施例中,摄像机对场景实时采集图像视频,将一帧图像传送至服务器,进行后续的算法处理,一帧处理完后会持续实时发送下一帧到服务器。
在本发明实施例中,算法模块是使用现有的深度学习网络技术加以训练重新构建的多分类检测模型。
在本发明实施例中,场景信息包括小型交通工具,汽车,行人的检测框坐标及类别。其中,小型交通工具的检测框包括整车和车头车尾检测框。小型交通工具的车头车尾检测框为后续算法的主要关注目标,用于判断目标车辆的关键点是否落在车位内,将目标车辆与车位进行匹配。
在本发明实施例中,场景信息还用于判断车位内目标车辆或车位是否被遮挡。判断遮挡的条件包括,当前帧检测到的其他交通参与者的检测框与车位的位置关系是否重合、前后两帧之间检测到的车位内目标车辆数量是否存在锐减、当前帧电瓶车整车检测框中是否有与当前车位存在较高重叠度的情况,若有则判断车头车尾框可能被遮挡,但能检测到整车、当前帧中车位外的目标车辆,以及其他交通参与者的检测框与车位的关系,判断车位是否被其他目标遮挡。上述条件根据适用场景不同,可择一或组合适用,本发明实施例不做具体限定。
(步骤S20)对所述场景信息中的目标车辆进行跟踪,并进行车辆特征信息识别;
其中,所述车辆特征信息为车牌号、车体特征等可以区分特定车辆的特征信息或其组合。
本发明实施例中,对目标车辆进行跟踪的算法,已由申请人所申请的公开号为CN110533693A的发明专利公开。由跟踪算法组成的跟踪模块,依据目标车辆的运动轨迹等信息对目标车辆进行编号,以实现对相同的目标车辆进行跨帧持续标记。
本发明一实施例中,所述车辆特征信息为车牌号,车牌识别算法为现有技术,已由申请人所申请的公开号为CN107092912A的发明专利公开。
在进行车辆特征信息识别前,首先判断是否需要进行特定车辆信息识别。
本发明实施例中,所述判断是否需要进行特定车辆信息识别的条件为,服务器中是否已存有目标车辆的特征信息,且当前帧是否具备目标特征清晰可识别的条件。若服务器中尚未存有目标车辆的特征信息,且当前帧具备目标特征清晰可识别的条件,则对目标车辆进行特征信息识别。若当前帧不满足上述条件,则等待后续视频帧进行识别,直接进入后续流程,即步骤S30。
(步骤S30)结合所述目标车辆信息、所述场景信息和车位信息,处理车位内目标车辆的车辆事件。
所述目标车辆信息包括车辆特征信息、车辆跟踪编号等与特定车辆相关的识别信息;所述车辆事件包括入位事件、离位事件、挪车事件;所述车位信息包括车位内目标车辆的占用编号、车位内记录的入位事件和目标车辆与车位的绑定信息;
如图3所示,在本发明提供的一个实施例中,步骤S30处理车位内目标车辆及相关信息,包括:
(步骤S301)判断车位或车位内目标车辆是否被遮挡。
在本发明提供的一实施例中,所述判断遮挡的方法为:
通过两帧之间检测到的车位内目标车辆数量差异进行判断,若当前帧较上一帧车位内目标车辆数量锐减,判断当前帧可能被大型车辆遮挡,直接返回,等待后续帧判断;
如果在步骤S301中判定当前视频帧内存在遮挡情况,则执行步骤S301A,返回等待后续帧判断;若不存在遮挡情况,则进入步骤S302。
(步骤S302)判断车位内目标车辆与该车位记录的车辆是否一致。判断依据为车位信息中的目标车辆与车位的绑定信息,与当前车位内目标车辆的车辆信息是否一致,具体为对比车辆的检测框信息,根据位置关系判断目标是否为已绑定目标。
若车位内目标车辆信息与该车位记录的车辆信息不一致,则可能存在所述目标车辆停放后被人为挪动的情况,执行步骤S302A,进行挪车事件判断。若车位内目标车辆信息与该车位记录的车辆信息一致,则说明不存在人为挪动的情况,进入步骤S303,进行后续入离位事件判断。
(步骤S302A)在本发明提供的一个实施例中,步骤S302A挪车事件判断如图3所示:
首先判断当前目标车辆是否有绑定车位,判断依据为所述目标车辆信息中的跟踪编号是否记录于其他车位信息中。
若当前目标车辆没有绑定车位,则为所述目标车辆生成新的占用编号,并将当前目标车辆与其停放入的车位绑定;
若当前目标车辆有绑定车位,则判断该目标车辆跟踪编号下是否已生成入位事件,判断依据为查询所述目标车辆所绑定的车位中是否记录相应的入位事件。
若该目标车辆跟踪编号下没有生成入位事件,则判定该车辆为其他车位的过路车辆,将原绑定车位中的相关车辆信息清空,在当前车位中生成新的占用编号,填入该目标车辆的信息,并与当前车位进行绑定,并等待后续帧操作;
若该目标车辆跟踪编号下生成了入位事件,则判定该车辆发生了挪车事件,不重复发送入位事件,将该目标车辆与原入位车位解除绑定,在当前车位中生成新的占用编号,填入该目标车辆的信息并与当前车位绑定,同时将原入位车位设置为关联车位,以方便后续统计。
(步骤S303)判断该车位是否已记录入位事件。(执行此步的前提条件为,当前车位内目标车辆信息与该车位所记录的车辆信息一致,即在S302中判断为“是”)
若该车位内尚未记录入位事件,在该情况下目标车辆已与车位进行绑定,但由于此前未达到入位标准,尚未判定为入位,因此进入步骤S303A,进行入位事件判断;
若该车位内已记录入位事件,在该情况下目标车辆已停放好并形成了入位事件,且通过此前判断未发生挪车事件,因此进入步骤S304,进行离位事件判断。
所述车位内记录的入位事件属于所述车位信息的子项,该项信息来源于此前视频帧的判断结果。
(步骤S303A)在本发明提供的一实施例中,步骤S303A,即入位事件判断流程如图5所示:
首先根据跟踪编号,判断当前目标车辆与车位内记录的车辆是否一致,若不一致,则更新车位内绑定的目标信息,调整为绑定当前目标车辆;
若当前目标车辆与车位内记录的车辆一致,则判断车内目标是否多帧内未进行大幅移动,即是否达到入位条件。若不满足入位条件,则延迟入位,等待后续视频帧判断;若满足入位条件,则记录该入位事件。
(步骤S304)判断是否满足离位更新条件。
在本发明的一个实施例中,所述离位更新条件包括,车位信息是否发生变化、离位更新周期计时、此前视频帧中是否存在当前关注的车位内目标车辆信息与系统记录的车位内目标车辆信息不匹配的情况、此前视频帧是否检测到车位或目标被遮挡。
在本发明提供的一个实施例中,若当前帧图像内各车位占用状态未发生变化,则等待离位更新周期计时达阈值后进行离位更新。在本发明提供的一个实施例中,离位更新周期为5分钟,可根据实际监控车位流量情况进行延长或缩短。
在本发明提供的一个实施例中,若上一视频帧内检测到当前关注的车位内目标车辆信息与系统记录的车位内目标车辆信息不匹配,或上一视频帧内检测到车位或目标被遮挡但未作处理,则进入步骤S305,进行离位事件判断(具体流程见图6)
若不满足离位更新条件,则执行步骤S304A,返回进行后续车位内目标车辆的判断。
(步骤S305)进行离位事件判断。在本发明提供的一个实施例中,离位事件判断流程如图6所示:
(S305-1)首先对车位内目标车辆信息与服务器记录的车位内目标车辆信息进行匹配,匹配判断若一致,则车位内目标车辆未离位,将当前帧的时间,图片,目标车辆信息等数据更新到车位信息中,作为将来车位内目标车辆离位时的凭据;
(S305-2)若匹配判断不一致,则首先判断是否存在车位内目标车辆或车位被遮挡的情况。
存在遮挡时,虽能检测到车位内有目标车辆,但可能因为车位外小型交通工具、汽车、行人等其他交通参与者的停留,遮挡车位内目标车辆的车头或车尾,导致匹配不一致。此时需要通过获取当前帧检测到的其他交通参与者的检测框与车位的位置关系判断,判断车位是否被遮挡。若存在遮挡,则延迟离位,返回等待后续帧判断;
(S305-3)若不存在遮挡,判断当前帧图像是否能找到不在车位内的对应的目标车辆,或者判断匹配不一致的累积次数。若当前帧图像能找到不在车位内的对应的目标车辆(正在驶离),或者判断匹配不一致的超过累积次数,则判断为对应目标车辆已离位,当前车位内车辆为已停入而未登记车辆,记录离位事件;若不满足上述要求,则延迟离位,返回等待后续帧判断。
(步骤S40)结合所述车位信息与场景信息,处理车位内目标车辆的数量变化。
在本发明提供的一个实施例中,所述处理车位内目标车辆的数量变化包括检测离位事件和更新所述车位信息。具体流程如图7所示。
(步骤S401)首先获取到各车位内绑定的车辆数量,与当前帧中对应车位内数量进行比较,判断是否存在当前帧下车位内车辆数目减少的车位。若不存在数量变化,则存在两种情况:一为车位内车辆未出现离位情况,也没有新车辆停入,此时记录当前车位信息,以作为将来判定离位时间的依据,记录后返回等待后续帧操作;第二种情况为车位内出现了离位情况,同时又有新的车辆停入,虽车位内目标车辆数量保持不变,但需处理新的入位事件和离位事件,这种情况称为离位换车。因此为判断和处理离位换车,本实施例设置一计时阈值,称为离位更新时长。当计时超过阈值时,通过判断车辆是否挪动、对比记录的车辆信息、匹配相似度等方法,判断是否存在离位换车情况,若存在则生成相应的离位事件。若检测到车位内车辆数目减少,则对所有车辆数目减少的车位依次进行如下处理:
(步骤S402)首先获得车位内丢失目标的占用编号,通过匹配车位内绑定车辆位置信息与当前帧内检测到的在该车位内的关注目标,对比获得丢失的车辆对应的占用编号,并判断该占用编号下是否已有入位事件。
若丢失的占用编号下没有记录入位事件,则判断其为过路车,清空该占用编号下绑定的车辆信息;
若丢失的占用编号下记录有入位事件,则判断其是否构成离位事件。
(步骤S403)在当前场景下判断离位事件,首先判断当前视频帧内车位或车辆是否被遮挡。
若存在遮挡,则返回等待后续帧判断;
(步骤S404)若不存在遮挡,则判断当前帧中是否存在不在车位内的原入位目标(车牌及跟踪编号比对)。
若当前帧中不存在原入位目标,则在满足离位条件的情况下直接记录为离位事件。
若当前视频帧中存在原入位目标,则可能该目标车辆被认为挪动(即属于挪车事件),或可能该车辆正在驶离,因此需要判断距离最后一次进行离位更新的时间间隔是否超过阈值;(步骤S405)
如果距离最后一次进行离位更新的时间间隔未超过阈值,即在较短的时间间隔前曾进行过离位更新判断并记录相关信息,则判断为挪车事件,暂时不记录为离位事件,在这种情况下即使发生误判,停车时长也不会产生较大误差;
如果距离最后一次进行离位更新的时间间隔超过阈值,即较长一段时间未进行过离位更新判断及记录相关信息,则记录为离位事件。
在本发明提供的一个实施例中,所述目标车辆信息、车辆事件、车位信息和相应视频帧在车位事件判断完成后,在服务器中进行汇总、整理,生成订单信息,更新车位状态,并对相关图像进行留档保存。需要说明的是,上述订单信息、车位状态可以发送至用户端,为用户提供车位状态信息,提示车位是否空闲。
应理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本发明实施例的实施过程构成任何限定。
在一实施例中,提供一种车位管理装置,该车位管理装置与上述实施例中车位管理方法一一对应。如图8所示,该车位管理装置包括获取模块10,跟踪识别模块20,检测处理模块30。各功能模块详细说明如下:
获取模块10,用于获取摄像设备拍摄视频帧,并通过识别视频帧内交通工具与行人,获取场景信息;
在本发明提供的一个实施例中,所述摄像设备为枪式摄像机,固定安装于高位,摄像机拍摄范围覆盖所有需要监控的车位。本发明实施例中,摄像机对场景实时采集图像视频,将一帧图像传送至服务器,进行后续的算法处理,一帧处理完后会持续实时发送下一帧到服务器。
在本发明实施例中,算法模块是使用现有的深度学习网络技术加以训练重新构建的多分类检测模型。
在本发明实施例中,场景信息包括小型交通工具,汽车,行人的检测框坐标及类别。其中,小型交通工具的检测框包括整车和车头车尾检测框。小型交通工具的车头车尾检测框为后续算法的主要关注目标,用于判断目标车辆的关键点是否落在车位内,将目标车辆与车位进行匹配。
在本发明实施例中,场景信息还用于判断车位内目标车辆或车位是否被遮挡。判断遮挡的条件包括,当前帧检测到的其他交通参与者的检测框与车位的位置关系是否重合、前后两帧之间检测到的车位内目标车辆数量是否存在锐减、当前帧电瓶车整车检测框中是否有与当前车位存在较高重叠度的情况,若有则判断车头车尾框可能被遮挡,但能检测到整车、当前帧中车位外的目标车辆,以及其他交通参与者的检测框与车位的关系,判断车位是否被其他目标遮挡。上述条件根据适用场景不同,可择一或组合适用,本发明实施例不做具体限定。
跟踪识别模块20,用于对所述场景信息中的目标车辆进行跟踪,并识别车辆特征信息;
其中,所述车辆特征信息为车牌号、车体特征等可以区分特定车辆的特征信息或其组合。
本发明实施例中,对目标车辆进行跟踪的算法,已由申请人所申请的公开号为CN110533693A的发明专利公开。由跟踪算法组成的跟踪模块,依据目标车辆的运动轨迹等信息对目标车辆进行编号,以实现对相同的目标车辆进行跨帧持续标记。
本发明一实施例中,所述车辆特征信息为车牌号,车牌识别算法为现有技术,已由申请人所申请的公开号为CN107092912A的发明专利公开。
在进行车辆特征信息识别前,首先判断车辆特征信息识别的条件是否成就。
本发明实施例中,所述判断是否需要进行特定车辆信息识别的条件为,服务器中是否已存有目标车辆的特征信息,且当前帧是否具备目标特征清晰可识别的条件。若服务器中尚未存有目标车辆的特征信息,且当前帧具备目标特征清晰可识别的条件,则对目标车辆进行特征信息识别。若当前帧不满足上述条件,则等待后续视频帧进行识别,直接进入后续流程,
检测处理模块30,用于检测车辆事件和处理车位信息;所述车辆事件包括入位事件、离位事件和挪车事件;所述车位信息包括车位内目标车辆的占用编号、车位内记录的入位事件和目标车辆与车位的绑定信息。
在一实施例中,上述车位管理装置还包括发送模块40,用于将所述当前的车位状态信息和订单信息发送给预置范围内的车主客户端。
在本发明提供的一个实施例中,所述监测处理模块30包括:
入位事件判断单元301,用于判断车位内目标车辆的入位事件;
首先根据跟踪编号,判断当前目标车辆与车位内记录的车辆是否一致,若不一致,则更新车位内绑定的目标信息,调整为绑定当前目标车辆;
若当前目标车辆与车位内记录的车辆一致,则判断车内目标是否多帧内未进行大幅移动,即是否达到入位条件。若不满足入位条件,则延迟入位,等待后续视频帧判断;若满足入位条件,则记录该入位事件。
离位事件判断单元302,用于判断车位内目标车辆的离位事件,具体流程如下:
首先判断是否满足离位更新条件;
在本发明的一个实施例中,所述离位更新条件包括,车位信息是否发生变化、离位更新周期计时、此前视频帧中是否存在当前关注的车位内目标车辆信息与系统记录的车位内目标车辆信息不匹配的情况、此前视频帧是否检测到车位或目标被遮挡。
在本发明提供的一个实施例中,若当前帧图像内各车位占用状态未发生变化,则等待离位更新周期计时达阈值后进行离位更新。在本发明提供的一个实施例中,离位更新周期为5分钟,可根据实际监控车位流量情况进行延长或缩短。
在本发明提供的一个实施例中,若上一视频帧内检测到当前关注的车位内目标车辆信息与系统记录的车位内目标车辆信息不匹配,或上一视频帧内检测到车位或目标被遮挡但未作处理,则进行离位事件判断。
若不满足离位更新条件,则返回进行后续车位内目标车辆的判断。
离位事件判断首先对车位内目标车辆信息与服务器记录的车位内目标车辆信息进行匹配,匹配判断若一致,则车位内目标车辆未离位,将当前帧的时间,图片,目标车辆信息等数据更新到车位信息中,作为将来车位内目标车辆离位时的凭据;
若匹配判断不一致,则首先判断是否存在车位内目标车辆或车位被遮挡的情况。
存在遮挡时,虽能检测到车位内有目标车辆,但可能因为车位外小型交通工具、汽车、行人等其他交通参与者的停留,遮挡车位内目标车辆的车头或车尾,导致匹配不一致。此时需要通过获取当前帧检测到的其他交通参与者的检测框与车位的位置关系判断,判断车位是否被遮挡。若存在遮挡,则延迟离位,返回等待后续帧判断;
若不存在遮挡,判断当前帧图像是否能找到不在车位内的对应的目标车辆,或者判断匹配不一致的累积次数。若当前帧图像能找到不在车位内的对应的目标车辆(正在驶离),或者判断匹配不一致的超过累积次数,则判断为对应目标车辆已离位,当前车位内车辆为已停入而未登记车辆,记录离位事件;若不满足上述要求,则延迟离位,返回等待后续帧判断。
挪车事件判断单元303,用于判断车位内目标车辆的挪车事件;
首先判断当前目标车辆是否有绑定车位,判断依据为所述目标车辆信息中的跟踪编号是否记录于其他车位信息中。
若当前目标车辆没有绑定车位,则为所述目标车辆生成新的占用编号,并将当前目标车辆与其停放入的车位绑定;
若当前目标车辆有绑定车位,则判断该目标车辆跟踪编号下是否已生成入位事件,判断依据为查询所述目标车辆所绑定的车位中是否记录相应的入位事件。
若该目标车辆跟踪编号下没有生成入位事件,则判定该车辆为其他车位的过路车辆,将原绑定车位中的相关车辆信息清空,在当前车位中生成新的占用编号,填入该目标车辆的信息,并与当前车位进行绑定,并等待后续帧操作;
若该目标车辆跟踪编号下生成了入位事件,则判定该车辆发生了挪车事件,不重复发送入位事件,将该目标车辆与原入位车位解除绑定,在当前车位中生成新的占用编号,填入该目标车辆的信息并与当前车位绑定,同时将原入位车位设置为关联车位,以方便后续统计。
车位状态更新单元304,用于处理车位内目标车辆的数量变化,判断因车位内目标车辆的数量变化而产生的离位事件,并更新车位信息。
首先获取到各车位内绑定的车辆数量,与当前帧中对应车位内数量进行比较,判断是否存在当前帧下车位内车辆数目减少的车位。若不存在数量变化,则存在两种情况:一为车位内车辆未出现离位情况,也没有新车辆停入,此时记录当前车位信息,以作为将来判定离位时间的依据,记录后返回等待后续帧操作;第二种情况为车位内出现了离位情况,同时又有新的车辆停入,虽车位内目标车辆数量保持不变,但需处理新的入位事件和离位事件,这种情况称为离位换车。因此为判断和处理离位换车,本实施例设置一计时阈值,称为离位更新时长。当计时超过阈值时,通过判断车辆是否挪动、对比记录的车辆信息、匹配相似度等方法,判断是否存在离位换车情况,若存在则生成相应的离位事件。若检测到车位内车辆数目减少,则对所有车辆数目减少的车位依次进行如下处理:
首先获得车位内丢失目标的占用编号,通过匹配车位内绑定车辆位置信息与当前帧内检测到的在该车位内的关注目标,对比获得丢失的车辆对应的占用编号,并判断该占用编号下是否已有入位事件。
若丢失的占用编号下没有记录入位事件,则判断其为过路车,清空该占用编号下绑定的车辆信息;
若丢失的占用编号下记录有入位事件,则判断其是否构成离位事件。
在当前场景下判断离位事件,首先判断当前视频帧内车位或车辆是否被遮挡。
若存在遮挡,则返回等待后续帧判断;
若不存在遮挡,则判断当前帧中是否存在不在车位内的原入位目标(车牌及跟踪编号比对)。
若当前帧中不存在原入位目标,则在满足离位条件的情况下直接记录为离位事件。
若当前视频帧中存在原入位目标,则可能该目标车辆被认为挪动(即属于挪车事件),或可能该车辆正在驶离,因此需要判断距离最后一次进行离位更新的时间间隔是否超过阈值;
如果距离最后一次进行离位更新的时间间隔未超过阈值,即在较短的时间间隔前曾进行过离位更新判断并记录相关信息,则判断为挪车事件,暂时不记录为离位事件,在这种情况下即使发生误判,停车时长也不会产生较大误差;
如果距离最后一次进行离位更新的时间间隔超过阈值,即较长一段时间未进行过离位更新判断及记录相关信息,则记录为离位事件。
关于车位管理装置的具体限定可以参见上文中对于车位管理方法的限定,在此不再赘述。上述车位管理装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是服务器,其内部结构图可以如图9所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种车位管理方法。
在一个实施例中,提供了一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,处理器执行计算机程序时实现以下步骤:
获取摄像设备拍摄的视频帧,识别视频帧内交通工具与行人,获取场景信息;
对所述场景信息中的目标车辆进行跟踪,并进行车辆特征信息识别,形成目标车辆信息;
结合所述目标车辆信息、所述场景信息和车位信息,处理车位内目标车辆的车辆事件,包括检测入位事件、离位事件、挪车事件,并更新所述车位信息;
结合所述车位信息和所述场景信息,处理车位内目标车辆的数量变化,检测离位事件并更新所述车位信息。
可选的,所述目标车辆为电瓶车、自行车、摩托车等小型交通工具。
可选的,同一车位可与多个车辆进行匹配,单一车辆仅能与唯一车位进行匹配。
可选的,在处理所述车位内目标车辆事件和处理所述车位内目标车辆的数量变化时,均判断是否存在遮挡;若存在遮挡,则不进行处理,等待后续帧进行判断;若不存在遮挡,则进入相关处理流程。
可选的,处理所述车位内目标车辆的车辆事件时,首先判断车位内目标车辆与该车位记录的车辆是否一致;若所述车位内目标车辆与该车位记录的车辆一致,且车位内已记录入位事件,且满足离位更新条件的情况下,进入离位事件判断流程;若所述车位内目标车辆与该车位记录的车辆一致,但车位内未记录入位事件,则进行入位事件判断;若所述车位内目标车辆与该车位记录的车辆不一致,则进行挪车事件判断。
可选的,将所述目标车辆信息、所述目标车辆的车辆事件、所述车位信息和相应视频帧进行汇总、整理,生成订单信息,更新车位状态,并对相关图像进行留档保存。同时将所述订单信息、所述车位状态发送至用户。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:
获取摄像设备拍摄的视频帧,识别视频帧内交通工具与行人,获取场景信息;
对所述场景信息中的目标车辆进行跟踪,并进行车辆特征信息识别,形成目标车辆信息;
结合所述目标车辆信息、所述场景信息和车位信息,处理车位内目标车辆的车辆事件,包括检测入位事件、离位事件、挪车事件,并更新所述车位信息;
结合所述车位信息和所述场景信息,处理车位内目标车辆的数量变化,检测离位事件并更新所述车位信息。
可选的,所述目标车辆为电瓶车、自行车、摩托车等小型交通工具。
可选的,同一车位可与多个车辆进行匹配,单一车辆仅能与唯一车位进行匹配。
可选的,在处理所述车位内目标车辆事件和处理所述车位内目标车辆的数量变化时,均判断是否存在遮挡;若存在遮挡,则不进行处理,等待后续帧进行判断;若不存在遮挡,则进入相关处理流程。
可选的,处理所述车位内目标车辆的车辆事件时,首先判断车位内目标车辆与该车位记录的车辆是否一致;若所述车位内目标车辆与该车位记录的车辆一致,且车位内已记录入位事件,且满足离位更新条件的情况下,进入离位事件判断流程;若所述车位内目标车辆与该车位记录的车辆一致,但车位内未记录入位事件,则进行入位事件判断;若所述车位内目标车辆与该车位记录的车辆不一致,则进行挪车事件判断。
可选的,将所述目标车辆信息、所述目标车辆的车辆事件、所述车位信息和相应视频帧进行汇总、整理,生成订单信息,更新车位状态,并对相关图像进行留档保存。同时将所述订单信息、所述车位状态发送至用户。
利用本申请实施例提供的车位管理方法、装置、计算机设备及存储介质,具有如下有益效果:与现有车位管理系统相比,本发明可以允许同一车位与多个车辆进行匹配,但单一车辆只允许匹配一个车位,同时通过引入“车位占用编号”这一信息,可以有效识别挪车事件,有效减少因挪车而产生的订单割裂问题。因此通过本发明可以实现对小型交通工具车位的智能化监管,有效管理路测泊位,节省人力资源。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将所述装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。
以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围,均应包含在本发明的保护范围之内。
Claims (10)
1.一种车位管理方法,其特征在于,应用于服务器,所述方法包括:
获取摄像设备拍摄的视频帧,识别视频帧内交通工具与行人,获取场景信息;
对所述场景信息中的目标车辆进行跟踪,并进行车辆特征信息识别,形成目标车辆信息;
结合所述目标车辆信息、所述场景信息和车位信息,处理车位内目标车辆的车辆事件,包括检测入位事件、离位事件、挪车事件,并更新所述车位信息;
结合所述车位信息和所述场景信息,处理车位内目标车辆的数量变化,检测离位事件并更新所述车位信息。
2.根据权利要求1所述的车位管理方法,其特征在于,所述目标车辆为电瓶车、自行车、摩托车等小型交通工具。
3.根据权利要求1所述的车位管理方法,其特征在于,同一车位可与多个车辆进行匹配,单一车辆仅能与唯一车位进行匹配。
4.根据权利要求1所述的车位管理方法,其特征在于,在处理所述车位内目标车辆事件和处理所述车位内目标车辆的数量变化时,均判断是否存在遮挡;
若存在遮挡,则不进行处理,等待后续帧进行判断;
若不存在遮挡,则进入相关处理流程。
5.根据权利要求1所述的车位管理方法,其特征在于,处理所述车位内目标车辆的车辆事件时,首先判断车位内目标车辆与该车位记录的车辆是否一致;
若所述车位内目标车辆与该车位记录的车辆一致,且车位内已记录入位事件,且满足离位更新条件的情况下,进入离位事件判断流程;
若所述车位内目标车辆与该车位记录的车辆一致,但车位内未记录入位事件,则进行入位事件判断;
若所述车位内目标车辆与该车位记录的车辆不一致,则进行挪车事件判断。
6.根据权利要求1所述的车位管理方法,其特征在于,将所述目标车辆信息、所述目标车辆的车辆事件、所述车位信息和相应视频帧进行汇总、整理,生成订单信息,更新车位状态,并对相关图像进行留档保存,同时将所述订单信息、所述车位状态发送至用户。
7.一种车位管理装置,其特征在于,装置包括:
获取模块,用于获取摄像设备拍摄视频帧,并通过识别视频帧内交通工具与行人,获取场景信息;
跟踪识别模块,用于对所述场景信息中的目标车辆进行跟踪,并识别车辆特征信息;
检测处理模块,用于检测车辆事件和处理车位信息;所述车辆事件包括入位事件、离位事件和挪车事件;
发送模块,用于将所述当前的车位状态信息和订单信息发送给预置范围内的车主客户端。
8.根据权利要求7所述的车位管理装置,其特征在于,所述检测处理模块包括:
入位事件判断单元,用于判断车位内目标车辆的入位事件;
离位事件判断单元,用于判断车位内目标车辆的离位事件;
挪车事件判断单元,用于判断车位内目标车辆的挪车事件;
车位状态更新单元,用于处理车位内目标车辆的数量变化,判断因车位内目标车辆的数量变化而产生的离位事件,并更新车位信息。
9.一种计算机设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至6任一项所述车位管理方法。
10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至6任一项所述车位管理。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011203416.5A CN112364742A (zh) | 2020-11-02 | 2020-11-02 | 一种车位管理方法、装置、计算机设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011203416.5A CN112364742A (zh) | 2020-11-02 | 2020-11-02 | 一种车位管理方法、装置、计算机设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112364742A true CN112364742A (zh) | 2021-02-12 |
Family
ID=74512605
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011203416.5A Withdrawn CN112364742A (zh) | 2020-11-02 | 2020-11-02 | 一种车位管理方法、装置、计算机设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112364742A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113569648A (zh) * | 2021-06-29 | 2021-10-29 | 深圳市捷顺科技实业股份有限公司 | 一种车辆挪位记录的方法及装置 |
CN113689706A (zh) * | 2021-05-21 | 2021-11-23 | 北京筑梦园科技有限公司 | 一种车辆管理方法、装置及停车管理系统 |
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 |
-
2020
- 2020-11-02 CN CN202011203416.5A patent/CN112364742A/zh not_active Withdrawn
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113689706A (zh) * | 2021-05-21 | 2021-11-23 | 北京筑梦园科技有限公司 | 一种车辆管理方法、装置及停车管理系统 |
CN113689706B (zh) * | 2021-05-21 | 2023-02-28 | 北京筑梦园科技有限公司 | 一种车辆管理方法、装置及停车管理系统 |
CN113569648A (zh) * | 2021-06-29 | 2021-10-29 | 深圳市捷顺科技实业股份有限公司 | 一种车辆挪位记录的方法及装置 |
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 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112364742A (zh) | 一种车位管理方法、装置、计算机设备及存储介质 | |
CN106600977B (zh) | 基于多特征识别的违停检测方法及系统 | |
CN112365719A (zh) | 一种车位管理方法、装置、计算机设备及存储介质 | |
CN108389396B (zh) | 一种基于视频的车型匹配方法、装置和计费系统 | |
CN110046547A (zh) | 违章举报方法、系统、计算机设备及存储介质 | |
CN110738150B (zh) | 相机联动抓拍方法、装置以及计算机存储介质 | |
CN112509364A (zh) | 车辆停车状态的确定方法、装置、计算机设备及存储介质 | |
CN110867083B (zh) | 车辆监控方法、装置、服务器和机器可读存储介质 | |
CN109714576B (zh) | 基于视频监控的车辆识别方法、装置、系统及服务器 | |
CN111079751B (zh) | 识别车牌真伪的方法、装置、计算机设备及存储介质 | |
CN110473426A (zh) | 停车管理方法、装置、计算机设备及存储介质 | |
CN114005074B (zh) | 交通事故的确定方法、装置及电子设备 | |
CN111444798A (zh) | 电动自行车驾驶行为的识别方法、装置和计算机设备 | |
CN112434566A (zh) | 客流统计方法、装置、电子设备及存储介质 | |
CN108156406A (zh) | 行车记录仪的信息处理方法和装置 | |
CN111178224B (zh) | 物体规则判断方法、装置、计算机设备和存储介质 | |
CN112651398A (zh) | 车辆的抓拍控制方法、装置及计算机可读存储介质 | |
CN112396708B (zh) | 停车管理方法、装置、计算机设备及存储介质 | |
CN112601049B (zh) | 视频的监控方法、装置、计算机设备及存储介质 | |
CN112382101B (zh) | 一种车位管理方法、装置、计算机设备及存储介质 | |
CN105761501A (zh) | 一种智能车辆行为检测抓拍方法 | |
CN112435479B (zh) | 目标物体违章检测方法、装置、计算机设备及系统 | |
CN111462480B (zh) | 交通图像证据验证方法、装置、计算机设备和存储介质 | |
CN111526475A (zh) | 目标车辆的追踪方法、装置、电子设备和存储介质 | |
KR20210035360A (ko) | 교행 다차로를 위한 차량번호 인식방법 및 장치 |
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 | ||
WW01 | Invention patent application withdrawn after publication | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20210212 |