CN112784794A - 一种车辆停放状态检测方法、装置、电子设备及存储介质 - Google Patents
一种车辆停放状态检测方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN112784794A CN112784794A CN202110130366.0A CN202110130366A CN112784794A CN 112784794 A CN112784794 A CN 112784794A CN 202110130366 A CN202110130366 A CN 202110130366A CN 112784794 A CN112784794 A CN 112784794A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- parking space
- detection operation
- preset
- state
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 186
- 238000012544 monitoring process Methods 0.000 claims abstract description 75
- 238000000034 method Methods 0.000 claims abstract description 35
- 238000004590 computer program Methods 0.000 claims description 8
- 230000009286 beneficial effect Effects 0.000 abstract description 2
- 238000004422 calculation algorithm Methods 0.000 description 8
- 238000000605 extraction Methods 0.000 description 6
- 238000013527 convolutional neural network Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 230000008859 change Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000009434 installation Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
Images
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
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
- G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
- G06V20/586—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads of parking space
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
-
- 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
-
- 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
- G06V2201/07—Target detection
-
- 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)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Computational Linguistics (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种车辆停放状态检测方法,包括:获取监控图像,并对监控图像中的预设车位区域执行第一车辆检测操作;当第一车辆检测操作失败时,对预设车位区域执行行人检测操作,得到行人区域;移除预设车位区域中的行人区域,并在剩余的预设车位区域中执行第二车辆检测操作;当第二车辆检测操作成功时,判定预设车位区域内车辆的运行状态为停止状态。本方法在第一车辆检测操作失败后主动检测行人区域,并将预设车位区域中的行人区域进行移除,并在剩余的预设车位区域中执行第二车辆检测,可有效确保剩余区域中的车辆图像特征满足车辆检测需求,提升检测可靠性。本发明还提供一种车辆停放状态检测装置、电子设备及存储介质,具有上述有益效果。
Description
技术领域
本发明涉及智慧城市停车领域,特别涉及一种车辆停放状态检测方法、装置、电子设备及存储介质。
背景技术
随着汽车保有量不断提升,城市停车难的问题日趋明显。为了提升对车位资源及车辆的管理,基于视频的路内停车检测方案应运而生。该方案采用图像检测的方式对车辆的停止进行检测,并依据检测结果进行计费操作。
相关技术中,基于视频的路内停车检测方案依靠对车辆图像特征检测的方式对车辆停止状态进行检测。然而在实际停车场景中可能出现行人遮挡车辆的情况,进而减少了车辆的图像特征,影响车辆停止检测的可靠性,并最终降低了计费的公平性及准确性。
发明内容
本发明的目的是提供一种车辆停放状态检测方法、装置、电子设备及存储介质,可对预设车位区域出现的行人遮挡进行主动检测得到行人区域,并在移除了行人区域的剩余预设车位区域中执行车辆停放检测,可有效提升车辆停放检测的可靠性。
为解决上述技术问题,本发明提供一种车辆停放状态检测方法,包括:
获取监控图像,并对所述监控图像中的预设车位区域执行第一车辆检测操作;
当所述第一车辆检测操作失败时,对预设车位区域执行行人检测操作,得到行人区域;
移除所述预设车位区域中的行人区域,并在剩余的预设车位区域中执行第二车辆检测操作;
当所述第二车辆检测操作成功时,判定所述预设车位区域内车辆的运行状态为停止状态。
可选地,所述对所述监控图像中的预设车位区域执行第一车辆检测操作,包括:
在所述预设车位区域中提取所述车辆的第一特征点集;
利用所述第一特征点集与车辆特征池中各跟踪车辆的历史特征点集进行匹配,得到第一匹配度;
若所述第一匹配度小于第一阈值,则判定所述第一车辆检测操作失败。
可选地,在得到第一匹配度之后,还包括:
若所述第一匹配度大于等于所述第一阈值,则判定所述第一车辆检测操作成功,并确定所述第一匹配度对应跟踪车辆所包含的历史特征点集数量;
若所述数量大于等于第二阈值,则根据所述历史特征点集的时间数据删除最早生成的历史特征点集,并将所述第一特征点集添加至所述跟踪车辆中;
若所述数量小于第二阈值,则将所述第一特征点集添加至所述跟踪车辆中。
可选地,在剩余的预设车位区域中执行第二车辆检测操作之后,还包括:
当所述第二车辆检测操作失败时,则获取所述监控图像之前第一预设数量的历史监控图像,并获取历史监控图像中所述预设车位区域内车辆的历史运行状态;
判断所述历史运行状态是否均不为停止状态;
若是,则判定所述车辆的运行状态为车辆离开。
可选地,在获取监控图像之后,还包括:
在所述监控图像中提取所述预设车位区域的车位图像;
利用所述车位图像与上一历史监控图像中的历史车位图像进行图像匹配,得到第二匹配度;
若所述第二匹配度大于等于第三阈值,则判定所述车辆的运行状态为停止状态;
若所述第二匹配度小于第三阈值,则执行所述对所述监控图像中的预设车位区域执行第一车辆检测操作的步骤。
可选地,在获取监控图像之后,还包括:
确定所述预设车位区域是否处于未占用状态;
当所述预设车位区域处于未占用状态时,则获取第二预设数量的历史监控图像,并确定所述监控图像及所述历史监控图像的所述预设车位区域中是否均存在车辆;
若是,则将所述预设车位区域设置为占用状态,并将所述车辆的第三特征点集添加至车辆特征池。
可选地,所述在剩余的预设车位区域中执行第二车辆检测操作,包括:
在剩余的预设车位区域中提取所述车辆的第二特征点集;
利用所述第二特征点集与车辆特征池中各跟踪车辆的历史特征点集进行匹配,得到第三匹配度;
若所述第三匹配度大于等于第四阈值,则判定所述第二车辆检测操作成功;
若所述第三匹配度小于第四阈值,则判定所述第二车辆检测操作失败。
本发明还提供一种车辆停放状态检测装置,包括:
第一车辆检测模块,用于获取监控图像,并对所述监控图像中的预设车位区域执行第一车辆检测操作;
行人检测模块,用于当所述第一车辆检测操作失败时,对预设车位区域执行行人检测操作,得到行人区域;
第二车辆检测模块,用于移除所述预设车位区域中的行人区域,并在剩余的预设车位区域中执行第二车辆检测操作;
停放状态判定模块,用于当所述第二车辆检测操作成功时,判定所述预设车位区域内车辆的运行状态为停止状态。
本发明还提供一种电子设备,包括:
存储器,用于存储计算机程序;
处理器,用于执行所述计算机程序时实现如上述所述的车辆停放状态检测方法。
本发明还提供一种存储介质,所述存储介质中存储有计算机可执行指令,所述计算机可执行指令被处理器加载并执行时,实现如上述所述的车辆停放状态检测方法。
本发明提供一种车辆停放状态检测方法,包括:获取监控图像,并对所述监控图像中的预设车位区域执行第一车辆检测操作;当所述第一车辆检测操作失败时,对预设车位区域执行行人检测操作,得到行人区域;移除所述预设车位区域中的行人区域,并在剩余的预设车位区域中执行第二车辆检测操作;当所述第二车辆检测操作成功时,判定所述预设车位区域内车辆的运行状态为停止状态。
可见,本方法在第一车辆检测操作失败后,对预设车位区域执行行人检测操作以得到行人区域,并在移除了行人区域的预设车位区域继续执行第二车辆检测操作。相关技术中由于存在行人遮挡车辆的情况,进而减少车辆的图像特征,降低了车辆检测的可靠性,而本方法在第一车辆检测操作失败后主动检测行人区域,并将预设车位区域中的行人区域进行移除,进而在剩余的预设车位区域中执行第二车辆检测,可有效确保剩余区域中的车辆图像特征满足车辆检测的需求,进而提升车辆停放检测的可靠性,提升停车位计费的准确性及公平性。本发明还提供一种车辆停放状态检测装置、电子设备及存储介质,具有上述有益效果。
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为本发明实施例所提供的一种车辆停放状态检测方法的流程图;
图2为本发明实施例所提供的一种车辆停放状态检测装置的结构框图。
具体实施方式
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。
相关技术中,基于视频的路内停车检测方案依靠对车辆图像特征检测的方式对车辆停止状态进行检测。然而在实际停车场景中可能出现行人遮挡车辆的情况,进而减少了车辆的图像特征,影响车辆停止检测的可靠性,并最终降低了计费的公平性及准确性。有鉴于此,本发明提供一种车辆停放状态检测方法,可对预设车位区域出现的行人遮挡进行主动检测得到行人区域,并在移除了行人区域的剩余预设车位区域中执行车辆停放检测,并最终有效提升车辆停放检测的可靠性。请参考图1,图1为本发明实施例所提供的一种车辆停放状态检测方法的流程图,该方法可以包括:
S101、获取监控图像,并对监控图像中的预设车位区域执行第一车辆检测操作。
需要说明的是,本发明实施例并不限定预设车位区域的数量,该数量可根据用户的应用需求进行设定。本发明实施例也不限定预设车位区域的形状,用户可根据实际应用需求进行设定。可以理解的是,本发明实施例为了对预设车位区域中车辆的停放状态进行监控,所采集的监控图像中至少应当包含需要监控的预设车位区域。除此之外,本发明实施例并不限定监控图像的具体拍摄参数,用户可根据应用需求进行设定。本发明实施例也不限定监控图像的获取方式,例如可直接通过图像采集设备进行拍摄获取,也可以从监控视频中进行抽帧操作获取。为了实时监控预设车位区域,在本发明实施例中监控图像可以从监控视频中抽帧获取。本发明实施例并不限定抽帧操作的执行时机,例如可以随机抽取,也可以在每个固定帧数后抽取,也可以在每个固定时间后抽取,用户可根据实际应用需求进行设定。需要说明的是,本发明实施例并不限定具体的固定帧数和固定时间,其数值可任意设定。
进一步,本发明实施例并不限定具体的视频采集设备,只要能够满足预设车位区域中车辆停放检测的需求即可。本发明实施例也不限定视频采集设备的安装方式,同样,只要能够满足预设车位区域中车辆停放检测的需求即可。在一种可能的情况中,考虑到高位视频路侧停车检测设备检测范围广、美观性强,可采用高位视频路侧停车检测设备,同时该设备的安装高度可以为6米。
进一步,可以理解的是第一车辆检测操作的目的在于确定预设车位区域中的车辆仍处于该区域中且没有发生移动。需要说明的是,本发明实施例并不限定具体的第一车辆检测操作,该检测操作既可为任意的目标检测算法,例如可以为R-CNN或YOLO等目标检测算法,也可以为任意的图像相似度匹配方法,例如计算图像的欧氏距离或余弦距离,并根据距离的大小确定对比图像之间的相似度,又或是在预设车位区域中提取车辆的特征点集,同时获取已跟踪成功的跟踪车辆的历史特征点集,最后利用特征点集与历史特征点集进行匹配进行确定,其中R-CNN(Region CNN,区域卷积神经网络)是一种结合了候选区域及卷积神经网络的目标检测算法,YOLO是一种基于深度神经网络的对象识别和定位算法。在本发明实施例中,为了提升车辆停放状态的检测准确度,可采用第三种方法,即第一车辆检测操作可利用特征点集与历史特征点集进行检测。
在一种可能的情况中,对监控图像中的预设车位区域执行第一车辆检测操作的过程,可以包括:
步骤11:在预设车位区域中提取车辆的第一特征点集;
步骤12:利用第一特征点集与车辆特征池中各跟踪车辆的历史特征点集进行匹配,得到第一匹配度;
步骤13:若第一匹配度小于第一阈值,则判定第一车辆检测操作失败。
需要说明的是,跟踪车辆指在先前监控图像中已确定为处于停放状态的车辆。本发明实施例为了对跟踪车辆的停放状态进行持续性检测,在确定其停放状态后便对其历史特征点集进行了保存,这样在本此车辆停放状态检测中首先可利用第一特征点集和历史特征点集确定本帧监控图像中预设车位区域内的车辆为跟踪车辆,并进一步确定跟踪车辆在本次检测中仍处于停放状态。
本发明实施例并不限定跟踪车辆的数量,该数量与预设车位区域的数量有关,可以理解的是一个预设车位区域停放一辆跟踪车辆。本发明实施例也不限定每辆跟踪车辆对应的历史特征点集的数量,该数量可任意设定。可以理解的是,当每辆跟踪车辆对应预设数量的历史特征点集,那么这些历史特征点集应当为在过去预设数量次车辆停放检测操作中,在每辆跟踪车辆对应的预设车位区域中提取的第一特征点集。
进一步,车辆特征池用于存放所有跟踪车辆的历史特征点集,可以理解的是当跟踪车辆已确认处于停放状态后,用于确认其停放状态的历史特征点集便存放至车辆特征池中,以便后续持续监测车辆的停放状态。需要说明的是,本发明实施例并不限定车辆特征池的具体形式,只要能够包含跟踪车辆及跟踪车辆对应的历史特征点集数据即可。
进一步,可以理解的是第一特征点集中包含若干图像特征点。需要说明的是,本发明实施例并不限定具体的图像特征点,例如可以为SIFT特征点,也可以为Harris角点,也可以为其他类型的图像特征点,其中SIFT特征点(Scale-invariant feature transform,尺度不变特征变换)是一种局部特征描述子,具有尺度和旋转不变性的特征;Harris角点具有特征分布均匀、稳定性好的优点,但不具有尺度不变性。本发明实施例也不限定图像特征点的提取方式,用户可根据具体选择的图像特征点类型参考相应的相关技术。本发明实施例也不限定第一特征点集中图像特征点的数量,该数量与具体提取方式及图像中可提供的车辆特征信息有关。本发明实施例也不限定图像特征点需要提取车辆的哪些车辆特征,例如可以是车牌、车头、车顶、车尾等,或是多种车辆特征的组合,用户可根据实际应用需求进行设定。
需要说明的是,对历史特征点集及历史特征点集中包含的图像特征点的限定描述与第一特征点集的限定描述一致,此处不再赘述。本发明实施例也不限定第一特征点集与历史特征点集之间的具体匹配方式,只要可得到两种点集之间的第一匹配度即可,用户同样可根据具体选择的图像特征点类型参考相应的相关技术。本发明实施例也不限定第一阈值的具体数值,用户可根据实际应用需求进行设定。
进一步,当第一匹配度小于第一阈值时,说明预设车位区域中可能存在行人遮挡,降低了第一特征点集中车辆图像特征点的数量,进而导致匹配度下降,此时在本发明实施例中将会执行行人检测操作,以去除行人区域并在剩余的预设车位区域中继续执行车辆检测操作。
需要说明的是,本发明实施例并不限定在第一匹配度大于等于第一阈值时的后续操作,例如可以退出本次对监控图像的检测,并对下一监控图像进行车辆停放状态检测,也可以将第一特征点集添加至第一匹配度对应的跟踪车辆中。考虑到监控图像所拍摄的区域可能有较多变化,例如环境光变化等,因此在本发明实施例中,当第一匹配度大于等于第一阈值时,可将第一特征点添加至第一匹配度对应的跟踪车辆中。
在一种可能的情况中,在得到第一匹配度之后,还可以包括:
步骤21:若第一匹配度大于等于第一阈值,则判定第一车辆检测操作成功,并确定第一匹配度对应跟踪车辆所包含的历史特征点集数量;
步骤22:若数量大于等于第二阈值,则根据历史特征点集的时间数据删除最早生成的历史特征点集,并将第一特征点集添加至跟踪车辆中;
步骤23:若数量小于第二阈值,则将第一特征点集添加至跟踪车辆中。
需要说明的是,本发明实施例并不限定具体的第二阈值,用户可根据实际应用需求进行设定。
S102、当第一车辆检测操作失败时,对预设车位区域执行行人检测操作,得到行人区域。
在本发明实施例中,当第一车辆检测操作失败时,说明预设车位区域中可能存在行人遮挡,降低了第一特征点集中车辆图像特征点的数量,进而导致匹配度下降。为了排除行人遮挡对车辆检测操作的影响,本发明实施例主动对预设车位区域中的行人进行检测得到行人区域,进而将行人区域进行排除以去除行人遮挡的影响,可有效提升行人遮挡情况下的车辆检测可靠性,并提升车辆停放检测的可靠性。
需要说明的是,本发明实施例并不限定具体的行人检测操作,该行人检测操作可为任意的目标检测算法,例如可以为R-CNN或YOLO等目标检测算法,只要可对行人进行检测并得到行人区域即可。
S103、移除预设车位区域中的行人区域,并在剩余的预设车位区域中执行第二车辆检测操作。
需要说明的是,本发明实施例对第二车辆检测操作的限定描述与第一车辆检测操作的限定描述一致,此处不再赘述。在本发明实施例中,为了提升车辆停放状态的检测准确度,在一种可能的情况中,在剩余的预设车位区域中执行第二车辆检测操作的过程,可以包括:
步骤31:在剩余的预设车位区域中提取车辆的第二特征点集;
步骤32:利用第二特征点集与车辆特征池中各跟踪车辆的历史特征点集进行匹配,得到第三匹配度;
步骤33:若第三匹配度大于等于第四阈值,则判定第二车辆检测操作成功;
步骤34:若第三匹配度小于第四阈值,则判定第二车辆检测操作失败。
需要说明的是,本发明实施例对第二特征点集及第二特征点集中包含的图像特征点的限定描述与第一特征点集的限定描述一致,此处不再赘述。本发明实施例也不限定具体的第四阈值,用户可根据应用需求自由设定。
S104、当第二车辆检测操作成功时,判定预设车位区域内车辆的运行状态为停止状态。
需要说明的是,本发明实施例并不限定第二车辆检测操作失败时的后续操作,例如可以为输出提示信息,也可以执行车辆离开检测操作。在本发明实施例中,为了更好地监控车辆活动以计算更加准确的停车费用,在第二车辆检测操作失败后,可以执行车辆离开检测操作。
在一种可能的情况中,在剩余的预设车位区域中执行第二车辆检测操作之后,还可以包括:
步骤51:当第二车辆检测操作失败时,则获取监控图像之前第一预设数量的历史监控图像,并获取历史监控图像中预设车位区域内车辆的历史运行状态;
步骤52:判断历史运行状态是否均不为停止状态;若是,则进入步骤53;若否,则对下一监控图像执行车辆停放状态检测操作。
步骤53:判定车辆的运行状态为车辆离开。
需要说明的是,本发明实施例并不限定具体的第一预设数量,用户可根据实际需求进行设定。
基于上述实施例,本方法在第一车辆检测操作失败后,对预设车位区域执行行人检测操作以得到行人区域,并在移除了行人区域的预设车位区域继续执行第二车辆检测操作。相关技术中由于存在行人遮挡车辆的情况,进而减少车辆的图像特征,降低了车辆检测的可靠性,而本方法在第一车辆检测操作失败后主动检测行人区域,并将预设车位区域中的行人区域进行移除,进而在剩余的预设车位区域中执行第二车辆检测,可有效确保剩余区域中的车辆图像特征满足车辆检测的需求,进而提升车辆停放检测的可靠性,提升停车位计费的准确性及公平性。
基于上述实施例,由于车辆停放期间,预设车位区域的图像发生显著变化的时间段较少,若在车辆停放的完整时间段内都执行提取车辆检测操作,则会占用计算资源,降低了车辆停放状态检测的效率。有鉴于此,在本发明实施例中,将首先对预设车位区域内图像的变化度进行检测,并只在变化度较大时才执行车辆检测操作。为解决上述技术问题,在一种可能的情况中,在获取监控图像之后,还可以包括:
S201、在监控图像中提取预设车位区域的车位图像。
S202、利用车位图像与上一历史监控图像中的历史车位图像进行图像匹配,得到第二匹配度。
需要说明的是,本发明实施例并不限定图像匹配的具体方法,该方法可以为任意的图像相似度匹配方法,任意的图像相似度匹配方法,例如计算图像的欧氏距离或余弦距离,并根据距离的大小确定对比图像之间的相似度,只要能够确定车位图像与历史车位图像之间匹配度即可。
S202、若第二匹配度大于等于第三阈值,则判定车辆的运行状态为停止状态。
S202、若第二匹配度小于第三阈值,则执行对监控图像中的预设车位区域执行第一车辆检测操作的步骤。
基于上述实施例,本方法可首先对预设车位区域内的车位图像与上一历史监控图像中的历史车位图像进行图像匹配,以确定车位图像中的变化情况,并在车位图像中的变化较大,也就是当第二匹配度小于第三阈值时才执行第一车辆检测操作,可有效避免车辆图像变化较小时仍执行车辆检测的情况,进而降低了计算量并提升了车辆停放状态的检测效率。
基于上述实施例,可以理解的是为了对跟踪车辆的停放状态进行持续监测,首先需要确定该跟踪车辆处于停放状态。下面对跟踪车辆停放状态的确认过程进行介绍,在一种可能的情况中,在获取监控图像之后,还可以包括:
S301、确定预设车位区域是否处于未占用状态。
可以理解的是,预设车位区域的占用状态与停放在该区域的跟踪车辆的停放状态相对应,即当确定跟踪车辆处于停放状态时,该区域便处于占用状态;若该区域并不存在处于停放状态的跟踪车辆时,该区域便处于未占用的状态。
需要说明的是,本发明实施例并不限定占用状态和未占用状态的确定过程,例如可以对该预设车位区域执行车辆检测操作,当检测到车辆目标时确定该区域处于占用状态,当不能检测到车辆目标时则确定该区域处于未占用状态;也可以获取预设数量的监控图像,并对这些监控图像中的预设车位区域进行车辆检测,若均能够检测到车辆目标,则判定该区域处于占用状态,若存在无法检测到车辆目标的监控图像在,则判定该区域处于未占用状态。考虑到第二种方法准确率较高,同时不会生成大量错误占用信息,因此在本发明实施例中可采用第二种方式。
S302、当预设车位区域处于未占用状态时,则获取第二预设数量的历史监控图像,并确定监控图像及历史监控图像的预设车位区域中是否均存在车辆;若是,则进入步骤S303;若否,则对下一监控图像执行步骤S301的操作;
需要说明的是,本发明实施例并不限定具体的第二预设数量,用户可根据应用需求进行设定。同时,对是否存在车辆的确定方式与第一车辆检测操作的限定描述一致,此处不再赘述。
S303、将预设车位区域设置为占用状态,并将车辆的第三特征点集添加至车辆特征池。
可以理解的是,当该车辆添加至车辆特征池后,该车辆便成为跟踪车辆,并可持续进行停放状态检测。
基于上述实施例,本方法可有效确定停放在预设车位区域的车辆的停放状态,以便对车辆的停放状态进行持续检测。
下面对本发明实施例提供的一种车辆停放状态检测装置、电子设备及存储介质进行介绍,下文描述的车辆停放状态检测装置、电子设备及存储介质与上文描述的车辆停放状态检测方法可相互对应参照。
请参考图2,图2为本发明实施例所提供的一种车辆停放状态检测装置,该装置可以包括:
第一车辆检测模块201,用于获取监控图像,并对监控图像中的预设车位区域执行第一车辆检测操作;
行人检测模块202,用于当第一车辆检测操作失败时,对预设车位区域执行行人检测操作,得到行人区域;
第二车辆检测模块203,用于移除预设车位区域中的行人区域,并在剩余的预设车位区域中执行第二车辆检测操作;
停放状态判定模块204,用于当第二车辆检测操作成功时,判定预设车位区域内车辆的运行状态为停止状态。
基于上述实施例,本装置在第一车辆检测操作失败后,对预设车位区域执行行人检测操作以得到行人区域,并在移除了行人区域的预设车位区域继续执行第二车辆检测操作。相关技术中由于存在行人遮挡车辆的情况,进而减少车辆的图像特征,降低了车辆检测的可靠性,而本装置在第一车辆检测操作失败后主动检测行人区域,并将预设车位区域中的行人区域进行移除,进而在剩余的预设车位区域中执行第二车辆检测,可有效确保剩余区域中的车辆图像特征满足车辆检测的需求,进而提升车辆停放检测的可靠性,提升停车位计费的准确性及公平性。
可选地,第一车辆检测模块201,包括:
监控图像获取子模块,用于获取监控图像;
第一点集提取自模块,用于在预设车位区域中提取车辆的第一特征点集;
第一匹配模块,用于利用第一特征点集与车辆特征池中各跟踪车辆的历史特征点集进行匹配,得到第一匹配度;
第一判定子模块,用于在第一匹配度小于第一阈值是,判定第一车辆检测操作失败。
可选地,第一车辆检测模块201还可以包括:
第二判定子模块,用于在第一匹配度大于等于第一阈值时,判定第一车辆检测操作成功,并确定第一匹配度对应跟踪车辆所包含的历史特征点集数量;
第一添加子模块,用在若数量大于等于第二阈值时,根据历史特征点集的时间数据删除最早生成的历史特征点集,并将第一特征点集添加至跟踪车辆中;
第二添加子模块,用于若数量小于第二阈值,则将第一特征点集添加至跟踪车辆中。
可选地,该装置还可以包括:
历史运行状态确定模块,用于当第二车辆检测操作失败时,则获取监控图像之前第一预设数量的历史监控图像,并获取历史监控图像中预设车位区域内车辆的历史运行状态;
第三判定模块,用于判断历史运行状态是否均不为停止状态。
可选地,该装置还可以包括:
车位图像提取模块,用于在监控图像中提取预设车位区域的车位图像;
第二匹配模块,用于利用车位图像与上一历史监控图像中的历史车位图像进行图像匹配,得到第二匹配度;
第四判定模块,用于在第二匹配度大于等于第三阈值时,判定车辆的运行状态为停止状态。
可选地,该装置还可以包括:
占用状态确定模块,用于确定预设车位区域是否处于未占用状态;
车辆存在状态确定模块,用于在预设车位区域处于未占用状态时,则获取第二预设数量的历史监控图像,并确定监控图像及历史监控图像的预设车位区域中是否均存在车辆;
占用状态设置模块,用于将预设车位区域设置为占用状态,并将车辆的第三特征点集添加至车辆特征池。
可选地,第二车辆检测模块203包括:
第二点集提取子模块,用于在剩余的预设车位区域中提取车辆的第二特征点集;
第三匹配模块,用于利用第二特征点集与车辆特征池中各跟踪车辆的历史特征点集进行匹配,得到第三匹配度;
第五判定模块,用于在第三匹配度大于等于第四阈值时,判定第二车辆检测操作成功;
第六判定模块,用于在第三匹配度小于第四阈值时,判定第二车辆检测操作失败。
本发明实施例还提供一种电子设备,包括:
存储器,用于存储计算机程序;
处理器,用于执行计算机程序时实现如上述的车辆停放状态检测方法的步骤。
由于电子设备部分的实施例与车辆停放状态检测方法部分的实施例相互对应,因此电子设备部分的实施例请参见车辆停放状态检测方法部分的实施例的描述,这里暂不赘述。
本发明实施例还提供一种存储介质,存储介质上存储有计算机程序,计算机程序被处理器执行时实现上述任意实施例的车辆停放状态检测方法的步骤。
由于存储介质部分的实施例与车辆停放状态检测方法部分的实施例相互对应,因此存储介质部分的实施例请参见车辆停放状态检测方法部分的实施例的描述,这里暂不赘述。
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一种车辆停放状态检测方法、装置、电子设备及存储介质进行了详细介绍。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)
1.一种车辆停放状态检测方法,其特征在于,包括:
获取监控图像,并对所述监控图像中的预设车位区域执行第一车辆检测操作;
当所述第一车辆检测操作失败时,对预设车位区域执行行人检测操作,得到行人区域;
移除所述预设车位区域中的行人区域,并在剩余的预设车位区域中执行第二车辆检测操作;
当所述第二车辆检测操作成功时,判定所述预设车位区域内车辆的运行状态为停止状态。
2.根据权利要求1所述的车辆停放状态检测方法,其特征在于,所述对所述监控图像中的预设车位区域执行第一车辆检测操作,包括:
在所述预设车位区域中提取所述车辆的第一特征点集;
利用所述第一特征点集与车辆特征池中各跟踪车辆的历史特征点集进行匹配,得到第一匹配度;
若所述第一匹配度小于第一阈值,则判定所述第一车辆检测操作失败。
3.根据权利要求2所述的车辆停放状态检测方法,其特征在于,在得到第一匹配度之后,还包括:
若所述第一匹配度大于等于所述第一阈值,则判定所述第一车辆检测操作成功,并确定所述第一匹配度对应跟踪车辆所包含的历史特征点集数量;
若所述数量大于等于第二阈值,则根据所述历史特征点集的时间数据删除最早生成的历史特征点集,并将所述第一特征点集添加至所述跟踪车辆中;
若所述数量小于第二阈值,则将所述第一特征点集添加至所述跟踪车辆中。
4.根据权利要求1所述的车辆停放状态检测方法,其特征在于,在剩余的预设车位区域中执行第二车辆检测操作之后,还包括:
当所述第二车辆检测操作失败时,则获取所述监控图像之前第一预设数量的历史监控图像,并获取历史监控图像中所述预设车位区域内车辆的历史运行状态;
判断所述历史运行状态是否均不为停止状态;
若是,则判定所述车辆的运行状态为车辆离开。
5.根据权利要求1所述的车辆停放状态检测方法,其特征在于,在获取监控图像之后,还包括:
在所述监控图像中提取所述预设车位区域的车位图像;
利用所述车位图像与上一历史监控图像中的历史车位图像进行图像匹配,得到第二匹配度;
若所述第二匹配度大于等于第三阈值,则判定所述车辆的运行状态为停止状态;
若所述第二匹配度小于第三阈值,则执行所述对所述监控图像中的预设车位区域执行第一车辆检测操作的步骤。
6.根据权利要求1所述的车辆停放状态检测方法,其特征在于,在获取监控图像之后,还包括:
确定所述预设车位区域是否处于未占用状态;
当所述预设车位区域处于未占用状态时,则获取第二预设数量的历史监控图像,并确定所述监控图像及所述历史监控图像的所述预设车位区域中是否均存在车辆;
若是,则将所述预设车位区域设置为占用状态,并将所述车辆的第三特征点集添加至车辆特征池。
7.根据权利要求1至6任一项所述的车辆停放状态检测方法,其特征在于,所述在剩余的预设车位区域中执行第二车辆检测操作,包括:
在剩余的预设车位区域中提取所述车辆的第二特征点集;
利用所述第二特征点集与车辆特征池中各跟踪车辆的历史特征点集进行匹配,得到第三匹配度;
若所述第三匹配度大于等于第四阈值,则判定所述第二车辆检测操作成功;
若所述第三匹配度小于第四阈值,则判定所述第二车辆检测操作失败。
8.一种车辆停放状态检测装置,其特征在于,包括:
第一车辆检测模块,用于获取监控图像,并对所述监控图像中的预设车位区域执行第一车辆检测操作;
行人检测模块,用于当所述第一车辆检测操作失败时,对预设车位区域执行行人检测操作,得到行人区域;
第二车辆检测模块,用于移除所述预设车位区域中的行人区域,并在剩余的预设车位区域中执行第二车辆检测操作;
停放状态判定模块,用于当所述第二车辆检测操作成功时,判定所述预设车位区域内车辆的运行状态为停止状态。
9.一种电子设备,其特征在于,包括:
存储器,用于存储计算机程序;
处理器,用于执行所述计算机程序时实现如权利要求1至7任一项所述的车辆停放状态检测方法。
10.一种存储介质,其特征在于,所述存储介质中存储有计算机可执行指令,所述计算机可执行指令被处理器加载并执行时,实现如权利要求1至7任一项所述的车辆停放状态检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110130366.0A CN112784794B (zh) | 2021-01-29 | 2021-01-29 | 一种车辆停放状态检测方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110130366.0A CN112784794B (zh) | 2021-01-29 | 2021-01-29 | 一种车辆停放状态检测方法、装置、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112784794A true CN112784794A (zh) | 2021-05-11 |
CN112784794B CN112784794B (zh) | 2024-02-02 |
Family
ID=75760047
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110130366.0A Active CN112784794B (zh) | 2021-01-29 | 2021-01-29 | 一种车辆停放状态检测方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112784794B (zh) |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR100834550B1 (ko) * | 2007-12-17 | 2008-06-02 | (주)동화이엔지 | 불법 주정차 무인 자동 단속방법 및 그 시스템 |
KR20150066799A (ko) * | 2013-12-09 | 2015-06-17 | 현대자동차주식회사 | 보행자 인식 장치 및 그의 처리 방법과 이를 지원하는 차량 |
CN106652551A (zh) * | 2016-12-16 | 2017-05-10 | 浙江宇视科技有限公司 | 一种车位检测方法及设备 |
EP3270364A2 (en) * | 2016-07-11 | 2018-01-17 | Fujitsu Limited | Detection method and apparatus of a status of a parking lot and electronic equipment |
CN107705574A (zh) * | 2017-10-09 | 2018-02-16 | 荆门程远电子科技有限公司 | 一种精准快速的道路违章停车全自动抓拍系统 |
CN108492613A (zh) * | 2018-04-09 | 2018-09-04 | 和昌未来科技(深圳)有限公司 | 停车方法及其停车系统 |
CN109543610A (zh) * | 2018-11-22 | 2019-03-29 | 中国科学院长春光学精密机械与物理研究所 | 车辆检测跟踪方法、装置、设备及存储介质 |
CN110009929A (zh) * | 2019-03-15 | 2019-07-12 | 北京筑梦园科技有限公司 | 一种车辆泊位管理方法、设备及系统 |
CN110096975A (zh) * | 2019-04-17 | 2019-08-06 | 北京筑梦园科技有限公司 | 一种车位状态识别方法、设备及系统 |
CN111105639A (zh) * | 2018-10-25 | 2020-05-05 | 杭州海康威视系统技术有限公司 | 车位状态检测方法及装置、车辆引导方法及系统、摄像机 |
CN111507269A (zh) * | 2020-04-17 | 2020-08-07 | 浙江大华技术股份有限公司 | 车位状态的识别方法及装置、存储介质和电子装置 |
CN111739175A (zh) * | 2020-08-11 | 2020-10-02 | 上海高德威智能交通系统有限公司 | 一种车辆停车监控方法和装置 |
CN111753579A (zh) * | 2019-03-27 | 2020-10-09 | 杭州海康威视数字技术股份有限公司 | 指定代步工具的检测方法及装置 |
-
2021
- 2021-01-29 CN CN202110130366.0A patent/CN112784794B/zh active Active
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR100834550B1 (ko) * | 2007-12-17 | 2008-06-02 | (주)동화이엔지 | 불법 주정차 무인 자동 단속방법 및 그 시스템 |
KR20150066799A (ko) * | 2013-12-09 | 2015-06-17 | 현대자동차주식회사 | 보행자 인식 장치 및 그의 처리 방법과 이를 지원하는 차량 |
EP3270364A2 (en) * | 2016-07-11 | 2018-01-17 | Fujitsu Limited | Detection method and apparatus of a status of a parking lot and electronic equipment |
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 |
CN106652551A (zh) * | 2016-12-16 | 2017-05-10 | 浙江宇视科技有限公司 | 一种车位检测方法及设备 |
CN107705574A (zh) * | 2017-10-09 | 2018-02-16 | 荆门程远电子科技有限公司 | 一种精准快速的道路违章停车全自动抓拍系统 |
CN108492613A (zh) * | 2018-04-09 | 2018-09-04 | 和昌未来科技(深圳)有限公司 | 停车方法及其停车系统 |
CN111105639A (zh) * | 2018-10-25 | 2020-05-05 | 杭州海康威视系统技术有限公司 | 车位状态检测方法及装置、车辆引导方法及系统、摄像机 |
CN109543610A (zh) * | 2018-11-22 | 2019-03-29 | 中国科学院长春光学精密机械与物理研究所 | 车辆检测跟踪方法、装置、设备及存储介质 |
CN110009929A (zh) * | 2019-03-15 | 2019-07-12 | 北京筑梦园科技有限公司 | 一种车辆泊位管理方法、设备及系统 |
CN111753579A (zh) * | 2019-03-27 | 2020-10-09 | 杭州海康威视数字技术股份有限公司 | 指定代步工具的检测方法及装置 |
CN110096975A (zh) * | 2019-04-17 | 2019-08-06 | 北京筑梦园科技有限公司 | 一种车位状态识别方法、设备及系统 |
CN111507269A (zh) * | 2020-04-17 | 2020-08-07 | 浙江大华技术股份有限公司 | 车位状态的识别方法及装置、存储介质和电子装置 |
CN111739175A (zh) * | 2020-08-11 | 2020-10-02 | 上海高德威智能交通系统有限公司 | 一种车辆停车监控方法和装置 |
Non-Patent Citations (2)
Title |
---|
丁元舟;罗小巧;殷齐;严体曾;: "基于DM3730的车位检测系统的实现", 电子测量技术, no. 06 * |
叶卿;徐建闽;林培群;: "基于计算机视觉的停车位车辆存在性检测方法", 交通信息与安全, no. 06 * |
Also Published As
Publication number | Publication date |
---|---|
CN112784794B (zh) | 2024-02-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110533923B (zh) | 停车管理方法、装置、计算机设备及存储介质 | |
CN110910655A (zh) | 一种停车管理方法、装置及设备 | |
CN112766216B (zh) | 车辆驶入停车位检测方法、装置、电子设备及存储介质 | |
CN114332708A (zh) | 交通行为检测方法、装置、电子设备及存储介质 | |
CN111192461B (zh) | 一种车牌识别方法、服务器、停车收费方法及系统 | |
CN106023594A (zh) | 一种车位遮挡的判定方法、装置及车辆管理系统 | |
CN114943750A (zh) | 目标跟踪方法、装置及电子设备 | |
CN111079621A (zh) | 检测对象的方法、装置、电子设备和存储介质 | |
CN114219829A (zh) | 车辆跟踪方法、计算机设备及存储装置 | |
CN112364742A (zh) | 一种车位管理方法、装置、计算机设备及存储介质 | |
CN111724607A (zh) | 转向灯使用检测方法、装置、计算机设备和存储介质 | |
CN113674317B (zh) | 一种高位视频的车辆跟踪方法及装置 | |
CN115294169A (zh) | 一种车辆追踪方法、装置、电子设备及存储介质 | |
CN110880205A (zh) | 一种停车收费方法及装置 | |
CN113869258A (zh) | 交通事件检测方法、装置、电子设备及可读存储介质 | |
CN112767449B (zh) | 车辆驶出停车位检测方法、装置、电子设备及存储介质 | |
CN117058912A (zh) | 巡检车检测异常停车方法、装置、存储介质及电子设备 | |
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 | |
CN112906495B (zh) | 一种目标检测方法、装置、电子设备及存储介质 | |
CN116152753A (zh) | 车辆信息识别方法和系统、存储介质和电子装置 | |
CN112991397B (zh) | 交通牌跟踪方法、装置、设备和存储介质 | |
CN115909305A (zh) | 一种车辆信息识别方法、装置、设备及存储介质 | |
CN115205801A (zh) | 交通事故预测方法、装置、电子设备及存储介质 | |
CN115457592A (zh) | 行人识别的方法及装置 | |
CN114724093A (zh) | 车辆违停识别方法以及相关设备 |
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 |