CN113593297B - 一种停车位状态检测方法和装置 - Google Patents

一种停车位状态检测方法和装置 Download PDF

Info

Publication number
CN113593297B
CN113593297B CN202110862758.6A CN202110862758A CN113593297B CN 113593297 B CN113593297 B CN 113593297B CN 202110862758 A CN202110862758 A CN 202110862758A CN 113593297 B CN113593297 B CN 113593297B
Authority
CN
China
Prior art keywords
parking space
position information
image
determining
detected
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.)
Active
Application number
CN202110862758.6A
Other languages
English (en)
Other versions
CN113593297A (zh
Inventor
杨文韬
舒梅
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zhejiang Dahua Technology Co Ltd
Original Assignee
Zhejiang Dahua Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Zhejiang Dahua Technology Co Ltd filed Critical Zhejiang Dahua Technology Co Ltd
Priority to CN202110862758.6A priority Critical patent/CN113593297B/zh
Publication of CN113593297A publication Critical patent/CN113593297A/zh
Application granted granted Critical
Publication of CN113593297B publication Critical patent/CN113593297B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • G08G1/144—Traffic control systems for road vehicles indicating individual free spaces in parking areas with means giving the indication of available parking spaces on portable or mobile units, e.g. personal digital assistant [PDA]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • 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
    • G06N3/045—Combinations of networks
    • 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
    • G06N3/08—Learning methods
    • 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
    • G08G1/145—Traffic control systems for road vehicles indicating individual free spaces in parking areas where the indication depends on the parking areas
    • G08G1/148—Management of a network of parking areas

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • General Engineering & Computer Science (AREA)
  • Computing Systems (AREA)
  • Software Systems (AREA)
  • Molecular Biology (AREA)
  • Computational Linguistics (AREA)
  • Biophysics (AREA)
  • Biomedical Technology (AREA)
  • Mathematical Physics (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Image Analysis (AREA)
  • Traffic Control Systems (AREA)

Abstract

本申请实施例提供一种停车位状态检测方法和装置，涉及图像处理技术领域，用以提高停车位状态检测的准确率；该方法包括：对第一待检测图像进行车辆检测，确定各个车辆的位置信息；对第二待检测图像进行停车位检测，确定各个停车位的位置信息；分别对各个停车位执行匹配操作，确定各个停车位对应的匹配信息；其中，在匹配操作中，将各个停车位的位置信息中的一个停车位的位置信息，与各个车辆的位置信息进行匹配，得到一个停车位对应的匹配信息；根据各个停车位对应的匹配信息，分别确定各个停车位的车位状态。由于本申请实施例是基于停车位的位置信息与车辆位置信息的匹配信息，确定停车位的车位状态，从而提高了停车位状态检测的准确率。

Description

一种停车位状态检测方法和装置
技术领域
本申请涉及图像处理技术领域，尤其涉及一种停车位状态检测方法和装置。
背景技术
随着我国经济生活水平的飞速发展，城市内汽车保有量快速增长，市民对停车配套、服务要求越来越高，运营方对改善停车场运营效率的需求热切。目前随着大数据、AI人工智能等技术的发展，基于图像的智能应用日渐普及，人们将此类技术应用在停车场管理中。
目前大多数基于图像的停车位检测方法为，将图像采集设备部署在人为的设定的停车位区域，根据图像采集设备采集的待检测图像，确定待检测图像中的车辆，进而确定停车位的占用情况。但是，上述方法在大量部署图像采集设备时需耗费大量人力，无法对大片停车位区域进行检测，且会存在对车辆的漏检情况，导致停车位状态检测的准确率较低。
发明内容
本申请实施例提供一种停车位状态检测方法、装置、电子设备及存储介质，可以提高停车位状态检测的准确率。
第一方面，本申请实施例提供一种停车位状态检测方法，所述方法包括：
对第一待检测图像进行车辆检测，确定所述第一待检测图像中包含的各个车辆的位置信息；
对第二待检测图像进行停车位检测，确定所述第二待检测图像中包含的各个停车位的位置信息；其中，所述第一待检测图像和所述第二待检测图像的采集角度相同；分别对所述各个停车位执行匹配操作，确定所述各个停车位对应的匹配信息；其中，在所述匹配操作中，将所述各个停车位的位置信息中的一个停车位的位置信息，与所述各个车辆的位置信息进行匹配，得到所述一个停车位对应的匹配信息；
根据所述各个停车位对应的匹配信息，分别确定所述各个停车位的车位状态。
由于本申请实施例是将确定出的第一待检测图像中包含的各个车辆的位置信息，分别与确定出的第二待检测图像中包含的各个停车位的位置信息进行匹配，得到各个停车位对应的匹配信息；并根据匹配信息，确定各个停车位所处的位置上是否存在车辆，进而确定各个停车位的车位状态，从而提高对停车位的车位状态检测的准确率。
一种可选的实施方式为，所述各个停车位的位置信息通过如下方式确定：
基于预设的停车位检测周期，获取所述图像采集设备采集到的第二待检测图像；
基于所述第二待检测图像，获得所述第二待检测图像中各个停车位角点的位置信息，以及每两个停车位角点之间的亲和度；所述亲和度表征两个停车位角点之间的关联特性；
基于预设的连接条件，根据所述各个停车位角点的位置信息和所述各个亲和度，确定所述第二待检测图像中包含的各个停车位的位置信息。
由于本申请实施例是基于周期获取到的第二待检测图像，确定各个停车位的位置信息，避免了图像采集设备发生移动后，停车位的位置信息并未根据图像采集设备基于新的采集角度采集到的停车位的位置信息更新的问题，从而保证了获得到的各个停车位的位置信息是与各个车辆的位置信息是对应的。并且，由于本申请实施例基于第二待检测图像，获取停车位角点的位置信息以及每两个停车位角点之间的亲和度；根据预设的连接条件，连接各停车位角点，并根据得到的停车位角点的位置信息以及亲和度，确定停车位的位置信息，为后续确定停车位的车位状态提供数据基础。
一种可选的实施方式为，所述基于所述第二待检测图像，获得所述第二待检测图像中各个停车位角点的位置信息，以及每两个停车位角点之间的亲和度，包括：
将所述第二待检测图像输入停车位检测模型的特征提取网络；
基于所述特征提取网络，获得包含所述第二待检测图像中各停车位角点的特征图像；
将所述特征图像输入所述停车位检测模型的识别网络；
基于所述识别网络中的关键点检测PCM分支网络，确定所述特征图像中各个停车位角点的位置信息；
基于所述识别网络中的亲和度PAF分支网络，获得所述特征图像中每两个停车位角点之间的亲和度场，并根据各个亲和度场，分别确定所述亲和度场对应的停车位角点之间的亲和度。
由于本申请实施例是基于停车位检测模型的特征提取网络得到特征图像，将特征图像输入到停车位检测模型的识别网络后，基于识别网络，得到各个停车场角点的位置信息以及每两个角点之间的亲和度，为后续确定停车位的车位状态提供数据基础。
一种可选的实施方式为，所述基于预设的连接条件，根据所述各个停车位角点的位置信息和所述各个亲和度，确定所述第二待检测图像中包含的各个停车位的位置信息，包括：
基于所述预设的连接条件，根据所述各个停车位角点的位置信息，确定所述各个停车位角点的连接关系；
根据所述连接关系，获得多个所述各个停车位对应的候选连接方式；
根据所述各个停车位角点之间的亲和度，分别确定各个候选连接方式对应的总亲和度；
将所述总亲和度最大值对应的候选连接方式，作为目标连接方式；
根据所述目标连接方式，连接所述各个停车位角点，得到所述第二待检测图像中包含的各个停车位，并确定所述各个停车位的位置信息。
由于本申请实施例在根据预设的连接条件，确定各个停车位角点的连接关系，并根据该连接关系，确定多个停车位对应的候选连接方式；根据亲和度，确定候选连接方式对应的总亲和度，并将总亲和度最大值对应的候选连接方式作为目标连接方式，并根据目标连接方式，连接各个停车位角点，得到各个停车位以及确定各个停车位的位置信息，从而提高了确定停车位的位置信息的准确率。
一种可选的实施方式为，所述对第一待检测图像进行车辆检测，确定所述第一待检测图像中包含的各个车辆的位置信息，包括：
基于预设的车辆检测周期，获取图像采集设备采集到的第一待检测图像；
将所述第一待检测图像输入到车辆检测模型的卷积层，并基于所述卷积层，对所述第一待检测图像进行特征提取，获得所述第一待检测图像的图像特征；以及
将所述图像特征输入到所述车辆检测模型的全连接层，并基于所述全连接层，对所述图像特征进行分类，确定所述第一待检测图像中各个车辆的位置信息。
一种可选的实施方式为，所述将所述各个停车位的位置信息中的一个停车位的位置信息，与所述各个车辆的位置信息进行匹配，得到所述一个停车位对应的匹配信息，包括：
基于所述各个车辆的位置信息，确定所述停车位的位置信息与所述各个车辆的位置信息的交并比，并确定所述交并比是否大于第一设定阈值；
若是，则确定所述停车位对应的匹配信息为匹配成功；
若否，则确定所述停车位对应的匹配信息为匹配失败。
由于本申请实施例基于各个车辆的位置信息，确定停车位的位置信息与各个车辆的位置信息的交并比后，基于交并比是否大于第一设定阈值，确定停车位上是否存在车辆，进而确定停车位对应的匹配信息是否成功，为后续确定停车位的车位状态的提高数据基础。
一种可选的实施方式为，所述将所述各个停车位的位置信息中的一个停车位的位置信息，与所述各个车辆的位置信息进行匹配，得到所述一个停车位对应的匹配信息，包括：
针对任意一个车辆的位置信息，确定所述停车位的位置信息与所述车辆的位置信息的交并比；
若所述交并比大于所述第一设定阈值，则确定所述停车位对应的匹配信息为匹配成功；或者，
若所述交并比小于或等于所述第一设定阈值，则继续确定所述停车位的位置信息与下一个车辆的位置信息的交并比，直至满足结束条件；所述下一个车辆的位置信息为，所述各个车辆的位置信息中除已确定交并比的车辆的位置信息的车辆的位置信息中的任意一个车辆的位置信息；
若满足的结束条件为所述交并比大于所述第一设定阈值，则确定所述停车位对应的匹配信息为匹配成功；
若满足的结束条件为所述各个车辆的位置信息均为所述已确定交并比的车辆的位置信息，则确定所述停车位对应的匹配信息为匹配失败。
一种可选的实施方式为，所述车位状态包括空闲状态、驶入驶出状态、占用状态；所述根据所述各个停车位对应的匹配信息，分别确定所述各个停车位的车位状态，包括：
针对各个停车位对应的匹配信息，分别执行如下操作：
确定所述停车位前一车辆检测周期的停车位信息；所述停车位信息包括停车位的前一车位状态、停车位中停留车辆的位置信息和停留时间；
当所述匹配信息为匹配成功时，确定所述停车位对应的匹配车辆的位置信息；若所述停车位的前一车位状态为所述驶入驶出状态或所述占用状态，则根据所述停留车辆的位置信息、所述停留时间和所述匹配车辆的位置信息，确定所述停车位的车位状态；或者，若所述停车位的前一车位状态为所述空闲状态，则确定所述停车位的车位状态为所述驶入驶出状态；
当所述匹配信息为匹配失败时，若所述停车位的前一车位状态为所述空闲状态或所述驶入驶出状态，则确定所述停车位的车位状态为所述空闲状态；或者，若所述停车位的前一车位状态为所述占用状态，则确定所述停车位对应的连续匹配失败次数，并根据所述连续匹配失败次数，确定所述停车位的车位状态。
由于本申请实施例在得到各个停车位对应的匹配信息之后，基于停车位前一车辆检测周期的停车信息以及匹配信息，确定停车位的车位状态，从而提高了确定停车位的车位状态的准确率。
第二方面，本申请实施例提供一种停车位状态检测装置，所述装置包括：
第一确定单元，用于对第一待检测图像进行车辆检测，确定所述第一待检测图像中包含的各个车辆的位置信息；
第二确定单元，用于对第二待检测图像进行停车位检测，确定所述第二待检测图像中包含的各个停车位的位置信息；其中，所述第一待检测图像和所述第二待检测图像的采集角度相同；
匹配单元，用于分别对所述各个停车位执行匹配操作，确定所述各个停车位对应的匹配信息；其中，在所述匹配操作中，将所述各个停车位的位置信息中的一个停车位的位置信息，与所述各个车辆的位置信息进行匹配，得到所述一个停车位对应的匹配信息；
第三确定单元，用于根据所述各个停车位对应的匹配信息，分别确定所述各个停车位的车位状态。
一种可选的实施方式为，所述装置还包括获取单元；所述获取单元具体用于：
基于预设的停车位检测周期，获取所述图像采集设备采集到的第二待检测图像；
所述第二确定单元具体用于：
基于所述第二待检测图像，获得所述第二待检测图像中各个停车位角点的位置信息，以及每两个停车位角点之间的亲和度；所述亲和度表征两个停车位角点之间的关联特性；
基于预设的连接条件，根据所述各个停车位角点的位置信息和所述各个亲和度，确定所述第二待检测图像中包含的各个停车位的位置信息。
一种可选的实施方式为，所述第二确定单元具体用于：
将所述第二待检测图像输入停车位检测模型的特征提取网络；
基于所述特征提取网络，获得包含所述第二待检测图像中各停车位角点的特征图像；
将所述特征图像输入所述停车位检测模型的识别网络；
基于所述识别网络中的关键点检测PCM分支网络，确定所述特征图像中各个停车位角点的位置信息；
基于所述识别网络中的亲和度PAF分支网络，获得所述特征图像中每两个停车位角点之间的亲和度场，并根据各个亲和度场，分别确定所述亲和度场对应的停车位角点之间的亲和度。
一种可选的实施方式为，所述第二确定单元具体用于：
基于所述预设的连接条件，根据所述各个停车位角点的位置信息，确定所述各个停车位角点的连接关系；
根据所述连接关系，获得多个所述各个停车位对应的候选连接方式；
根据所述各个停车位角点之间的亲和度，分别确定各个候选连接方式对应的总亲和度；
将所述总亲和度最大值对应的候选连接方式，作为目标连接方式；
根据所述目标连接方式，连接所述各个停车位角点，得到所述第二待检测图像中包含的各个停车位，并确定所述各个停车位的位置信息。
一种可选的实施方式为，所述装置还包括获取单元；所述获取单元具体用于：
基于预设的车辆检测周期，获取图像采集设备采集到的第一待检测图像；
所述第一确定单元具体用于：
将所述第一待检测图像输入到车辆检测模型的卷积层，并基于所述卷积层，对所述第一待检测图像进行特征提取，获得所述第一待检测图像的图像特征；以及
将所述图像特征输入到所述车辆检测模型的全连接层，并基于所述全连接层，对所述图像特征进行分类，确定所述第一待检测图像中各个车辆的位置信息。
一种可选的实施方式为，所述匹配单元具体用于：
基于所述各个车辆的位置信息，确定所述停车位的位置信息与所述各个车辆的位置信息的交并比，并确定所述交并比是否大于第一设定阈值；
若是，则确定所述停车位对应的匹配信息为匹配成功；
若否，则确定所述停车位对应的匹配信息为匹配失败。
一种可选的实施方式为，所述匹配单元具体用于：
针对任意一个车辆的位置信息，确定所述停车位的位置信息与所述车辆的位置信息的交并比；
若所述交并比大于所述第一设定阈值，则确定所述停车位对应的匹配信息为匹配成功；或者，
若所述交并比小于或等于所述第一设定阈值，则继续确定所述停车位的位置信息与下一个车辆的位置信息的交并比，直至满足结束条件；所述下一个车辆的位置信息为，所述各个车辆的位置信息中除已确定交并比的车辆的位置信息的车辆的位置信息中的任意一个车辆的位置信息；
若满足的结束条件为所述交并比大于所述第一设定阈值，则确定所述停车位对应的匹配信息为匹配成功；
若满足的结束条件为所述各个车辆的位置信息均为所述已确定交并比的车辆的位置信息，则确定所述停车位对应的匹配信息为匹配失败。
一种可选的实施方式为，所述车位状态包括空闲状态、驶入驶出状态、占用状态；所述第三确定单元具体用于：
针对各个停车位对应的匹配信息，分别执行如下操作：
确定所述停车位前一车辆检测周期的停车位信息；所述停车位信息包括停车位的前一车位状态、停车位中停留车辆的位置信息和停留时间；
当所述匹配信息为匹配成功时，确定所述停车位对应的匹配车辆的位置信息；若所述停车位的前一车位状态为所述驶入驶出状态或所述占用状态，则根据所述停留车辆的位置信息、所述停留时间和所述匹配车辆的位置信息，确定所述停车位的车位状态；或者，若所述停车位的前一车位状态为所述空闲状态，则确定所述停车位的车位状态为所述驶入驶出状态；
当所述匹配信息为匹配失败时，若所述停车位的前一车位状态为所述空闲状态或所述驶入驶出状态，则确定所述停车位的车位状态为所述空闲状态；或者，若所述停车位的前一车位状态为所述占用状态，则确定所述停车位对应的连续匹配失败次数，并根据所述连续匹配失败次数，确定所述停车位的车位状态。
第三方面，本申请实施例提供一种电子设备，包括存储器和处理器，所述存储器上存储有可在所述处理器上运行的计算机程序，当所述计算机程序被所述处理器执行时，实现上述第一方面任一种的停车位状态检测方法。
第四方面，本申请实施例提供了一种计算机可读存储介质，所述计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时，实现上述第一方面中任意一种停车位状态检测方法的步骤。
第二方面至第四方面中任意一种实现方式所带来的技术效果可参见第一方面中对应的实现方式所带来的技术效果，此处不再赘述。
附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简要介绍，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，对于本领域的普通技术人员来讲，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为本申请实施例提供的一种停车位状态检测方法的应用场景示意图；
图2为本申请实施例提供的一种停车位状态检测方法的流程示意图；
图3为本申请实施例提供的一种停车位检测模型的结构示意框图；
图4为本申请实施例提供的一种样本图像的示意图；
图5为本申请实施例提供的一种确定停车位的位置信息方法的流程示意图；
图6为本申请实施例提供的一种采集角度示意图；
图7为本申请实施例提供的一种车位状态判断流程图；
图8为本申请实施例提供的一种显示界面的示意图；
图9为本申请实施例提供的一种停车位状态检测方法的完整流程示意图；
图10为本申请实施例提供的一种停车位状态检测装置的结构示意图；
图11为本申请实施例提供的一种电子设备的结构框图。
具体实施方式
为了使本领域普通人员更好地理解本公开的技术方案，下面将结合附图，对本公开实施例中的技术方案进行清楚、完整地描述。
需要说明的是，本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。以下示例性实施例中所描述的实施方式并不代表与本发明相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。
下面对文中出现的一些术语进行解释：
(1)亲和度：是指停车位角点之间的关联特性，两个停车位角点之间的相关联程度。亲和度越高就表示，两个停车位角点之间的连线为停车位线段的可能性越高。
(2)匈牙利算法：是一种在多项式时间内求解任务分配问题的组合优化算法，并推动了后来的原始对偶方法。设G＝(V,E)是一个无向图。如顶点集V可分割为两个互不相交的子集V1、V2，选择这样的子集中边数最大的子集称为图的最大匹配问题(maximal matchingproblem)。如果一个匹配中，|V1|≤|V2|且匹配数|M|＝|V1|，则称此匹配为完全匹配，也称作完备匹配。特别的当|V1|＝|V2|称为完美匹配。
(3)交并比(Intersection-over-Union，IOU)：目标检测中使用的一个概念，是产生的候选框(candidate bound)与原标记框(ground truth bound)的交叠率，即它们的交集与并集的比值。最理想情况是完全重叠，即比值为1。
本申请实施例中术语“和/或”，描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。
目前，现有技术中的停车位检测方法为，将图像采集设备部署在人为的设定的停车位区域，根据图像采集设备采集的待检测图像，确定待检测图像中的车辆，进而确定停车位的占用情况。但是，上述方法在大量部署图像采集设备时需耗费大量人力，无法对大片停车位区域进行检测，且会存在对车辆的漏检情况，导致停车位状态检测的准确率较低。
基于上述问题，本申请实施例提供了一种停车位状态检测方法和装置。该停车位状态检测方法可以应用于终端，例如，计算机；也可应用于服务器。
如图1所示，本申请实施例提供一种停车位状态检测方法的应用场景。如图1所示，图像采集设备10与前端设备20之间可以通过有线连接方式或无线连接方式进行连接并传输数据。例如，图像采集设备10与前端设备20可以通过数据线连接或者通过有线网络连接；图像采集设备10与前端设备20也可以通过射频模块、蓝牙模块或者无线网络连接。
其中，图像采集设备10可以为停车场设置的前端摄像头，俯瞰整个停车场30，能够完整地将待检测的停车场30区域处于采集的图像之中；前端设备20可以为服务器，也可以为终端，例如，计算机、笔记本、平板电脑等。
图像采集设备10通过对停车场30拍照获得采集到的第一待检测图像后，将第一待检测图像发送给前端设备20；前端设备20对第一待检测图像进行车辆检测，确定第一待检测图像中包含的各个车辆的位置信息；图像采集设备10通过对停车场30拍照获得采集到的第二待检测图像后，将第二待检测图像发送给前端设备20；前端设备20对第二待检测图像进行停车位检测，确定第二待检测图像中包含的各个车辆的位置信息；然后，前端设备20分别将各个停车位的位置信息，与各个车辆的位置信息进行匹配，得到各个停车位对应的匹配信息；前端设备20根据匹配信息，确定各个停车位的车位状态。前端设备20在显示界面中显示得到的各个停车位的车位状态，为用户显示可停车的停车位。
如图2所示，本申请实施例提供一种停车位状态检测方法，包括以下步骤：
步骤S201，对第一待检测图像进行车辆检测，确定第一待检测图像中包含的各个车辆的位置信息。
本申请实施例基于预设的车辆检测周期，获取图像采集设备采集到的第一待检测图像；对获取到的第一待检测图像进行车辆检测，确定第一待检测图像中包含的各个车辆的位置信息。
需要说明的是，车辆检测周期随用户的需求进行设置的；例如，车辆检测周期可以为1秒，也可以为0.1秒。
在一些实施例中，本申请实施例基于预设的车辆检测周期，通过图像采集设备对停车场进行拍照，获得第一待检测图像。
具体实施中，前端设备基于预设的车辆检测周期，向图像采集设备发送获取请求；图像采集设备在接收到获取请求后，对停车场进行拍照，得到第一待检测图像，并将第一待检测图像发送给前端设备。
在另一些实施例中，本申请实施例通过图像采集设备实时对停车场进行拍照，获得停车场图像；然后，基于预设的车辆检测周期，将最新获得的停车场图像中作为第一待检测图像。
具体实施中，图像采集设备一直对停车场进行拍照，采集停车场图像；前端设备基于预设的车辆检测周期，向图像采集设备发送获取请求；图像采集设备在接收到获取请求后，将最新采集到的停车场图像作为第一待检测图像发送给前端设备。
本申请实施例在获取到第一待检测图像后，对第一待检测图像进行车辆检测，确定第一待检测图像中包含的各个车辆的位置信息。
在一些实施例中，本申请实施例在获取到第一待检测图像后，将第一待检测图像输入到车辆检测模型中，基于车辆检测模型，确定第一待检测图像中包含的各个车辆的位置信息。
具体实施中，本申请实施例在获取到第一待检测图像后，将第一待检测图像输入到车辆检测模型的卷积层，并基于卷积层，对第一待检测图像进行特征提取，获得第一待检测图像的图像特征；以及，本申请实施例将得到的图像特征输入到车辆检测模型的全连接层，并基于全连接层对图像特征进行分类，确定第一待检测图像中各个车辆的位置信息。
需要说明的是，车辆检测模型可以为YOLOv5模型，也可以为其他图像识别模型，在此并不作限。
具体地，当车辆检测模型为YOLOv5模型时，本申请实施例通过下列方式确定第一待检测图像中各个车辆的位置信息。
本申请实施例对获取到的第一待检测图像进行预处理，并将得到的预处理图像缩放至预设的大小，得到处理后的第一待检测图像；将得到的处理后的第一待检测图像输入到YOLOv5模型中，基于YOLOv5模型的卷积层，对第一待检测图像进行特征提取，得到第一待检测图像的图像特征；将得到的图像特征输入到YOLOv5模型的全连接层，基于全连接层，对图像特征进行分类，确定第一待检测图像中各个车辆的位置信息。
步骤S202，对第二待检测图像进行停车位检测，确定第二待检测图像中包含的各个停车位的位置信息。
需要说明的是，第一待检测图像和第二待检测图像的采集角度相同。
本申请实施例可基于预设的停车位检测周期，获取图像采集设备采集到的第二待检测图像；然后，对第二待检测图像进行停车位检测，确定第二待检测图像中包含的各个停车位的位置信息。
具体实施中，本申请实施例在接收到图像采集设备发送的第二待检测图像后，基于第二待检测图像，获得第二待检测图像中各个停车位角点的位置信息，以及每两个停车位角点之间的亲和度。
需要说明的是，亲和度表征两个停车位角点之间的关联特性。
本申请实施例基于预设的连接条件，根据确定出的各个停车位角点的位置信息和各个亲和度，确定第二待检测图像中包含的各个停车位的位置信息。
步骤S203，分别对各个停车位执行匹配操作，确定各个停车位对应的匹配信息。
需要说明的是，在匹配操作中，本申请实施例将各个停车位的位置信息中的一个停车位的位置信息，与各个车辆的位置信息进行匹配，得到一个停车位对应的匹配信息。
本申请实施例在得到各个车辆的位置信息后，将得到的位置信息组成一个车辆的位置信息集合；分别将各个停车位的位置信息与车辆的位置信息集合进行匹配，确定与各个停车位的位置信息匹配的车辆的位置信息，得到匹配信息。
具体实施中，针对各个停车位的位置信息中的一个停车位信息，将该停车位信息与车辆的位置信息集合中的各个车辆的位置信息进行匹配，确定是否存在与该停车位的位置信息匹配的车辆的位置信息，得到该停车位对应的匹配信息。
步骤S204，根据各个停车位对应的匹配信息，分别确定各个停车位的车位状态。
需要说明的是，车位状态包括空闲状态、驶入驶出状态、占用状态。
在一些实施例中，本申请实施例在得到各个停车位对应的匹配信息后，获取各个停车位在前一车辆检测周期的停车位信息；根据匹配信息以及停车位信息，确定各个停车位的车位状态。
需要说明的是，停车位信息包括停车位的车位状态、停车位中停留车辆的位置信息和停留时间。
由于本申请实施例是将确定出的第一待检测图像中包含的各个车辆的位置信息，分别与确定出的第二待检测图像中包含的各个停车位的位置信息进行匹配，得到各个停车位对应的匹配信息；并根据匹配信息，确定各个停车位所处的位置上是否存在车辆，进而确定各个停车位的车位状态，从而提高对停车位的车位状态检测的准确率和效率。
在一些实施例中，本申请实施例中的各个停车位的位置信息是通过如下方式确定的。
在一些实施例中，本申请实施例基于预设的停车位检测周期，获取图像采集设备采集到的第二待检测图像；然后，对第二待检测图像进行停车位检测，确定第二待检测图像中包含的各个停车位的位置信息。
具体地，本申请实施例基于预设的停车位检测周期，向图像采集设备发送获取请求，以使图像采集设备在接收到获取请求后，对停车场进行拍照，采集第二待检测图像。
例如，停车位检测周期为1天；前端设备每经过一天，就向图像采集设备发送获取请求；图像采集设备在接收到获取请求后，对停车场进行拍照，采集停车场的图像，并将采集到的图像作为第二待检测图像发送给前端设备。
在另一些实施例中，图像采集设备实时采集停车场的图像，本申请实施例基于预设的停车位检测周期，向图像采集设备发送获取请求，以使图像采集设备返回第二待检测图像，其中，第二待检测图像为图像采集设备最新采集到的停车场图像。
例如，停车位检测周期可以为6小时；图像采集设备实时采集停车场图像；前端设备每经过6小时，就向图像采集设备发送获取请求，以使图像采集设备在接收到获取请求后，将最新获取到的停车场图像作为第二待检测图像发送给前端设备。
本申请实施例在接收到图像采集设备发送的第二待检测图像后，对第二待检测图像进行停车位检测，确定第二待检测图像中包含的各个停车位的位置信息。
在一些实施例中，本申请实施例可基于停车位检测模型，对第二待检测图像进行停车位检测，确定第二待检测图像中包含的各个停车位的位置信息。
需要说明的是，停车位检测模型包括特征提取网络和识别网络。
实施中，本申请实施例可通过下列方式确定各个停车位的位置信息。
在一些实施例中，本申请实施例基于接收到的第二待检测图像，确定第二待检测图像中各个停车位角点的位置信息，以及每两个停车位角点之间的亲和度。
需要说明的是，亲和度表征两个停车位角点之间的关联特性。
在一些可选的实施例中，本申请实施例可将第二待检测图像输入到如图3所示的停车位检测模型中，基于停车位检测模型，确定第二待检测图像中各个停车位角点的位置信息，以及每两个停车位角点之间的亲和度。
具体实施中，本申请实施例将第二待检测图像输入到停车位检测模型中的特征提取网络，并基于特征提取网络，获得包含第二待检测图像中各停车位角点的特征图像。
在一些实施例中，本申请实施例在将第二待检测图像输入到停车位检测模型之前，需要对第二待检测图像进行预处理，得到预处理后的第二待检测图像；并将得到的预处理的第二待检测图像缩放至预设的大小，得到处理后的第二待检测图像；本申请实施例在得到处理后的第二待检测图像后，将得到的处理后的第二待检测图像输入到停车位检测模型中。
在一些实施例中，本申请实施例将得到的特征图像输入到停车位检测模型的识别网络中，基于识别网络，确定特征图像中包含的各个停车位的位置信息，得到第二待检测图像中包含的各个停车位的位置信息。
具体地，本申请实施例将得到的特征图像输入到停车位检测模型的识别网络中，基于识别网络，确定特征图像中各个停车位角点的位置信息，以及特征图像中每两个停车位角点之间的亲和度。
需要说明的是，识别网络包括亲和度PAF分支网络和PCM分支网络。
在一些实施例中，本申请实施例基于PCM分支网络，确定特征图像中各个停车位角点的位置信息。
具体地，本申请实施例基于PCM分支网络，对特征图像进行识别，确定特征图像中各个停车位角点的位置信息，以及各个位置信息对应的置信度，得到停车位角点的位置信息的置信图。
在一些实施例中，本申请实施例基于PAF分支网络，获得特征图像中每两个停车位角点之间的亲和度。
具体地，本申请实施例基于PAF分支网络，获得特征图像中每两个停车位角点之间的亲和度场，并根据各个亲和度场，分别确定亲和度场对应的停车位角点之间的亲和度。
在一些实施例中，本申请实施例可通过下列方式确定停车位角点之间的亲和度场。
本申请实施例基于两个停车位角点ki和kj，确定停车位角点ki和kj之间的角点向量
Figure BDA0003186340620000171
以停车位角点的连接线为中心，选取设定区域，并确定该设定区域中各个像素点在角点向量
Figure BDA0003186340620000172
方向上的向量分量。
本申请实施例确定各个像素点在角点向量
Figure BDA0003186340620000173
方向上的向量分量的值是否大于设定阈值；若是，则将该像素点在角点向量
Figure BDA0003186340620000174
方向上的向量分量作为单位向量；若否，则将该像素点在角点向量
Figure BDA0003186340620000181
方向上的向量分量置0；然后，将得到的由各个像素点对应的向量分量组成的矩阵作为停车位角点ki和kj之间的亲和度场。
例如，选取两个停车位角点k1和k2，确定停车位角点k1和k2之间的角点向量
Figure BDA0003186340620000182
以停车位角点的连接线为中心，选取2*10大小的设定区域，并确定该设定区域中像素点ai在角点向量
Figure BDA0003186340620000183
方向上的向量分量，即确定
Figure BDA0003186340620000184
Figure BDA0003186340620000185
在
Figure BDA0003186340620000186
方向上的向量分量。本申请实施例确定各个像素点在角点向量
Figure BDA0003186340620000187
方向上的向量分量的值是否大于0.6；若是，则将该像素点在角点向量
Figure BDA0003186340620000188
方向上的向量分量作为单位向量；若否，则将该像素点在角点向量
Figure BDA0003186340620000189
方向上的向量分量置0；然后，将得到的由各个像素点对应的向量分量组成的矩阵，例如，
Figure BDA00031863406200001810
作为停车位角点k1和k2之间的亲和度场。
在一些实施例中，本申请实施例在得到各个亲和度场后，根据得到的各个亲和度场，基于均值采样法，分别确定亲和度场对应的停车位角点之间的亲和度。
具体实施中，针对各个亲和度场中的任一亲和度场，分别执行如下操作：
本申请实施例将得到的亲和度场均分为N段，取其中N-1个像素点的值，将N-1个像素点的值的和作为亲和度场对应的停车位角点之间的亲和度。
需要说明的是，本申请实施例中选取的像素点的值可以为亲和度场中固定位置的像素点对应的值。
例如，本申请实施例将得到的亲和度场为3*10的矩阵，将亲和度场均分为5段，选取4条分界线下方中心位置的像素点，并确定选取的像素点对应的值为1、1、0、1，确定亲和度场对应的停车位角点之间的亲和度为3。
实施中，本申请实施例在确定出位置信息和亲和度后，基于预设的连接条件，根据各个停车位角点的位置信息和各个亲和度，确定第二待检测图像中包含的各个停车位的位置信息。
需要说明的是，预设的连接条件包括但不限于：停车位角点之间的连接线没有重叠部分、禁止连接处于对角位置的停车位角点。
在一些实施例中，本申请实施例基于停车位检测模型中的识别网络中的PCM分支网络确定出各个停车位角点的位置信息，以及基于识别网络中的PAF分支网络确定出各个亲和度后，通过识别网络对确定出的位置信息、亲和度以及特征图像进行融合，确定第二待检测图像中包含的各个停车位的位置信息。
实施中，本申请实施例基于预设的连接方式，根据各个停车位角点的位置信息，确定各个停车位角点的连接关系。
具体地，本申请实施例基于识别网络中的PCM分支网络，确定出离散的候选停车位角点
Figure BDA0003186340620000191
其中，
Figure BDA0003186340620000192
代表第j类停车位角点的第m个关键点位置。
本申请实施例基于预设的连接条件，确定停车位角点
Figure BDA0003186340620000193
和
Figure BDA0003186340620000194
之间是否存在连接关系，所有类型停车位角点的连接关系集合为：
Figure BDA0003186340620000195
其中，定义
Figure BDA0003186340620000196
表示两个停车位角点
Figure BDA0003186340620000197
和
Figure BDA0003186340620000198
之间是否存在连接。
在一些实施例中，本申请实施例在得到各个停车位角点的连接关系后，确定多个各个停车位对应的候选连接方式；基于各个亲和度，分别确定各个候选连接方式对应的总亲和度，并确定总亲和度的最大值。
具体实施中，本申请实施例可基于下列公式确定各个候选连接方式对应的最大总亲和度：
Figure BDA0003186340620000199
其中，
Figure BDA00031863406200001910
Emn表示停车位角点
Figure BDA00031863406200001911
和
Figure BDA00031863406200001912
之间的亲和度；Zg表示候选连接方式；Eg表示候选连接方式对应的总亲和度。
本申请实施例将总亲和度的最大值对应的候选连接方式作为目标连接方式。
在一些实施例中，本申请实施例可通过匈牙利算法，实现各个停车位角点对应的候选连接方式的总亲和度最大化，得到各个停车位角点对应的目标连接方式。
具体地，本申请实施例将得到的停车位角点分为两个集合，分别确定一个集合中包含的各个停车位角点在另一个集合中具有连接关系的停车位角点，并将具有连接关系的停车位角点作为一个匹配，得到匹配；本申请实施例将确定出的最大匹配对应的连接方式，作为目标连接方式。
本申请实施例在确定出目标连接方式后，根据目标连接方式，连接各个停车位角点，得到第二待检测图像中包含的各个停车位，并确定各个停车位的位置信息。
在另一些实施例中，如图3所示，本申请实施例中的停车位检测模型中包含多个识别网络；具体实施中，本申请实施例将特征图像输入到第一识别网络中，得到第一特征图像；其中，第一特征图像包含各个停车位角点的位置信息以及角点之间的第一目标连接方式；将第一特征图像输入到第二识别网络中，输出第二特征图像；···；将第n-1特征图像输入到第n识别网络中，得到第二待检测图像中各个停车位的位置信息。
具体地，停车位检测模型中上一个识别网络的输出为下一个识别网络的输入，直至输入最后一个识别网络，得到第二待检测图像中包含的各个停车位的位置信息。
需要说明的是，本申请实施例在确定出各个停车位的位置信息后，将得到的各个停车位的位置信息存储至存储器中。
为了使上述停车位检测模型能够准确地确定出第二待检测图像中的各个停车位的位置信息，需要预先对上述过程中使用的停车位检测模型进行训练。
具体实施中，本申请实施例可通过如下方式训练停车位检测模型。
本申请实施例获取样本数据集；样本数据集中包括多个样本图像。
需要说明的是，样本图像中标定停车位角点的样本位置，以及各个停车位角点对应的样本连接关系。
例如，样本图像如图4所示，其中，圆点表示停车位角点的位置，箭头表示停车位角点之间的连接关系。
本申请实施例从样本数据集中选取至少一个样本图像，将选取的样本图像输入到待训练的停车位检测模型。
本申请实施例基于待训练的停车位检测模型中的待训练特征提取网络，对样本图像进行特征提取，得到样本特征图像；并将得到的样本特征图像输入到待训练的停车位检测模型中的待训练识别网络，基于待训练识别网络中PCM分支网络，确定各个停车位角点的位置信息；基于待训练识别网络中PAF分支网络，确定各个停车位角点之间的亲和度；基于待训练识别网络，将样本特征图像、各个位置信息和各个亲和度进行融合，得到样本图像中包含的各个停车位的位置信息。
本申请实施例基于样本图像中包含的各个停车位的位置信息，以及样本数据集中该样本图像对应的各个停车位的位置信息，确定损失值；根据损失值对停车位检测模型中的模型参数进行调整，直至损失值收敛至预设的期望值，得到已训练的停车位检测模型。
在一些实施例中，如图5所示，本申请实施例提供一种确定停车位的位置信息方法的流程示意图，其中，以采用停车位检测模型为例，包括以下步骤：
步骤S501，基于预设的停车位检测周期，获取图像采集设备采集到的第二待检测图像。
步骤S502，将第二待检测图像输入停车位检测模型的特征提取网络。
步骤S503，基于特征提取网络，获得包含第二待检测图像中各停车位角点的特征图像。
步骤S504，将特征图像输入停车位检测模型的识别网络。
步骤S505，基于识别网络中的关键点检测PCM分支网络，确定特征图像中各个停车位角点的位置信息。
步骤S506，基于识别网络中的亲和度PAF分支网络，获得特征图像中每两个停车位角点之间的亲和度场，并根据各个亲和度场，分别确定亲和度场对应的停车位角点之间的亲和度。
需要说明的是，步骤S505和步骤S506同时执行。
步骤S507，基于预设的连接条件，根据各个停车位角点的位置信息，确定各个停车位角点的连接关系。
步骤S508，根据连接关系，获得多个各个停车位对应的候选连接方式。
步骤S509，根据各个停车位角点之间的亲和度，分别确定各个候选连接方式对应的总亲和度。
步骤S510，将总亲和度最大值对应的候选连接方式，作为目标连接方式。
步骤S511，根据目标连接方式，连接各个停车位角点，得到第二待检测图像中包含的各个停车位，并确定各个停车位的位置信息。
在另一些实施例中，本申请实施例可根据预设的采集角度与各个停车位的位置信息的对应关系，确定与第一待检测图像的采集角度对应的各个停车位的位置信息。
需要说明的是，第一待检测图像的采集角度是指第一待检测图像对应的图像采集设备在采集停车场图像时相对于基准坐标轴的角度。
例如，如图6所示，图像采集设备固定在A点，以A为原点，建立基准坐标轴，其中，基准坐标轴为空间坐标轴；将图像采集设备与坐标轴的角度，即虚线与坐标轴之间的角度，作为图像采集设备的采集角度。
具体实施中，本申请实施例确定第一待检测图像对应的图像采集设备的采集角度，基于预设的采集角度与各个停车位的位置信息的对应关系，确定与第一待检测图像的采集角度对应的各个停车位的位置信息。
在一些实施例中，本申请实施例可通过下列方式建立采集角度与各个停车位的位置信息的对应关系。
实施中，本申请实施例可根据预设的采集角度，设置图像采集设备的采集角度，并在设置的采集角度下，通过图像采集设备采集停车场的第二待检测图像；基于停车位检测模型，对第二待检测图像进行停车位检测，确定第二待检测图像中包含的各个停车位的位置信息，并建立起各个停车位的位置信息与第二待检测图像对应的采集角度的对应关系。
本申请实施例在确定出第一待检测图像对应的各个停车位的位置信息后，针对各个停车位的位置信息中的一个停车位的位置信息，与各个车辆的位置信息进行匹配，得到停车位对应的匹配信息。
在一些实施例中，本申请实施例获得第一待检测图像对应的停车位的位置信息集合P＝{p1，p2，···，pN}，针对集合P中的任一个停车位的位置信息，确定pN与车辆的位置信息集合V＝{v1，v2，···，vM}中任一个车辆的位置信息的匹配信息。
具体实施中，针对各个停车位的位置信息中的一个停车位的位置信息，分别通过如下方式确定匹配信息。
在一些实施例，本申请实施例基于各个车辆的位置信息，确定停车位的位置信息与各个车辆的位置信息的交并比，并确定交并比是否大于第一设定阈值；若是，则确定停车位对应的匹配信息为匹配成功；若否，则确定停车位对移动匹配信息为匹配失败。
具体实施中，本申请实施例针对任意一个车辆的位置信息，确定停车位的位置信息与车辆的位置信息的交并比；并确定得到的交并比是否大于第一设定阈值。
在一些实施例中，若交并比大于第一设定阈值，则确定停车位对应的匹配信息为匹配成功。
在另一些实施例中，若交并比小于或等于第一设定阈值，则继续确定停车位的位置信息与下一个车辆的位置信息的交并比，直至满足结束条件。
需要说明的是，下一个车辆的位置信息为，各个车辆的位置信息中除已确定交并比的车辆的位置信息的车辆的位置信息中的任意一个车辆的位置信息。
本申请实施例中的结束条件包括但不限于：
交并比大于第一设定阈值；或者，
各个车辆的位置信息均为已确定交并比的车辆的位置信息。
在一些实施例中，若满足的结束条件为交并比大于第一设定阈值，则确定停车位对应的匹配信息为匹配成功。
在另一些实施例中，若满足的结束条件为各个车辆的位置信息均为已确定交并比的车辆的位置信息，则确定停车位对应的匹配信息为匹配失败。
在另一些实施例中，本申请实施例分别确定停车位的位置信息与各个车辆的位置信息的交并比IOU，并将确定出的各个IOU中的最大值IOUmax与第一设定阈值Ω进行比较。若IOUmax>Ω则认为pn与车辆vm匹配成功。
例如，停车位的位置信息p1与各个车辆的位置信息v1、v2、v3的交并比IOU分别为0.8、0.7、0.9，其中，第一设定阈值Ω为0.85，确定IOUmax0.9大于Ω，则确定停车位对应的匹配信息为匹配成功；若第一设定阈值Ω为0.95，确定IOUmax0.9小于Ω，则确定停车位对应的匹配信息为匹配失败。
在一些实施例中，本申请实施例在确定出各个停车位对应的匹配信息后，根据确定出的各个停车位对应的匹配信息，分别确定各个停车位的车位状态。
具体实施中，本申请实施例针对各个停车位对应的匹配信息，分别执行如下操作：
本申请实施例确定停车位前一车辆检测周期的停车位信息。
需要说明的是，停车位信息包括停车位的车位状态、停车位中停留车辆的位置信息和停留时间。
本申请实施例根据确定出的停车位信息以及匹配信息，确定停车位的车位状态。
具体地，本申请实施例可基于如下方式确定停车位的车位状态。
方式一、匹配信息为匹配成功。
实施中，当匹配信息为匹配成功时，本申请实施例确定停车位对应的匹配车辆的位置信息。
在一些实施例中，若停车位的前一车位状态为驶入驶出状态或占用状态，则根据停留车辆的位置信息、停留时间和匹配车辆的位置信息，确定停车位的车位状态；或者，若停车位的前一车位状态为空闲状态，则确定停车位的车位状态为驶入驶出状态。
具体实施中，若停车位的前一车位状态为驶入驶出状态，则确定匹配车辆的位置信息与停留车辆的位置信息的位置相关度，并确定位置相关度是否大于第二预设阈值。
在一些实施例中，若确定位置相关度大于第二预设阈值，则根据车辆检测周期的时长更新停留时间，得到当前停留时间，并确定当前停留时间是否大于车位判断时长；若确定当前停留时间大于车位判断时长，则确定车位状态为占用状态；若确定当前停留时间小于或等于车位判断时长，则确定车位状态为驶入驶出状态中的驶入状态，并根据车辆检测周期更新当前停留时间。
具体地，本申请实施例在确定位置相关度大于第二预设阈值后，在停留时间的基础上增加上一个车辆检测周期的时长，得到当前停留时间，即
Figure BDA0003186340620000251
其中，
Figure BDA0003186340620000252
表示停留时间；tτ表示一个车辆检测周期的时长。
实施中，本申请实施例在确定出停车位的车位状态后，根据确定出的停车位状态、当前停留时间和匹配车辆的位置信息更新停车位信息。
具体地，本申请实施例根据确定出的停车位状态更新停车位信息中的停车位的车位状态，根据匹配车辆的位置信息更新停车位信息中的停车位中停留车辆的位置信息，以及根据当前停留时间更新停车位信息中的停留时间。
在另一些实施例中，若确定位置相关度小于或等于第二预设阈值，则确定车位状态为驶入驶出状态中的驶出状态，并将停留时间置0；并且，本申请实施例在确定出停车位的车位状态后，根据确定出的停车位状态更新停车位信息中的停车位的车位状态，以及根据匹配车辆的位置信息更新停车位信息中的停车位中停留车辆的位置信息。
在另一些实施例中，若停车位的前一车位状态为占用状态，则确定匹配车辆的位置信息与停留车辆的位置信息的位置相关度，并确定位置相关度是否大于第二预设阈值。
在一些实施例中，若确定位置相关度大于第二预设阈值，则确定车位状态为占用状态，并根据匹配车辆的位置信息更新停车位信息中的停留车辆的位置信息。
在另一些实施例中，若确定位置相关度小于或等于第二预设阈值，则确定车辆状态为驶入驶出状态；并根据匹配车辆的位置信息更新停车位信息中的停留车辆的位置信息，根据车辆状态更新停车位信息中的停车位的车位状态，以及将停留时间置空；
本申请实施例可通过下列公式确定位置相关度：
Figure BDA0003186340620000261
其中，δ表示匹配车辆的位置信息vm与停留车辆的位置信息bn的位置相关度；λ1、λ2为超参数；IOU为交并比；E表示计算两点间的欧式距离；d表示vm与bn的最小闭包区域的对角线距离；cv，cb分别表示vm与bn的中心点坐标。
在另一些实施例中，若停车位的前一车位状态为空闲状态，则确定车位状态为驶入驶出状态，具体地，则确定车位状态为驶入驶出状态中的驶入状态，并更新停车位信息中的停车位的车位状态，以及根据匹配车辆的位置信息更新停车位信息中的停留车辆的位置信息。
方式二、匹配信息为匹配失败。
实施中，当匹配信息为匹配失败时，本申请实施例根据停车位信息确定停车位的车位状态。
具体地，若停车位的前一车位状态为空闲状态或驶入驶出状态，则确定停车位的车位状态为空闲状态；或者，若停车位的前一车位状态为占用状态，则确定停车位对应的连续匹配失败次数，并根据连续匹配失败次数，确定停车位的车位状态。
在一些实施例中，若确定停车位的前一车位状态为空闲状态，则本申请实施例确定车位状态为空闲状态。
在另一些实施例中，若确定停车位的前一车位状态为驶入驶出状态，则确定停车位的车位状态为空闲状态；并将停车位信息中的停车位的车位状态更新为空闲状态，以及将停留时间置0。
在另一些实施例中，若确定停车位的前一车位状态为占用状态，则继续获取第一待检测图像，确定第一待检测图像中包含的各个车辆的位置信息，并与停车位的位置信息进行匹配，统计连续匹配失败次数；根据连续匹配失败次数，确定停车位的车位状态。
具体实施中，若确定连续匹配失败的次数大于最大空检帧数，则确定车位状态为空闲状态，且将停车位信息中的停留车辆的位置信息和停留时间置空，以及将停车位信息中的停车位的车位状态更新为空闲状态。
若确定连续匹配失败的次数小于或等于最大空检帧数，则确定车位状态为占用状态；并根据确定出的匹配车辆的位置信息更新停车位信息中的停留车辆的位置信息。
具体地，如图7所示，本申请实施例可根据车位状态判断流程图，确定停车位的车位状态。其中，0表示空闲状态；1表示驶入驶出状态；2表示占用状态；IOUmax表示交并比的最大值；Ω表示第一设定阈值；bn表示停留车辆的位置信息；vm表示匹配车辆的位置信息；δ表示匹配车辆的位置信息vm与停留车辆的位置信息bn的位置相关度；位置相关度阈值Ωσ表示第二设定阈值；T表示车位判断时间T；
Figure BDA0003186340620000271
表示当前停留时间；Fn表示连续匹配失败次数；Fmax表示最大空检帧数；tτ表示一个车辆检测周期的时长。
本申请实施例在确定出各个停车位的车位状态后，在显示界面中显示车位状态为空闲状态的停车位信息。
例如，如图8所示，本申请实施例在确定出各个停车位的车位状态后，在显示界面中显示处于空闲状态的停车位在停车场中的序号，例如，A区11号。
如图9所示，本申请实施例提供一种停车位状态检测方法的完整流程示意图，包括以下步骤：
步骤S901，基于预设的车辆检测周期，获取图像采集设备采集到的第一待检测图像。
步骤S902，将第一待检测图像输入到车辆检测模型的卷积层，并基于卷积层，对第一待检测图像进行特征提取，获得第一待检测图像的图像特征。
步骤S903，将图像特征输入到车辆检测模型的全连接层，并基于全连接层，对图像特征进行分类，确定第一待检测图像中各个车辆的位置信息。
步骤S904，确定第一待检测图像对应的各个停车位的位置信息。
需要说明的是，各个停车位的位置信息是基于与第一待检测图像的采集角度相同的第二待检测图像得到的。
具体实施中，本申请实施例可通过下列方式确定各个停车位的位置信息：
基于预设的停车位检测周期，获取图像采集设备采集到的第二待检测图像；基于第二待检测图像，确定第二待检测图像中包含的各个停车位的位置信息；或者，
根据预设的采集角度与各个停车位的位置信息的对应关系，确定与第一待检测图像的采集角度对应的各个停车位的位置信息。
步骤S905，基于各个车辆的位置信息，确定各个停车位的位置信息中的一个停车位的位置信息的交并比。
步骤S906，确定交并比是否大于第一设定阈值；若是，执行步骤S907；若否，则确定步骤S912；
步骤S907，确定停车位对应的匹配信息为匹配成功，并确定停车位对应的匹配车辆的位置信息。
步骤S908，确定停车位前一车辆检测周期的停车位信息。
需要说明的是，停车位信息包括停车位的前一车位状态、停车位中停留车辆的位置信息和停留时间。
步骤S909，确定停车位的前一车位状态是否为空闲状态；若是，则执行步骤S910；若否，则执行步骤S911。
步骤S910，确定停车位的车位状态为所述驶入驶出状态。
步骤S911，根据停留车辆的位置信息、停留时间和匹配车辆的位置信息，确定停车位的车位状态。
步骤S912，确定停车位的前一车位状态是否为占用状态；若是，则执行步骤S913；若否，则执行步骤S914。
步骤S913，确定连续匹配失败次数是否大于最大空检帧数；若是，则执行步骤S914；若否，则执行步骤S915。
步骤S914，确定停车位的车位状态为空闲状态。
步骤S915，确定停车位的车位状态为占用状态，并执行步骤S901。
步骤S916，确定停车位的车位状态为空闲状态。
基于同一发明构思，本申请实施例中还提供了一种停车位状态检测装置，由于该装置解决问题的原理与上述停车位状态检测方法相似，因此该装置可以参见上述方法实施例实施，重复之处不再赘述。
如图10所示，本申请实施例提供的一种停车位状态检测装置的结构框图，该装置包括：
第一确定单元1001，用于对第一待检测图像进行车辆检测，确定第一待检测图像中包含的各个车辆的位置信息；
第二确定单元1002，用于对第二待检测图像进行停车位检测，确定第二待检测图像中包含的各个停车位的位置信息；其中，第一待检测图像和第二待检测图像的采集角度相同；
匹配单元1003，用于分别对各个停车位执行匹配操作，确定各个停车位对应的匹配信息；其中，在匹配操作中，将各个停车位的位置信息中的一个停车位的位置信息，与各个车辆的位置信息进行匹配，得到一个停车位对应的匹配信息；
第三确定单元1004，用于根据各个停车位对应的匹配信息，分别确定各个停车位的车位状态。
一种可选的实施方式为，装置还包括获取单元1005；获取单元1005具体用于：
基于预设的停车位检测周期，获取所述图像采集设备采集到的第二待检测图像；
第二确定单元1002具体用于：
基于第二待检测图像，获得第二待检测图像中各个停车位角点的位置信息，以及每两个停车位角点之间的亲和度；亲和度表征两个停车位角点之间的关联特性；
基于预设的连接条件，根据各个停车位角点的位置信息和各个亲和度，确定第二待检测图像中包含的各个停车位的位置信息。
一种可选的实施方式为，第二确定单元1002具体用于：
将第二待检测图像输入停车位检测模型的特征提取网络；
基于特征提取网络，获得包含第二待检测图像中各停车位角点的特征图像；
将特征图像输入停车位检测模型的识别网络；
基于识别网络中的关键点检测PCM分支网络，确定特征图像中各个停车位角点的位置信息；
基于识别网络中的亲和度PAF分支网络，获得特征图像中每两个停车位角点之间的亲和度场，并根据各个亲和度场，分别确定亲和度场对应的停车位角点之间的亲和度。
一种可选的实施方式为，第二确定单元1002具体用于：
基于所述预设的连接条件，根据各个停车位角点的位置信息，确定各个停车位角点的连接关系；
根据连接关系，获得多个各个停车位对应的候选连接方式；
根据各个停车位角点之间的亲和度，分别确定各个候选连接方式对应的总亲和度；
将总亲和度最大值对应的候选连接方式，作为目标连接方式；
根据目标连接方式，连接各个停车位角点，得到第二待检测图像中包含的各个停车位，并确定各个停车位的位置信息。
一种可选的实施方式为，装置还包括获取单元1005；获取单元1005具体用于：
基于预设的车辆检测周期，获取图像采集设备采集到的第一待检测图像；
第一确定单元1001具体用于：
将第一待检测图像输入到车辆检测模型的卷积层，并基于卷积层，对第一待检测图像进行特征提取，获得第一待检测图像的图像特征；以及
将图像特征输入到车辆检测模型的全连接层，并基于全连接层，对图像特征进行分类，确定第一待检测图像中各个车辆的位置信息。
一种可选的实施方式为，匹配单元1003具体用于：
基于各个车辆的位置信息，确定停车位的位置信息与各个车辆的位置信息的交并比，并确定交并比是否大于第一设定阈值；
若是，则确定停车位对应的匹配信息为匹配成功；
若否，则确定停车位对应的匹配信息为匹配失败。
一种可选的实施方式为，匹配单元1003具体用于：
针对任意一个车辆的位置信息，确定停车位的位置信息与车辆的位置信息的交并比；
若交并比大于第一设定阈值，则确定停车位对应的匹配信息为匹配成功；或者，
若交并比小于或等于第一设定阈值，则继续确定停车位的位置信息与下一个车辆的位置信息的交并比，直至满足结束条件；下一个车辆的位置信息为，各个车辆的位置信息中除已确定交并比的车辆的位置信息的车辆的位置信息中的任意一个车辆的位置信息；
若满足的结束条件为交并比大于所述第一设定阈值，则确定停车位对应的匹配信息为匹配成功；
若满足的结束条件为各个车辆的位置信息均为已确定交并比的车辆的位置信息，则确定停车位对应的匹配信息为匹配失败。
一种可选的实施方式为，车位状态包括空闲状态、驶入驶出状态、占用状态；第三确定单元1004具体用于：
针对各个停车位对应的匹配信息，分别执行如下操作：
确定停车位前一车辆检测周期的停车位信息；停车位信息包括停车位的车位状态、停车位中停留车辆的位置信息和停留时间；
当匹配信息为匹配成功时，确定停车位对应的匹配车辆的位置信息；若停车位的前一车位状态为驶入驶出状态或占用状态，则根据停留车辆的位置信息、停留时间和匹配车辆的位置信息，确定停车位的车位状态；或者，若停车位的前一车位状态为空闲状态，则确定停车位的车位状态为驶入驶出状态；
当匹配信息为匹配失败时，若停车位的前一车位状态为空闲状态或驶入驶出状态，则确定停车位的车位状态为空闲状态；或者，若停车位的前一车位状态为占用状态，则确定停车位对应的连续匹配失败次数，并根据连续匹配失败次数，确定停车位的车位状态。
与上述停车位状态检测方法的实施例相对应地，本申请实施例还提供了一种电子设备。该电子设备可以是服务器，也可以是移动终端或计算机等终端设备，如图1中所示的前端设备20。
该电子设备至少包括用于存储数据的存储器和用于数据处理的处理器。其中，对于用于数据处理的处理器而言，在执行处理时，可以采用微处理器、CPU、GPU(GraphicsProcessing Unit，图形处理单元)、DSP或FPGA实现。对于存储器来说，存储器中存储有操作指令，该操作指令可以为计算机可执行代码，通过该操作指令来实现上述本申请实施例的停车位状态检测方法的流程中的各个步骤。
图11为本申请实施例提供的一种电子设备的结构示意图；如图11所示，本申请实施例中该电子设备100包括：处理器101、显示器102、存储器103、输入设备106、总线105和通讯模块104；该处理器101、存储器103、输入设备106、显示器102和通讯模块104均通过总线105连接，该总线105用于该处理器101、存储器103、显示器102、通讯模块104和输入设备106之间传输数据。
其中，存储器103可用于存储软件程序以及模块，如本申请实施例中的停车位状态检测方法对应的程序指令/模块，处理器101通过运行存储在存储器103中的软件程序以及模块，从而执行电子设备100的各种功能应用以及数据处理，如本申请实施例提供的停车位状态检测方法。存储器103可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个应用的应用程序等；存储数据区可存储根据电子设备100的使用所创建的数据(比如停车位的位置信息等相关数据)等。此外，存储器103可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
处理器101是电子设备100的控制中心，利用总线105以及各种接口和线路连接整个电子设备100的各个部分，通过运行或执行存储在存储器103内的软件程序和/或模块，以及调用存储在存储器103内的数据，执行电子设备100的各种功能和处理数据。可选的，处理器101可包括一个或多个处理单元，如CPU、GPU、数字处理单元等。
处理器101可以将停车位状态检测的结果通过显示器102展示给用户。
处理器101还可以通过通讯模块104连接网络，获取第一待检测图像、第二待检测图像等。
输入设备106主要用于获得用户的输入操作，当该电子设备不同时，该输入设备106也可能不同。例如，当该电子设备为计算机时，该输入设备106可以为鼠标、键盘等输入设备；当该电子设备为智能手机、平板电脑等便携设备时，该输入设备106可以为触控屏。
本申请实施例针对停车位状态检测方法还提供一种计算设备可读存储介质，即断电后内容不丢失。该存储介质中存储软件程序，包括程序代码，当程序代码在计算设备上运行时，该软件程序在被一个或多个处理器读取并执行时可实现本申请实施例上面任何一种停车位状态检测方法的方案。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
显然，本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样，倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内，则本申请也意图包含这些改动和变型在内。

Claims (13)

1.一种停车位状态检测方法，其特征在于，所述方法包括：
对第一待检测图像进行车辆检测，确定所述第一待检测图像中包含的各个车辆的位置信息；
基于预设的停车位检测周期，获取图像采集设备采集到的第二待检测图像；其中，所述第一待检测图像和所述第二待检测图像的采集角度相同；
将所述第二待检测图像输入到停车位检测模型中，基于所述停车位检测模型中的识别网络，确定所述第二待检测图像中各个停车位角点的位置信息，以及每两个停车位角点之间的亲和度；其中，所述亲和度表征两个停车位角点之间的关联特性；所述识别网络包括关键点检测PCM分支网络和亲和度PAF分支网络；基于所述预设的连接条件，根据所述各个停车位角点的位置信息，确定所述各个停车位角点的连接关系；根据所述各个停车位角点之间的亲和度，以及所述连接关系对应的停车位连接方式，确定所述第二待检测图像中包含的各个停车位的位置信息；
分别对所述各个停车位执行匹配操作，确定所述各个停车位对应的匹配信息；其中，在所述匹配操作中，将所述各个停车位的位置信息中的一个停车位的位置信息，与所述各个车辆的位置信息进行匹配，得到所述一个停车位对应的匹配信息；
根据所述各个停车位对应的匹配信息，分别确定所述各个停车位的车位状态。
2.根据权利要求1所述的方法，其特征在于，所述将所述第二待检测图像输入到停车位检测模型中，基于所述停车位检测模型中的识别网络，确定所述第二待检测图像中各个停车位角点的位置信息，以及每两个停车位角点之间的亲和度，包括：
将所述第二待检测图像输入所述停车位检测模型的特征提取网络；
基于所述特征提取网络，获得包含所述第二待检测图像中各停车位角点的特征图像；
将所述特征图像输入所述停车位检测模型的识别网络；
基于所述识别网络中的关键点检测PCM分支网络，确定所述特征图像中各个停车位角点的位置信息；
基于所述识别网络中的亲和度PAF分支网络，获得所述特征图像中每两个停车位角点之间的亲和度场，并根据各个亲和度场，分别确定所述亲和度场对应的停车位角点之间的亲和度。
3.根据权利要求1所述的方法，其特征在于，所述根据所述各个停车位角点之间的亲和度，以及所述连接关系对应的停车位连接方式，确定所述第二待检测图像中包含的各个停车位的位置信息，包括：
根据所述连接关系，获得多个所述各个停车位对应的候选连接方式；
根据所述各个停车位角点之间的亲和度，分别确定各个候选连接方式对应的总亲和度；
将所述总亲和度最大值对应的候选连接方式，作为目标连接方式；
根据所述目标连接方式，连接所述各个停车位角点，得到所述第二待检测图像中包含的各个停车位，并确定所述各个停车位的位置信息。
4.根据权利要求1所述的方法，其特征在于，所述对第一待检测图像进行车辆检测，确定所述第一待检测图像中包含的各个车辆的位置信息，包括：
基于预设的车辆检测周期，获取图像采集设备采集到的第一待检测图像；
将所述第一待检测图像输入到车辆检测模型的卷积层，并基于所述卷积层，对所述第一待检测图像进行特征提取，获得所述第一待检测图像的图像特征；以及
将所述图像特征输入到所述车辆检测模型的全连接层，并基于所述全连接层，对所述图像特征进行分类，确定所述第一待检测图像中各个车辆的位置信息。
5.根据权利要求1所述的方法，其特征在于，所述将所述各个停车位的位置信息中的一个停车位的位置信息，与所述各个车辆的位置信息进行匹配，得到一个停车位对应的匹配信息，包括：
基于所述各个车辆的位置信息，确定所述停车位的位置信息与所述各个车辆的位置信息的交并比，并确定所述交并比是否大于第一设定阈值；
若是，则确定所述停车位对应的匹配信息为匹配成功；
若否，则确定所述停车位对应的匹配信息为匹配失败。
6.根据权利要求1所述的方法，其特征在于，所述将所述各个停车位的位置信息中的一个停车位的位置信息，与所述各个车辆的位置信息进行匹配，得到一个停车位对应的匹配信息，包括：
针对任意一个车辆的位置信息，确定所述停车位的位置信息与所述车辆的位置信息的交并比；
若所述交并比大于第一设定阈值，则确定所述停车位对应的匹配信息为匹配成功；或者，
若所述交并比小于或等于所述第一设定阈值，则继续确定所述停车位的位置信息与下一个车辆的位置信息的交并比，直至满足结束条件；所述下一个车辆的位置信息为，所述各个车辆的位置信息中除已确定交并比的车辆的位置信息中的任意一个车辆的位置信息；
若满足的结束条件为所述交并比大于所述第一设定阈值，则确定所述停车位对应的匹配信息为匹配成功；
若满足的结束条件为所述各个车辆的位置信息均为所述已确定交并比的车辆的位置信息，则确定所述停车位对应的匹配信息为匹配失败。
7.根据权利要求1～6任一所述的方法，其特征在于，所述车位状态包括空闲状态、驶入驶出状态、占用状态；所述根据所述各个停车位对应的匹配信息，分别确定所述各个停车位的车位状态，包括：
针对各个停车位对应的匹配信息，分别执行如下操作：
确定所述停车位前一车辆检测周期的停车位信息；所述停车位信息包括停车位的前一车位状态、停车位中停留车辆的位置信息和停留时间；
当所述匹配信息为匹配成功时，确定所述停车位对应的匹配车辆的位置信息；若所述停车位的前一车位状态为所述驶入驶出状态或所述占用状态，则根据所述停留车辆的位置信息、所述停留时间和所述匹配车辆的位置信息，确定所述停车位的车位状态；或者，若所述停车位的前一车位状态为所述空闲状态，则确定所述停车位的车位状态为所述驶入驶出状态；
当所述匹配信息为匹配失败时，若所述停车位的前一车位状态为所述空闲状态或所述驶入驶出状态，则确定所述停车位的车位状态为所述空闲状态；或者，若所述停车位的前一车位状态为所述占用状态，则确定所述停车位对应的连续匹配失败次数，并根据所述连续匹配失败次数，确定所述停车位的车位状态。
8.一种停车位状态检测装置，其特征在于，所述装置包括：
第一确定单元，用于对第一待检测图像进行车辆检测，确定所述第一待检测图像中包含的各个车辆的位置信息；
获取单元，用于基于预设的停车位检测周期，获取图像采集设备采集到的第二待检测图像；其中，所述第一待检测图像和所述第二待检测图像的采集角度相同；
第二确定单元，用于将所述第二待检测图像输入到停车位检测模型中，基于所述停车位检测模型中的识别网络，确定所述第二待检测图像中各个停车位角点的位置信息，以及每两个停车位角点之间的亲和度；其中，所述亲和度表征两个停车位角点之间的关联特性；所述识别网络包括关键点检测PCM分支网络和亲和度PAF分支网络；基于所述预设的连接条件，根据所述各个停车位角点的位置信息，确定所述各个停车位角点的连接关系；根据所述各个停车位角点之间的亲和度，以及所述连接关系对应的停车位连接方式，确定所述第二待检测图像中包含的各个停车位的位置信息；
匹配单元，用于分别对所述各个停车位执行匹配操作，确定所述各个停车位对应的匹配信息；其中，在所述匹配操作中，将所述各个停车位的位置信息中的一个停车位的位置信息，与所述各个车辆的位置信息进行匹配，得到所述一个停车位对应的匹配信息；
第三确定单元，用于根据所述各个停车位对应的匹配信息，分别确定所述各个停车位的车位状态。
9.根据权利要求8所述的装置，其特征在于，所述第二确定单元具体用于：
将所述第二待检测图像输入所述停车位检测模型的特征提取网络；
基于所述特征提取网络，获得包含所述第二待检测图像中各停车位角点的特征图像；
将所述特征图像输入所述停车位检测模型的识别网络；
基于所述识别网络中的关键点检测PCM分支网络，确定所述特征图像中各个停车位角点的位置信息；
基于所述识别网络中的亲和度PAF分支网络，获得所述特征图像中每两个停车位角点之间的亲和度场，并根据各个亲和度场，分别确定所述亲和度场对应的停车位角点之间的亲和度。
10.根据权利要求8所述的装置，其特征在于，所述第二确定单元具体用于：
根据所述连接关系，获得多个所述各个停车位对应的候选连接方式；
根据所述各个停车位角点之间的亲和度，分别确定各个候选连接方式对应的总亲和度；
将所述总亲和度最大值对应的候选连接方式，作为目标连接方式；
根据所述目标连接方式，连接所述各个停车位角点，得到所述第二待检测图像中包含的各个停车位，并确定所述各个停车位的位置信息。
11.根据权利要求8所述的装置，其特征在于，所述匹配单元具体用于：
基于所述各个车辆的位置信息，确定所述停车位的位置信息与所述各个车辆的位置信息的交并比，并确定所述交并比是否大于第一设定阈值；
若是，则确定所述停车位对应的匹配信息为匹配成功；
若否，则确定所述停车位对应的匹配信息为匹配失败。
12.一种电子设备，其特征在于，包括存储器和处理器，所述存储器上存储有可在所述处理器上运行的计算机程序，当所述计算机程序被所述处理器执行时，实现权利要求1～7中任一项所述的方法。
13.一种计算机可读存储介质，所述计算机可读存储介质内存储有计算机程序，其特征在于：所述计算机程序被处理器执行时，实现权利要求1～7中任一项所述的方法。
CN202110862758.6A 2021-07-29 2021-07-29 一种停车位状态检测方法和装置 Active CN113593297B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110862758.6A CN113593297B (zh) 2021-07-29 2021-07-29 一种停车位状态检测方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110862758.6A CN113593297B (zh) 2021-07-29 2021-07-29 一种停车位状态检测方法和装置

Publications (2)

Publication Number Publication Date
CN113593297A CN113593297A (zh) 2021-11-02
CN113593297B true CN113593297B (zh) 2022-09-13

Family

ID=78251752

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110862758.6A Active CN113593297B (zh) 2021-07-29 2021-07-29 一种停车位状态检测方法和装置

Country Status (1)

Country Link
CN (1) CN113593297B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115527189B (zh) * 2022-11-01 2023-03-21 杭州枕石智能科技有限公司 车位状态的检测方法、终端设备及计算机可读存储介质

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20150339924A1 (en) * 2014-05-21 2015-11-26 Douglas J. Cook Parking space occupancy

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110533950A (zh) * 2018-05-25 2019-12-03 杭州海康威视数字技术股份有限公司 车位使用状况的检测方法、装置、电子设备及存储介质
CN111383457B (zh) * 2018-12-30 2021-02-09 浙江宇视科技有限公司 车位状态检测方法及装置、设备及存储介质
US10755571B1 (en) * 2019-03-01 2020-08-25 Amazon Technologies, Inc. Identifying parking location using single camera reverse projection
CN110334625A (zh) * 2019-06-25 2019-10-15 河北工业大学 一种面向自动泊车的停车位视觉识别系统及其识别方法
CN112330601B (zh) * 2020-10-15 2024-03-19 浙江大华技术股份有限公司 一种基于鱼眼相机的停车检测方法、装置、设备及介质
CN112489483B (zh) * 2020-11-02 2021-11-02 湖南久钰电子有限公司 智能停车管理方法、系统、电子设备及存储介质

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20150339924A1 (en) * 2014-05-21 2015-11-26 Douglas J. Cook Parking space occupancy

Also Published As

Publication number Publication date
CN113593297A (zh) 2021-11-02

Similar Documents

Publication Publication Date Title
CN112232293B (zh) 图像处理模型训练、图像处理方法及相关设备
CN109815843B (zh) 图像处理方法及相关产品
CN107944450B (zh) 一种车牌识别方法及装置
JP2020519989A (ja) ターゲット識別方法、装置、記憶媒体および電子機器
CN109116129B (zh) 终端检测方法、检测设备、系统及存储介质
CN112446363A (zh) 一种基于视频抽帧的图像拼接与去重方法及装置
CN113593297B (zh) 一种停车位状态检测方法和装置
CN111428740A (zh) 网络翻拍照片的检测方法、装置、计算机设备及存储介质
CN112686314B (zh) 基于远距离拍摄场景的目标检测方法、装置及存储介质
WO2022165675A1 (zh) 一种手势识别方法、装置、终端设备及可读存储介质
CN116229406B (zh) 车道线检测方法、系统、电子设备及存储介质
CN107563257B (zh) 视频理解方法及装置
CN113160272A (zh) 目标跟踪方法、装置、电子设备及存储介质
CN113704276A (zh) 地图更新方法、装置、电子设备及计算机可读存储介质
CN111104915A (zh) 一种同行分析方法、装置、设备和介质
CN115690845A (zh) 一种运动轨迹预测方法及装置
CN114494977A (zh) 一种异常停车检测方法、电子设备及存储介质
CN114120170A (zh) 视频画面分析方法、装置、设备、介质及程序产品
US11189050B2 (en) Learning template representation libraries
CN114596580B (zh) 一种多人体目标识别方法、系统、设备及介质
CN113128277A (zh) 一种人脸关键点检测模型的生成方法及相关设备
CN112330619B (zh) 一种检测目标区域的方法、装置、设备及存储介质
CN113111852B (zh) 目标检测方法、训练方法、电子设备及枪球联动系统
CN111339459A (zh) 一种信息处理方法、服务器、终端及计算机存储介质
CN115049895B (zh) 一种图像属性识别方法、属性识别模型训练方法及装置

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