CN115083203A

CN115083203A - 基于图像识别泊位对路内停车进行巡检的方法和系统

Info

Publication number: CN115083203A
Application number: CN202210996589.XA
Authority: CN
Inventors: 黄二雨; 卢红松
Original assignee: Shenzhen 4hiitech Information Technology Co ltd
Current assignee: Shenzhen 4hiitech Information Technology Co ltd
Priority date: 2022-08-19
Filing date: 2022-08-19
Publication date: 2022-09-20
Anticipated expiration: 2042-08-19
Also published as: CN115083203B

Abstract

本发明公开了一种基于图像识别泊位对路内停车进行巡检的方法，包括通过安装在巡检车上的摄像机根据巡检计划采集视频图像；对视频图像逐帧进行处理，提取每帧图像中的多条泊位线；根据当前图像的多条泊位线，计算当前图像的泊位识别点；根据当前图像的泊位识别点，判断当前图像的泊位是否为待巡检泊位。本发明通过安装在巡检车上的摄像机根据巡检计划采集视频图像；然后通过对视频图像进行处理，利用每帧视频图像中的泊位线计算其泊位识别点；再通过泊位识别点判断该泊位是否为巡检泊位。由此，只要泊位上绘制出泊位线，即可实现巡检；由于其不依赖位置定位，应用场景更广、环境要求更低、成本造价更低。

Description

基于图像识别泊位对路内停车进行巡检的方法和系统

技术领域

本发明涉及智慧停车技术领域，尤其涉及一种基于图像识别泊位对路内停车进行巡检的方法和系统。

背景技术

智慧停车是智能化城市建设中重要的一环，充分利用城市道路的路内停车是实现智慧停车的重要组成部分。城市道路内停车目前主流的方式是采用高位视频的解决方案，虽然该方案具有无人自动化、证据链全面等优势。但高位视频也存在一些局限性，对于一些高处存在遮挡的泊位其识别率严重下降，甚至无法应用。因此搭载了全自动巡检系统的智能巡检车可以作为其有效补充，大幅度降低人力成本，提高巡检效率。全自动巡检系统不但可以应用于一些高位不适合的场景，同时也可以是高位视频的一个补充。由于外界遮挡等因素高位视频存一般都会存在一定的错漏率，而全自动巡检系统正好可以弥补这种错漏。

现有技术主要是基于位置识别进行巡检来判断泊位号，常用的方案有：基于RTK（Real - time kinematic，实时动态）或者UWB（Ultra Wide Band，超宽带）的高精度位置定位。

RTK为载波相位差分技术，是为了解决GPS误差，实现高精定位的技术。GPS定位的基本原理是至少测量出当前位置与4颗卫星的距离和对应时间，通过解方程即可求得当前位置在地球坐标系下的位置[x, y, z]。普通GPS的定位精度大于1米，信号误差有50%的概率会达到2米以上，最高可达到十几米。差分就是把GPS的误差想方设法分离出，在已知位置的参考点上装上移动基站，就能知道定位信号的偏差。将这个偏差发送给需要定位的移动站，移动站就可以获得更精准的位置信息。因此，基于RTK技术的高精度位置定位，对卫星要求高，基站维护成本大，需要专门的GPS芯片。

超宽带无线通信技术（UWB）是一种无载波通信技术，UWB不使用载波，而是使用短的能量脉冲序列，并通过正交频分调制或直接排序将脉冲扩展到一个频率范围内。主要有三种应用：成像、通信与测量和车载雷达系统，再宏观一点，可以分为成像、通信和定位三种场景。因此，基于UWB技术高精度位置定位，有一定的建设和维护成本，通信距离短，需要额外维护基站。

因此，现有方案都具有较高的成本和复杂度，首先需要专门的模块用于位置定位，比如GPS芯片、无线通信模块等。其次其还需要建设基站，如RTK基站或者UWB基站。

基于此，需要一种新的解决方案。

发明内容

本发明的主要目的在于提供一种基于图像识别泊位对路内停车进行巡检的方法和系统。

为实现上述目的，本发明提供一种基于图像识别泊位对路内停车进行巡检的方法，包括以下步骤：

通过安装在巡检车上的摄像机根据巡检计划采集视频图像，设置待巡检泊位；

对所述视频图像逐帧进行处理，提取每帧图像中的多条泊位线；

根据当前图像的多条泊位线，计算当前图像的泊位识别点；

根据当前图像的泊位识别点，判断当前图像的泊位是否为待巡检泊位。

在本发明提供的基于图像识别泊位对路内停车进行巡检的方法中，根据当前图像的多条泊位线，计算当前图像的泊位识别点的步骤包括：

将提取的多条泊位线使用斜截式进行表示：Li: y= ki*x+bi，其中，i为大于等于2且小于等于4的正整数，其中，斜率为正的泊位线为平行于马路的泊位线，斜率为负的泊位线为垂直于马路的泊位线；

选取其中的第一泊位线和第二泊位线，其中，第一泊位线是斜率为正的一条或多条泊位线中截距小的泊位线，第二泊位线斜率为负的一条或多条泊位线中截距大的泊位线；

将第一泊位线和第二泊位线的交点作为当前图像的泊位识别点，通过以下公式计算泊位识别点的坐标P(x, y)，其中，k1、b1为第一泊位线的参数，k2、b2为第二泊位线的参数，

。

在本发明提供的基于图像识别泊位对路内停车进行巡检的方法中，根据当前图像的泊位识别点，判断当前图像的泊位是否为待巡检泊位包括：

比较当前图像的泊位识别点的纵坐标y与当前图像的第一预设阈值，其中，所述第一预设阈值为当前图像的宽度的一半；

在当前图像的泊位识别点的纵坐标y大于第一预设阈值时，判断当前图像中的泊位与上一帧图像中的泊位是否为同一个泊位；

在当前图像中的泊位与上一帧图像中的泊位为同一个泊位时，则当前图像中的泊位为待巡检泊位，并利用当前图像的泊位识别点的坐标更新该待巡检泊位的泊位识别点的坐标；

在当前图像中的泊位与上一帧图像中的泊位不是同一个泊位时，则当前图像中的泊位为待巡检泊位的下一个泊位，记录当前图像的泊位识别点的坐标。

在本发明提供的基于图像识别泊位对路内停车进行巡检的方法中，判断当前图像中的泊位与上一帧图像中的泊位是否为同一个泊位的步骤包括：

计算当前图像的泊位识别点与上一帧图像的泊位识别点之间的距离；

在该距离小于第二预设阈值时，则判定当前图像中的泊位与上一帧图像中的泊位为同一个泊位。

此外，为实现上述目的，本发明还提供一种基于图像识别泊位对路内停车进行巡检的系统，包括：

图像采集模块，用于通过安装在巡检车上的摄像机根据巡检计划采集视频图像，设置待巡检泊位；

图像处理模块，用于对所述视频图像逐帧进行处理，提取每帧图像中的多条泊位线；

泊位识别点计算模块，用于根据当前图像的多条泊位线，计算当前图像的泊位识别点；

判断模块，用于根据当前图像的泊位识别点，判断当前图像的泊位是否为待巡检泊位。

在本发明提供的基于图像识别泊位对路内停车进行巡检的系统中，所述泊位识别点计算模块包括：

预处理单元，用于将提取的多条泊位线使用斜截式进行表示：Li: y= ki*x+bi，其中，i为大于等于2且小于等于4的正整数，其中，斜率为正的泊位线为平行于马路的泊位线，斜率为负的泊位线为垂直于马路的泊位线；

泊位线选取单元，用于选取其中的第一泊位线和第二泊位线，其中，第一泊位线是斜率为正的一条或多条泊位线中截距小的泊位线，第二泊位线斜率为负的一条或多条泊位线中截距大的泊位线；

计算单元，用于将第一泊位线和第二泊位线的交点作为当前图像的泊位识别点，通过以下公式计算泊位识别点的坐标P(x, y)，其中，k1、b1为第一泊位线的参数，k2、b2为第二泊位线的参数，

。

在本发明提供的基于图像识别泊位对路内停车进行巡检的系统中，判断模块包括：

第一比较单元，用于比较当前图像的泊位识别点的纵坐标y与当前图像的第一预设阈值，其中，所述第一预设阈值为当前图像的宽度的一半；

第二比较单元，用于在当前图像的泊位识别点的纵坐标y大于第一预设阈值时，判断当前图像中的泊位与上一帧图像中的泊位是否为同一个泊位，在当前图像中的泊位与上一帧图像中的泊位为同一个泊位时，则判定当前图像中的泊位为待巡检泊位，在当前图像中的泊位与上一帧图像中的泊位不是同一个泊位时，则判定当前图像中的泊位为待巡检泊位的下一个泊位；

更新单元，用于在当前图像中的泊位为待巡检泊位时，利用当前图像的泊位识别点的坐标更新该待巡检泊位的泊位识别点的坐标；

设置单元，用于当前图像中的泊位为待巡检泊位的下一个泊位时，记录当前图像的泊位识别点的坐标。

在本发明提供的基于图像识别泊位对路内停车进行巡检的系统中，所述第二比较单元用于计算当前图像的泊位识别点与上一帧图像的泊位识别点之间的距离，在该距离小于第二预设阈值时，则判定当前图像中的泊位与上一帧图像中的泊位为同一个泊位。

本发明还提供一种计算机可读存储介质，计算机可读存储介质存储有计算机程序，计算机程序被处理器执行时实现如上所述的基于图像识别泊位对路内停车进行巡检的方法的步骤。

本发明提供的基于图像识别泊位对路内停车进行巡检的系统和方法具有以下有益效果：本发明提供的基于图像识别泊位对路内停车进行巡检的方法，通过安装在巡检车上的摄像机根据巡检计划采集视频图像；然后通过对视频图像进行处理，利用每帧视频图像中的泊位线计算其泊位识别点；再通过泊位识别点判断该泊位是否为巡检泊位；因而，只要泊位上绘制出泊位线，即可实现巡检；由于其不依赖位置定位，应用场景更广、环境要求更低、成本造价更低。

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所示为本发明一实施例提供的基于图像识别泊位对路内停车进行巡检的方法的流程图。

具体实施方式

为了便于理解本发明，下面将参照相关附图对本发明进行更全面的描述。附图中给出了本发明的典型实施例。但是，本发明可以以许多不同的形式来实现，并不限于本文所描述的实施例。相反地，提供这些实施例的目的是使对本发明的公开内容更加透彻全面。

除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本发明。

本发明总的思路是：针对现有方案都具有较高的成本和复杂度，需要专门的模块用于位置定位，需要建设基站的问题，本发明通过安装在巡检车上的摄像机根据巡检计划采集视频图像；然后通过对视频图像进行处理，利用每帧视频图像中的泊位线计算其泊位识别点；再通过泊位识别点判断该泊位是否为巡检泊位。本发明提供的基于图像识别泊位对路内停车进行巡检的方法，只要泊位上绘制出泊位线，即可实现巡检；由于其不依赖位置定位，应用场景更广、环境要求更低、成本造价更低。

为了更好的理解上述技术方案，下面将结合说明书附图以及具体的实施方式对上述技术方案进行详细的说明，应当理解本发明实施例以及实施例中的具体特征是对本申请技术方案的详细的说明，而不是对本申请技术方案的限定，在不冲突的情况下，本发明实施例以及实施例中的技术特征可以相互组合。

图1所示为本发明一实施例提供的基于图像识别泊位对路内停车进行巡检的方法的流程图。如图1所示，该基于图像识别泊位对路内停车进行巡检的方法包括以下步骤：

步骤S1、通过安装在巡检车上的摄像机根据巡检计划采集视频图像，设置待巡检泊位；

具体地，在本发明一实施例中，由安装在巡检车上的摄像机负责采集图像，摄像机以水平方向和巡检车行驶方向方向45度左右的角度，垂直方向和地平线30度左右的角度安装。

具体地，在本发明一实施例中，在开始巡检前，首先需要为系统预设巡检计划。巡检计划可以是一个或多个连续的泊位号信息。例如：A100-A199，B100，B101，...，B109，C100-C110， C120-C129。系统中可以预设多个巡检计划。然后，巡检车开到需要巡检的泊位附近，选中包含该泊位的巡检计划，开始巡检。开始巡检时需要可以输入起始泊位编号，默认为巡检计划第一个泊位号。

步骤S2、对所述视频图像逐帧进行处理，提取每帧图像中的多条泊位线；

具体地，在本发明一实施例中，可以通过以下两种方式识别每帧图像中的泊位线：第一种方式为基于深度学习训练的泊位线识别模型，该训练是一个独立的部分，需要人工参与标注，训练的输出结果为常见的模型参数；第二种方式为使用传统图像处理知识识别泊位线，用到技术主要包括：颜色选取+Canny边缘检测寻找泊位线，使用霍夫直线变换提取泊位直线。

步骤S3、根据当前图像的多条泊位线，计算当前图像的泊位识别点；

具体地，在本发明一实施例中，在根据摄像头输入的图像检测出当前图像中的泊位线后，根据泊位线的性质，每帧图像最多得到四条泊位线，为方便处理，使用斜截式进行表示：L1: y= k1*x+b1；L2: y= k2*x+b2；L3: y= k3*x+b3；L4: y= k4*x+b4，其中，斜率为正的直线为平行于马路的泊位线，斜率为负的直线为垂直于马路的泊位线。进一步地，斜率为正的直线中截距较小者为靠近马路中央的泊位线，截距较大者为靠近人行道泊位线条；斜率为负的直线中截距较大者为相对行驶方向靠后泊位线，截距较小者为相对行驶方向靠前泊位线。由于环境因素，系统可以稳定检测出靠近马路中央和行驶方向后侧的泊位线，而靠近人行道的泊位线和前方泊位线可能无法稳定被识别出。因此，将靠近马路中央和行驶方向后侧的泊位线的交点，即图像中的泊位的左下点作为泊位识别点。因此，步骤S3包括：

步骤S31、提取的多条泊位线使用斜截式进行表示：Li: y= ki*x+bi，其中，i为大于等于2且小于等于4的正整数，其中，斜率为正的泊位线为平行于马路的泊位线，斜率为负的泊位线为垂直于马路的泊位线；

步骤S32、选取其中的第一泊位线和第二泊位线，其中，第一泊位线是斜率为正的一条或多条泊位线中截距小的泊位线，第二泊位线斜率为负的一条或多条泊位线中截距大的泊位线；

步骤S33、将第一泊位线和第二泊位线的交点作为当前图像的泊位识别点，通过以下公式计算泊位识别点的坐标P(x, y)，其中，k1、b1为第一泊位线的参数，k2、b2为第二泊位线的参数，

。

步骤S4、根据当前图像的泊位识别点，判断当前图像的泊位是否为待巡检泊位。

具体地，在本发明一实施例中，由于前后两帧图像间隔较短，会出现前后两帧图像中的泊位为同一个泊位的情况，因此，在判断当前图像的泊位是否为待巡检泊位时，需要判断当前图像中的图像识别点与上一帧图像中的图像识别点是否为同一个。进一步地，在起始时设置了待巡检泊位，因此，如果处理某一帧图像时未识别到任何一个泊位，表明发现了需要巡检的第一个泊位，记录泊位左下角为坐标点的X值和Y值，继续处理下一帧图片。如果前一张图片已经是识别到了泊位，判断当前图片中的泊位和其前一张图片中的泊位是否是同一个泊位，如果是同一个泊位，更新泊位左下角的坐标X值和Y值，用于下次计算；如果不是同一个泊位，则表明发现了一个新的泊位，递增至下一个泊位，并记录其左下角坐标X值和Y值。因此，步骤S4具体包括：

步骤S41、比较当前图像的泊位识别点的纵坐标y与当前图像的第一预设阈值，其中，所述第一预设阈值为当前图像的宽度的一半，如果当前图像的泊位识别点的纵坐标y小于或等于第一预设阈值，则返回步骤S2，继续处理下一帧图像，如果当前图像的泊位识别点的纵坐标大于第一预设阈值，则前进到步骤S42；

步骤S42、判断当前图像中的泊位与上一帧图像中的泊位是否为同一个泊位，在当前图像中的泊位与上一帧图像中的泊位为同一个泊位时，前进到步骤S43；在当前图像中的泊位与上一帧图像中的泊位不上同一个泊位时，前进到步骤S44。

具体地，在本发明一实施例中，计算当前图像的泊位识别点与上一帧图像的泊位识别点之间的距离；在该距离小于第二预设阈值时，则判定当前图像中的泊位与上一帧图像中的泊位为同一个泊位，其中，第二预设阈值可以根据行驶最大速度计算。

步骤S43、判定当前图像中的泊位为待巡检泊位，并利用当前图像的泊位识别点的坐标更新该待巡检泊位的泊位识别点的坐标，然后返回步骤S2处理下一帧图像。

步骤S44、判定当前图像中的泊位为待巡检泊位的下一个泊位，记录当前图像的泊位识别点的坐标，然后返回步骤S2，将待巡检泊位设置为当前泊位的下一个泊位后，处理下一帧图像。

相应地，本发明还提供一种基于图像识别泊位对路内停车进行巡检的系统，包括：图像采集模块、图像处理模块、泊位识别点计算模块和判断模块。

具体地，在本发明一实施例中，图像采集模块，用于通过安装在巡检车上的摄像机根据巡检计划采集视频图像，设置待巡检泊位。由安装在巡检车上的摄像机负责采集图像，摄像机以水平方向和巡检车行驶方向方向45度左右的角度，垂直方向和地平线30度左右的角度安装。

具体地，在本发明一实施例中，图像处理模块，用于对所述视频图像逐帧进行处理，提取每帧图像中的多条泊位线。可以通过以下两种方式识别每帧图像中的泊位线：第一种方式为基于深度学习训练的泊位线识别模型，该训练是一个独立的部分，需要人工参与标注，训练的输出结果为常见的模型参数；第二种方式为使用传统图像处理知识识别泊位线，用到技术主要包括：颜色选取+Canny边缘检测寻找泊位线，使用霍夫直线变换提取泊位直线。

具体地，在本发明一实施例中，泊位识别点计算模块，用于根据当前图像的多条泊位线，计算当前图像的泊位识别点。所述泊位识别点计算模块包括：

。

具体地，在本发明一实施例中，判断模块，用于根据当前图像的泊位识别点，判断当前图像的泊位是否为待巡检泊位。判断模块包括：

第二比较单元，用于在当前图像的泊位识别点的纵坐标y大于第一预设阈值时，判断当前图像中的泊位与上一帧图像中的泊位是否为同一个泊位，在当前图像中的泊位与上一帧图像中的泊位为同一个泊位时，则判定当前图像中的泊位为待巡检泊位，在当前图像中的泊位与上一帧图像中的泊位不是同一个泊位时，则判定当前图像中的泊位为待巡检泊位的下一个泊位；所述第二比较单元计算当前图像的泊位识别点与上一帧图像的泊位识别点之间的距离，在该距离小于第二预设阈值时，则判定当前图像中的泊位与上一帧图像中的泊位为同一个泊位；

本发明实施例还提供了一种基于图像识别泊位对路内停车进行巡检的装置，可以包括：

存储器，用于存储计算机程序；

处理器，用于执行上述存储器存储的计算机程序时可实现如下步骤：

通过安装在巡检车上的摄像机根据巡检计划采集视频图像，设置待巡检泊位；对所述视频图像逐帧进行处理，提取每帧图像中的多条泊位线；根据当前图像的多条泊位线，计算当前图像的泊位识别点；根据当前图像的泊位识别点，判断当前图像的泊位是否为待巡检泊位。

本发明实施例还提供了一种计算机可读存储介质，计算机可读存储介质存储有计算机程序,计算机程序被处理器执行时可实现如下步骤；

该计算机可读存储介质可以包括：U盘、移动硬盘、只读存储器(Read-OnlyMemory,ROM) ＞随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。

在此处所提供的说明书中，说明了大量具体细节。然而，能够理解，本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中，并未详细示出公知的方法、结构和技术，以便不模糊对本说明书的理解。

类似地，应当理解，为了精简本公开并帮助理解各个发明方面中的一个或多个，在上面对本发明的示例性实施例的描述中，本发明的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而，并不应将该公开的方法解释成反映如下意图：即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说，如下面的权利要求书所反映的那样，发明方面在于少于前面公开的单个实施例的所有特征。因此，遵循具体实施方式的权利要求书由此明确地并入该具体实施方式，其中每个权利要求本身都作为本发明的单独实施例。

本领域那些技术人员可以理解，可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件，以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外，可以采用任何组合对本说明书（包括伴随的权利要求、摘要和附图）中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述，本说明书（包括伴随的权利要求、摘要和附图）中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。

此外，本领域的技术人员能够理解，尽管在此的一些实施例包括其它实施例中所包括的某些特征而不是其它特征，但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如，在下面的权利要求书中，所要求保护的实施例的任意之一都可以以任意的组合方式来使用。

本发明的各个部件实施例可以以硬件实现，或者以在一个或者多个处理器上运行的软件模块实现，或者以它们的组合实现。本领域的技术人员应当理解，可以在实践中使用微处理器或者数字信号处理器（DSP）来实现根据本发明实施例中的一些或者全部部件的一些或者全部功能。本发明还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序（例如，计算机程序和计算机程序产品）。这样的实现本发明的程序可以存储在计算机可读介质上，或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到，或者在载体信号上提供，或者以任何其他形式提供。

应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制，并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中，不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中，这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。

Claims

1.一种基于图像识别泊位对路内停车进行巡检的方法，其特征在于，包括以下步骤：

根据当前图像的多条泊位线，计算当前图像的泊位识别点；

2.如权利要求1所述的基于图像识别泊位对路内停车进行巡检的方法，其特征在于，根据当前图像的多条泊位线，计算当前图像的泊位识别点的步骤包括：

。

3.如权利要求2所述的基于图像识别泊位对路内停车进行巡检的方法，其特征在于，根据当前图像的泊位识别点，判断当前图像的泊位是否为待巡检泊位包括：

4.如权利要求3所述的基于图像识别泊位对路内停车进行巡检的方法，其特征在于，判断当前图像中的泊位与上一帧图像中的泊位是否为同一个泊位的步骤包括：

5.一种基于图像识别泊位对路内停车进行巡检的系统，其特征在于，包括：

6.如权利要求5所述的基于图像识别泊位对路内停车进行巡检的系统，其特征在于，所述泊位识别点计算模块包括：

。

7.如权利要求6所述的基于图像识别泊位对路内停车进行巡检的系统，其特征在于，判断模块包括：

8.如权利要求7所述的基于图像识别泊位对路内停车进行巡检的系统，其特征在于，所述第二比较单元用于计算当前图像的泊位识别点与上一帧图像的泊位识别点之间的距离，在该距离小于第二预设阈值时，则判定当前图像中的泊位与上一帧图像中的泊位为同一个泊位。

9.一种计算机可读存储介质，其特征在于，计算机可读存储介质存储有计算机程序，计算机程序被处理器执行时实现如权利要求1至4中任一项的基于图像识别泊位对路内停车进行巡检的方法的步骤。

10.一种基于图像识别泊位对路内停车进行巡检的装置，其特征在于，包括处理器和存储器，所述存储器存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至4中任一项的基于图像识别泊位对路内停车进行巡检的方法的步骤。