CN116434161B - 用于判断基于高位视频的停车行为是否可信的方法和系统 - Google Patents
用于判断基于高位视频的停车行为是否可信的方法和系统 Download PDFInfo
- Publication number
- CN116434161B CN116434161B CN202310692565.XA CN202310692565A CN116434161B CN 116434161 B CN116434161 B CN 116434161B CN 202310692565 A CN202310692565 A CN 202310692565A CN 116434161 B CN116434161 B CN 116434161B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- behavior
- tracking target
- judging
- tracking
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 40
- 230000006399 behavior Effects 0.000 claims description 157
- 238000004458 analytical method Methods 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 7
- 230000003068 static effect Effects 0.000 claims description 6
- 230000001960 triggered effect Effects 0.000 claims description 4
- 238000001514 detection method Methods 0.000 abstract description 7
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
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
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
- G06V20/54—Surveillance or monitoring of activities, e.g. for recognising suspicious objects of traffic, e.g. cars on the road, trains or boats
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/62—Text, e.g. of license plates, overlay texts or captions on TV images
- G06V20/625—License plates
Abstract
本发明公开了一种用于判断基于高位视频的停车行为是否可信的方法,包括基于在当前图片中检测到的多个车辆框,判断跟踪列表中的跟踪目标是否触发了车辆出场行为或车辆入场行为;在所述跟踪目标触发了车辆出场行为或车辆入场行为时,统计所述跟踪目标在被跟踪期间的所有图片中的多个车辆框内侧点,所述被跟踪期间为从被加入跟踪列表到触发车辆出场行为或车辆入场行为的时间;以及根据所述多个车辆框内侧点和所述跟踪目标所在的泊位的泊位内侧点之间的距离的分布特征判断车辆出场行为或车辆入场行为的准确性。由此,可以辅助判断基于车辆框检测实现的多目标跟踪中的停车行为的真实性,可以识别出误报行为,显著减少误报错报停车事件的情况。
Description
技术领域
本发明涉及智慧停车技术领域,尤其涉及一种用于判断基于高位视频的停车行为是否可信的方法和系统。
背景技术
高位视频系统是一种通过在道路上安装的高空摄像机进行车辆监控和管理的技术。借助高位视频技术,可以实时监测路面上的车流情况以及车辆停放状况。在现有的高位视频系统中,主要通过识别整个时序过程中所有图像中的车辆框来识别出用户的停车行为,在事件结束时整理停车过程中的关键照片和车牌信息,最终形成一个出场或入场事件。
识别图像中的车辆框,通常使用深度学习技术,这个过程中由于量化以及精准度等原因是可能会产生一些错误信息。关联前后两张图片中同一个具体的目标时,一般使用匈牙利算法,两两计算目标的的代价是同时使用交并比(Intersection over Union,IOU)算法,即:L=1-IOU。在这些计算过程中都会引入一些偏差量,导致产生一些错误的停车入场或出场事件。
因此我们需要一个用于判断停车行为是否可信的辅助判断方法,评估基于车辆框识别进行停车行为跟踪判断的方法识别出的停车入场或出场事件真实与否,以帮助我们过滤或者筛选出来那些可能不是出入场事件的误报行为。
发明内容
本发明的主要目的在于提供一种用于判断基于高位视频的停车行为是否可信的方法和系统。
为实现上述目的,本发明提供一种用于判断基于高位视频的停车行为是否可信的方法,包括以下步骤:
基于在当前图片中检测到的多个车辆框,判断跟踪列表中的跟踪目标是否触发了车辆出场行为或车辆入场行为;
在所述跟踪目标触发了车辆出场行为或车辆入场行为时,统计所述跟踪目标在被跟踪期间的所有图片中的多个车辆框内侧点,所述被跟踪期间为从被加入跟踪列表到触发车辆出场行为或车辆入场行为的时间;以及
根据所述多个车辆框内侧点和所述跟踪目标所在的泊位的泊位内侧点之间的距离的分布特征判断车辆出场行为或车辆入场行为的准确性。
在本发明提供的用于判断基于高位视频的停车行为是否可信的方法中,基于在当前图片中检测到的多个车辆框,判断跟踪列表中的跟踪目标是否触发了车辆出场行为或车辆入场行为的步骤包括:
将所述跟踪目标与当前图片中检测到的多个车辆框进行匹配;
在所述跟踪目标与当前图片中检测到的多个车辆框均不匹配时,如果所述跟踪目标的可执行动作属性为出场且在上一次匹配的车辆框不在泊位内,则判定所述跟踪目标触发了车辆出场行为;
在所述跟踪目标与当前图片中检测到的多个车辆框中的一个车辆框匹配时,记录与所述跟踪目标匹配的车辆框的内侧点坐标,如果所述跟踪目标为静止状态且所述跟踪目标的可执行动作属性为入场,则判定所述跟踪目标触发了车辆入场行为,记录所述跟踪目标所在的泊位信息。
在本发明提供的用于判断基于高位视频的停车行为是否可信的方法中,3、还包括:
将所述当前图片中未寻找到最佳匹配的车辆框作为新的跟踪目标加入跟踪列表;
判断新的跟踪目标在当前图片中是否在泊位上,如果是,则将其可执行动作属性设为出场,并记录其所处的泊位信息,如果不是,则将其可执行动作属性设为入场。
在本发明提供的用于判断基于高位视频的停车行为是否可信的方法中,根据所述多个车辆框内侧点和所述跟踪目标所在的泊位的泊位内侧点之间的距离的分布特征判断车辆出场行为或车辆入场行为的准确性的步骤包括:
设所述多个车辆框内侧点的集合为,根据P1点和Pn点分别与泊位内侧点的距离D1和Dn,通过以下公式计算距离分析步长step D,其中stepN为预设的分析次数,
;
根据每个车辆框内侧点Pi与泊位内侧点的距离Di,通过以下公式计算每个车辆框内侧点Pi的分布位置Fi得到分布位置集合F,其中,i为大于等于1且小于等于n的自然数,
;
在所述分布位置集合F中的值在之间的自然数上均有分布时,判定车辆出场行为或车辆入场行为为可信行为。
此外,为实现上述目的,本发明还提供一种用于判断基于高位视频的停车行为是否可信的系统,包括:
第一判断模块,用于基于在当前图片中检测到的多个车辆框,判断跟踪列表中的跟踪目标是否触发了车辆出场行为或车辆入场行为;
统计模块,用于在所述跟踪目标触发了车辆出场行为或车辆入场行为时,统计所述跟踪目标在被跟踪期间的所有图片中的多个车辆框内侧点,所述被跟踪期间为从被加入跟踪列表到触发车辆出场行为或车辆入场行为的时间;以及
第二判断模块,用于根据所述多个车辆框内侧点和所述跟踪目标所在的泊位的泊位内侧点之间的距离的分布特征判断车辆出场行为或车辆入场行为的准确性。
在本发明提供的用于判断基于高位视频的停车行为是否可信的系统中,所述第一判断模块包括:
匹配单元,用于将所述跟踪目标与当前图片中检测到的多个车辆框进行匹配;
第一判定单元,用于在所述跟踪目标与当前图片中检测到的多个车辆框均不匹配时,如果所述跟踪目标的可执行动作属性为出场且在上一次匹配的车辆框不在泊位内,则判定所述跟踪目标触发了车辆出场行为;
第二判定单元,用于在所述跟踪目标与当前图片中检测到的多个车辆框中的一个车辆框匹配时,记录与所述跟踪目标匹配的车辆框的内侧点坐标,如果所述跟踪目标为静止状态且所述跟踪目标的可执行动作属性为入场,则判定所述跟踪目标触发了车辆入场行为,记录所述跟踪目标所在的泊位信息。
在本发明提供的用于判断基于高位视频的停车行为是否可信的系统中,第一判断模块还包括:
添加单元,用于将所述当前图片中未寻找到最佳匹配的车辆框作为新的跟踪目标加入跟踪列表;
属性设定单元,用于判断新的跟踪目标在当前图片中是否在泊位上,如果是,则将其可执行动作属性设为出场,并记录其所处的泊位信息,如果不是,则将其可执行动作属性设为入场。
在本发明提供的用于判断基于高位视频的停车行为是否可信的系统中,第二判断模块包括:
第一计算单元,用于设所述多个车辆框内侧点的集合为,根据P1点和Pn点分别与泊位内侧点的距离D1和Dn,通过以下公式计算距离分析步长step D,其中stepN为预设的分析次数,
;
第二计算单元,用于根据每个车辆框内侧点Pi与泊位内侧点的距离Di,通过以下公式计算每个车辆框内侧点Pi的分布位置Fi得到分布位置集合F,其中,i为大于等于1且小于等于n的自然数,
;
可信行为判定单元,用于在所述分布位置集合F中的值在之间的自然数上均有分布时,判定车辆出场行为或车辆入场行为为可信行为。
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用于判断基于高位视频的停车行为是否可信的方法的步骤。
本发明提供的用于判断基于高位视频的停车行为是否可信的系统和方法具有以下有益效果:本发明基于正常的停车行为中车辆框内侧点和泊位内侧点距离应为渐渐变小或者变大的原理,在监测到跟踪目标触发了车辆入场行为或车辆出场行为时,根据跟踪目标在被跟踪期间的所有图片中的多个车辆框内侧点和和跟踪目标所在的泊位的泊位内侧点之间的距离的分布特征判断车辆出场行为或车辆入场行为的准确性;由此,可以辅助判断基于车辆框检测实现的多目标跟踪中的停车行为的真实性,可以识别出误报行为,显著减少误报错报停车事件的情况。
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用于判断基于高位视频的停车行为是否可信的方法的流程图;
图2所示为本发明一实施例提供的用于判断基于高位视频的停车行为是否可信的方法的一应用场景示意图;
图3所示为本发明一实施例提供的用于判断基于高位视频的停车行为是否可信的方法的另一应用场景示意图。
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:针对现有方案的基于高位视频检测车辆框进行停车行为判断的方法容易产生误报行为的问题,本发明基于正常的停车行为中车辆框内侧点和泊位内侧点距离应为渐渐变小或者变大的原理,在监测到跟踪目标触发了车辆入场行为或车辆出场行为时,根据跟踪目标在被跟踪期间的所有图片中的多个车辆框内侧点和和跟踪目标所在的泊位的泊位内侧点之间的距离的分布特征判断车辆出场行为或车辆入场行为的准确性;由此,可以辅助判断基于车辆框检测实现的多目标跟踪中的停车行为的真实性,可以识别出误报行为,显著减少误报错报停车事件的情况。
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用于判断基于高位视频的停车行为是否可信的方法的流程图。如图1所示,该用于判断基于高位视频的停车行为是否可信的方法包括以下步骤:
步骤S1、基于在当前图片中检测到的多个车辆框,判断跟踪列表中的跟踪目标是否触发了车辆出场行为或车辆入场行为;
具体地,在本发明一实施例中,如图2和图3所示,在获取到高频视频拍摄的图片后,对图片中的车辆框进行检测,本领域技术人员可以理解的是,通过图像处理检测图片中的车辆框属于现有技术,本发明在此不再赘述。对于图片进行车辆框检测,可以检测到一个或多个车辆框。
具体地,在本发明一实施例中,跟踪目标指的是存储在跟踪列表中的需要跟踪的车辆的车辆框,每个跟踪目标具有可执行动作属性,可执行动作属性为该跟踪目标下一步可能进行的动作,例如,出场或入场。初始时,跟踪列表为空,在后续检测过程中,根据图片检测到的车辆框不断进行更新。
具体地,在本发明一实施例中,在图片中检测到多个车辆框后,将跟踪列表中的跟踪目标与检测到的多个车辆框进行匹配。假设跟踪目标上一次关联到的车辆框为A,图片中待匹配的车辆框为B1、B2...Bx,其中,x为图片中检测到的车辆框的个数,依次求解A的面积与B1、B2...Bx的面积的交并比,将交并比最大的一个待匹配车辆框Bm(m大于等于1且小于等于x)作为跟踪目标的最佳匹配结果。
进一步地,在本发明一实施例中,如果图片中的某一车辆框Bm(m大于等于1且小于等于x)与跟踪列表中的所有跟踪目标都不能匹配,则将图片中的该车辆框作为新的跟踪目标加入跟踪列表,并根据其是否在泊位上为其设置可执行动作属性,其中,车辆框在泊位上是指识别到的车辆框完全位于识别到的泊位框内。如果在当前图片中,该车辆框在泊位上,则说明其为在两张图片拍摄间隙驶入泊位的或者在上一张或几张图片拍摄时被遮挡住了没有识别到,因此,将其可执行动作属性设为出场同时记录其所在的泊位信息;如果在当前图片中,该车辆框没有在泊位上,则将其可执行动作属性设为入场。
进一步地,在本发明一实施例中,在跟踪目标A与当前图片中检测到的多个车辆框(B1、B2...Bx)均不匹配时,则说明该跟踪目标在两次匹配间隙可能已经出场或者在当前图片中被遮挡住了。因此,进一步查看该跟踪目标的可执行动作属性和该跟踪目标的上一次匹配结果,在该所述跟踪目标的可执行动作属性为出场且在上一次匹配的车辆框不在泊位内时,判定所述跟踪目标触发了车辆出场行为。
进一步地,在本发明一实施例中,在跟踪目标A与当前图片中检测到的多个车辆框(B1、B2...Bx)中的一个车辆框Bm(m大于等于1且小于等于x)匹配时,记录与所述跟踪目标匹配的车辆框的内侧点坐标,如果所述跟踪目标为静止状态且所述跟踪目标的可执行动作属性为入场,则判定所述跟踪目标触发了车辆入场行为,记录所述跟踪目标所在的泊位信息。
进一步地,通过统计一段时间内与跟踪目标匹配的所有车辆框的交并比判断该跟踪目标是否为静止状态。设最近一段时间的与跟踪目标匹配的所有的车辆框集合为:,分别计算B1的面积和/>的面积的IOU,如果所有IOU都大于经验值0.9,则认为车辆已经静止。在目标静止且处于泊位上之后,清空已经记录的车辆框内侧点信息,且设置车辆可执行动作为出场。
进一步地,在本发明一实施例中,如图2和图3所示,通过泊位靠近人行道直线(即拟合马路牙子的直线)的斜率计算泊位的斜率。当泊位的斜率为正时,车辆框和泊位内侧点均为右下点坐标;当泊位的斜率为负时,车辆框和泊位内侧点均为左下点坐标。
步骤S2、在所述跟踪目标触发了车辆出场行为或车辆入场行为时,统计所述跟踪目标在被跟踪期间的所有图片中的多个车辆框内侧点;
具体地,在本发明一实施例中,所述被跟踪期间为从被加入跟踪列表到触发车辆出场行为或车辆入场行为的时间。在被跟踪期间,在多张图片中都有与跟踪目标匹配的车辆框,且每次匹配成功后都会记录与所述跟踪目标匹配的车辆框的内侧点坐标,因此,在确定其触发了车辆入场行为或车辆出场行为后,统计这些匹配到的车辆框内侧点在对应的图片中的xy平面中的坐标。
步骤S3、根据所述多个车辆框内侧点和所述跟踪目标所在的泊位的泊位内侧点之间的距离的分布特征判断车辆出场行为或车辆入场行为的准确性;
具体地,在本发明一实施例中,在一个正常的停车行为中,车辆框内侧点和泊位内侧点距离通常是渐渐变小或者变大的,所以其距离分布的范围应该是广泛的。因此,通过分析这两个点的距离分布特征可以判断停车行为的准确性。因此,步骤S3包括:
步骤S31、设步骤S2中统计的多个车辆框内侧点的集合为,根据P1点和Pn点分别与泊位内侧点的距离D1和Dn,通过以下公式计算距离分析步长step D,其中,stepN为预设的分析次数,是一个经验值,应设置为10以上的值,
;
步骤S32、根据每个车辆框内侧点Pi与泊位内侧点的距离Di,通过以下公式计算每个车辆框内侧点Pi的分布位置Fi得到分布位置集合F,其中,i为大于等于1且小于等于n的自然数,分布位置等于2,则表示车辆框内侧点在2上有分布,
;
步骤S33、在所述分布位置集合F中的值在之间的自然数上均有分布时时,判定车辆出场行为或车辆入场行为为可信行为。通过统计分布位置Fi在区间中的情况,如果在/>之间的自然数上均有分布,则表示该行为是一个可信的车辆入场或车辆出场行为,否则车辆行为可能是一个误报。即假设step D为5,则计算出来的分布位置F的集合中必须有1、2、3、4、5才是一个可信行为。
相应地,本发明还提供一种用于判断基于高位视频的停车行为是否可信的系统,包括:第一判断模块,用于基于在当前图片中检测到的多个车辆框,判断跟踪列表中的跟踪目标是否触发了车辆出场行为或车辆入场行为;统计模块,用于在所述跟踪目标触发了车辆出场行为或车辆入场行为时,统计所述跟踪目标在被跟踪期间的所有图片中的多个车辆框内侧点,所述被跟踪期间为从被加入跟踪列表到触发车辆出场行为或车辆入场行为的时间;以及第二判断模块,用于根据所述多个车辆框内侧点和所述跟踪目标所在的泊位的泊位内侧点之间的距离的分布特征判断车辆出场行为或车辆入场行为的准确性。
具体地,在本发明一实施例中,所述第一判断模块包括:
匹配单元,用于将所述跟踪目标与当前图片中检测到的多个车辆框进行匹配;
第一判定单元,用于在所述跟踪目标与当前图片中检测到的多个车辆框均不匹配时,如果所述跟踪目标的可执行动作属性为出场且在上一次匹配的车辆框不在泊位内,则判定所述跟踪目标触发了车辆出场行为;第二判定单元,用于在所述跟踪目标与当前图片中检测到的多个车辆框中的一个车辆框匹配时,记录与所述跟踪目标匹配的车辆框的内侧点坐标,如果所述跟踪目标为静止状态且所述跟踪目标的可执行动作属性为入场,则判定所述跟踪目标触发了车辆入场行为,记录所述跟踪目标所在的泊位信息;添加单元,用于将所述当前图片中未寻找到最佳匹配的车辆框作为新的跟踪目标加入跟踪列表;属性设定单元,用于判断新的跟踪目标在当前图片中是否在泊位上,如果是,则将其可执行动作属性设为出场,并记录其所处的泊位信息,如果不是,则将其可执行动作属性设为入场。
具体地,在本发明一实施例中,第二判断模块包括:
第一计算单元,用于设所述多个车辆框内侧点的集合为,根据P1点和Pn点分别与泊位内侧点的距离D1和Dn,通过以下公式计算距离分析步长step D,其中stepN为预设的分析次数,
;
第二计算单元,用于根据每个车辆框内侧点Pi与泊位内侧点的距离Di,通过以下公式计算每个车辆框内侧点Pi的分布位置Fi得到分布位置集合F,其中,i为大于等于1且小于等于n的自然数,
;
可信行为判定单元,用于在所述分布位置集合F中的值在之间的自然数上均有分布时,判定车辆出场行为或车辆入场行为为可信行为。
本发明实施例还提供了一种用于判断基于高位视频的停车行为是否可信的装置,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:
基于在当前图片中检测到的多个车辆框,判断跟踪列表中的跟踪目标是否触发了车辆出场行为或车辆入场行为;在所述跟踪目标触发了车辆出场行为或车辆入场行为时,统计所述跟踪目标在被跟踪期间的所有图片中的多个车辆框内侧点,所述被跟踪期间为从被加入跟踪列表到触发车辆出场行为或车辆入场行为的时间;以及根据所述多个车辆框内侧点和所述跟踪目标所在的泊位的泊位内侧点之间的距离的分布特征判断车辆出场行为或车辆入场行为的准确性。
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;
基于在当前图片中检测到的多个车辆框,判断跟踪列表中的跟踪目标是否触发了车辆出场行为或车辆入场行为;在所述跟踪目标触发了车辆出场行为或车辆入场行为时,统计所述跟踪目标在被跟踪期间的所有图片中的多个车辆框内侧点,所述被跟踪期间为从被加入跟踪列表到触发车辆出场行为或车辆入场行为的时间;以及根据所述多个车辆框内侧点和所述跟踪目标所在的泊位的泊位内侧点之间的距离的分布特征判断车辆出场行为或车辆入场行为的准确性。
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 (8)
1.一种用于判断基于高位视频的停车行为是否可信的方法,其特征在于,包括以下步骤:
基于在当前图片中检测到的多个车辆框,判断跟踪列表中的跟踪目标是否触发了车辆出场行为或车辆入场行为;
在所述跟踪目标触发了车辆出场行为或车辆入场行为时,统计所述跟踪目标在被跟踪期间的所有图片中的多个车辆框内侧点,所述被跟踪期间为从被加入跟踪列表到触发车辆出场行为或车辆入场行为的时间;以及
根据所述多个车辆框内侧点和所述跟踪目标所在的泊位的泊位内侧点之间的距离的分布特征判断车辆出场行为或车辆入场行为的准确性;
根据所述多个车辆框内侧点和所述跟踪目标所在的泊位的泊位内侧点之间的距离的分布特征判断车辆出场行为或车辆入场行为的准确性的步骤包括:
设所述多个车辆框内侧点的集合为,根据P1点和Pn点分别与泊位内侧点的距离D1和Dn,通过以下公式计算距离分析步长step D,其中stepN为预设的分析次数,
;
根据每个车辆框内侧点Pi与泊位内侧点的距离Di,通过以下公式计算每个车辆框内侧点Pi的分布位置Fi得到分布位置集合F,其中,i为大于等于1且小于等于n的自然数,
;
在所述分布位置集合F中的值在之间的自然数上均有分布时,判定车辆出场行为或车辆入场行为为可信行为。
2.如权利要求1所述的用于判断基于高位视频的停车行为是否可信的方法,其特征在于,基于在当前图片中检测到的多个车辆框,判断跟踪列表中的跟踪目标是否触发了车辆出场行为或车辆入场行为的步骤包括:
将所述跟踪目标与当前图片中检测到的多个车辆框进行匹配;
在所述跟踪目标与当前图片中检测到的多个车辆框均不匹配时,如果所述跟踪目标的可执行动作属性为出场且在上一次匹配的车辆框不在泊位内,则判定所述跟踪目标触发了车辆出场行为;
在所述跟踪目标与当前图片中检测到的多个车辆框中的一个车辆框匹配时,记录与所述跟踪目标匹配的车辆框的内侧点坐标,如果所述跟踪目标为静止状态且所述跟踪目标的可执行动作属性为入场,则判定所述跟踪目标触发了车辆入场行为,记录所述跟踪目标所在的泊位信息。
3.如权利要求2所述的用于判断基于高位视频的停车行为是否可信的方法,其特征在于,还包括:
将所述当前图片中未寻找到最佳匹配的车辆框作为新的跟踪目标加入跟踪列表;
判断新的跟踪目标在当前图片中是否在泊位上,如果是,则将其可执行动作属性设为出场,并记录其所处的泊位信息,如果不是,则将其可执行动作属性设为入场。
4.一种用于判断基于高位视频的停车行为是否可信的系统,其特征在于,包括:
第一判断模块,用于基于在当前图片中检测到的多个车辆框,判断跟踪列表中的跟踪目标是否触发了车辆出场行为或车辆入场行为;
统计模块,用于在所述跟踪目标触发了车辆出场行为或车辆入场行为时,统计所述跟踪目标在被跟踪期间的所有图片中的多个车辆框内侧点,所述被跟踪期间为从被加入跟踪列表到触发车辆出场行为或车辆入场行为的时间;以及
第二判断模块,用于根据所述多个车辆框内侧点和所述跟踪目标所在的泊位的泊位内侧点之间的距离的分布特征判断车辆出场行为或车辆入场行为的准确性;
第二判断模块包括:
第一计算单元,用于设所述多个车辆框内侧点的集合为,根据P1点和Pn点分别与泊位内侧点的距离D1和Dn,通过以下公式计算距离分析步长step D,其中stepN为预设的分析次数,
;
第二计算单元,用于根据每个车辆框内侧点Pi与泊位内侧点的距离Di,通过以下公式计算每个车辆框内侧点Pi的分布位置Fi得到分布位置集合F,其中,i为大于等于1且小于等于n的自然数,
;
可信行为判定单元,用于在所述分布位置集合F中的值在之间的自然数上均有分布时,判定车辆出场行为或车辆入场行为为可信行为。
5.如权利要求4所述的用于判断基于高位视频的停车行为是否可信的系统,其特征在于,所述第一判断模块包括:
匹配单元,用于将所述跟踪目标与当前图片中检测到的多个车辆框进行匹配;
第一判定单元,用于在所述跟踪目标与当前图片中检测到的多个车辆框均不匹配时,如果所述跟踪目标的可执行动作属性为出场且在上一次匹配的车辆框不在泊位内,则判定所述跟踪目标触发了车辆出场行为;
第二判定单元,用于在所述跟踪目标与当前图片中检测到的多个车辆框中的一个车辆框匹配时,记录与所述跟踪目标匹配的车辆框的内侧点坐标,如果所述跟踪目标为静止状态且所述跟踪目标的可执行动作属性为入场,则判定所述跟踪目标触发了车辆入场行为,记录所述跟踪目标所在的泊位信息。
6.如权利要求4所述的用于判断基于高位视频的停车行为是否可信的系统,其特征在于,第一判断模块还包括:
添加单元,用于将所述当前图片中未寻找到最佳匹配的车辆框作为新的跟踪目标加入跟踪列表;
属性设定单元,用于判断新的跟踪目标在当前图片中是否在泊位上,如果是,则将其可执行动作属性设为出场,并记录其所处的泊位信息,如果不是,则将其可执行动作属性设为入场。
7.一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3中任一项所述的用于判断基于高位视频的停车行为是否可信的方法的步骤。
8.一种用于判断基于高位视频的停车行为是否可信的装置,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3中任一项所述的用于判断基于高位视频的停车行为是否可信的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310692565.XA CN116434161B (zh) | 2023-06-13 | 2023-06-13 | 用于判断基于高位视频的停车行为是否可信的方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310692565.XA CN116434161B (zh) | 2023-06-13 | 2023-06-13 | 用于判断基于高位视频的停车行为是否可信的方法和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116434161A CN116434161A (zh) | 2023-07-14 |
CN116434161B true CN116434161B (zh) | 2023-08-22 |
Family
ID=87080089
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310692565.XA Active CN116434161B (zh) | 2023-06-13 | 2023-06-13 | 用于判断基于高位视频的停车行为是否可信的方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116434161B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117252666B (zh) * | 2023-11-16 | 2024-02-23 | 深圳云游四海信息科技有限公司 | 基于高位视频的泊位异常订单处理方法和系统 |
Citations (4)
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 |
CN112164149A (zh) * | 2020-11-06 | 2021-01-01 | 成都恒创新星科技有限公司 | 基于高位摄像头的街区路面智慧泊车行为检测方法 |
CN112528924A (zh) * | 2020-12-21 | 2021-03-19 | 上海眼控科技股份有限公司 | 一种车辆掉头检测方法、装置、设备及存储介质 |
CN114220040A (zh) * | 2021-11-10 | 2022-03-22 | 浙江大华技术股份有限公司 | 一种泊车方法、终端及计算机可读存储介质 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20190050634A1 (en) * | 2012-08-06 | 2019-02-14 | Cloudparc, Inc. | Tolling with vehicle tracking |
CN112836633A (zh) * | 2021-02-02 | 2021-05-25 | 蔚来汽车科技(安徽)有限公司 | 停车位检测方法以及停车位检测系统 |
-
2023
- 2023-06-13 CN CN202310692565.XA patent/CN116434161B/zh active Active
Patent Citations (4)
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 |
CN112164149A (zh) * | 2020-11-06 | 2021-01-01 | 成都恒创新星科技有限公司 | 基于高位摄像头的街区路面智慧泊车行为检测方法 |
CN112528924A (zh) * | 2020-12-21 | 2021-03-19 | 上海眼控科技股份有限公司 | 一种车辆掉头检测方法、装置、设备及存储介质 |
CN114220040A (zh) * | 2021-11-10 | 2022-03-22 | 浙江大华技术股份有限公司 | 一种泊车方法、终端及计算机可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN116434161A (zh) | 2023-07-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11380104B2 (en) | Method and device for detecting illegal parking, and electronic device | |
US10212397B2 (en) | Abandoned object detection apparatus and method and system | |
CN106297278B (zh) | 一种用于查询抛洒物车辆的方法和系统 | |
US9569531B2 (en) | System and method for multi-agent event detection and recognition | |
CN110738150B (zh) | 相机联动抓拍方法、装置以及计算机存储介质 | |
CN109766867B (zh) | 车辆运行状态确定方法、装置、计算机设备和存储介质 | |
CN116434161B (zh) | 用于判断基于高位视频的停车行为是否可信的方法和系统 | |
CN115546705B (zh) | 目标识别方法、终端设备及存储介质 | |
US20180260964A1 (en) | System and method for detecting moving object in an image | |
CN112766216A (zh) | 车辆驶入停车位检测方法、装置、电子设备及存储介质 | |
CN109872541A (zh) | 一种车辆信息分析方法及装置 | |
CN112435276A (zh) | 一种车辆跟踪方法、装置、智能终端及存储介质 | |
CN111767776B (zh) | 一种异常车牌推选方法及装置 | |
CN112651398A (zh) | 车辆的抓拍控制方法、装置及计算机可读存储介质 | |
CN113505638B (zh) | 车流量的监测方法、监测装置及计算机可读存储介质 | |
CN111383248A (zh) | 一种行人闯红灯判断方法、装置和电子设备 | |
US20200394802A1 (en) | Real-time object detection method for multiple camera images using frame segmentation and intelligent detection pool | |
CN113343880A (zh) | 一种车辆遮挡号牌的识别方法、装置、设备及介质 | |
CN112906428B (zh) | 影像侦测区域取得方法及空间使用情况的判定方法 | |
CN112633228A (zh) | 停车检测方法、装置、设备及存储介质 | |
CN110008957B (zh) | 基于车牌识别和图像方差算法的小区违停告警方法 | |
CN111008609A (zh) | 交通灯与车道的匹配方法、装置及电子设备 | |
CN116311166A (zh) | 交通障碍物识别方法、装置及电子设备 | |
CN115909314A (zh) | 车牌遮挡检测方法、违章停车检测方法及其设备 | |
CN115880632A (zh) | 超时停留检测方法、监控设备、计算机可读存储介质和芯片 |
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 |