CN116597421A - 基于图像识别的停车位监测方法、装置及设备 - Google Patents
基于图像识别的停车位监测方法、装置及设备 Download PDFInfo
- Publication number
- CN116597421A CN116597421A CN202310663046.0A CN202310663046A CN116597421A CN 116597421 A CN116597421 A CN 116597421A CN 202310663046 A CN202310663046 A CN 202310663046A CN 116597421 A CN116597421 A CN 116597421A
- Authority
- CN
- China
- Prior art keywords
- depth
- image
- parking space
- images
- depth image
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 33
- 238000012544 monitoring process Methods 0.000 title claims abstract description 18
- 230000002950 deficient Effects 0.000 claims description 20
- 238000006243 chemical reaction Methods 0.000 claims description 5
- 238000013507 mapping Methods 0.000 claims description 4
- 238000012806 monitoring device Methods 0.000 claims description 4
- 238000012163 sequencing technique Methods 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000012545 processing Methods 0.000 description 4
- 238000004590 computer program Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000006978 adaptation Effects 0.000 description 2
- 230000001960 triggered effect Effects 0.000 description 2
- 238000013475 authorization Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 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
- G06V20/56—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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/50—Depth or shape recovery
- G06T7/55—Depth or shape recovery from multiple images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/66—Analysis of geometric attributes of image moments or centre of gravity
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30248—Vehicle exterior or interior
- G06T2207/30252—Vehicle exterior; Vicinity of vehicle
- G06T2207/30264—Parking
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Geometry (AREA)
- Image Analysis (AREA)
Abstract
本公开涉及一种基于图像识别的停车位监测方法、装置及设备,包括:获取设置在停车位的图像采集装置采集的深度图像,根据深度图像确定目标车辆与图像采集装置的距离,若距离小于等于预设距离阈值,以该深度图像的采集时间为基准,从随后采集的深度图像中抽取多帧目标深度图像;以停车线为边界,从目标深度图像截取包括目标车辆的待识别深度图像,根据待识别深度图像中目标车辆的深度值和在该深度值所在平面的像素坐标,确定俯视图像;计算俯视图像中目标车辆在停车位中的占用区域面积;若占用区域面积与停车位面积的比值超过预设面积比值阈值,确定停车位处于占用状态,若比值未超过预设面积比值阈值,确定停车位处于空闲状态。
Description
技术领域
本公开涉及图像处理技术领域,尤其涉及一种基于图像识别的停车位监测方法、装置及设备。
背景技术
停车场的停车位通常配置有摄像头等图像采集装置,进而根据摄像头等图像采集装置采集到的图像进行识别,确定停车位是否停放有车辆,然而若车辆在空的停车位掉头或者避让其他车辆,也会识别为停车位被占用,导致监测停车位是否停有车辆的准确性较低。
发明内容
为克服相关技术中存在的问题,本公开提供一种基于图像识别的停车位监测方法、装置及设备。
根据本公开实施例的第一方面,提供一种基于图像识别的停车位监测方法,包括:
获取设置在所述停车位的图像采集装置采集到的深度图像,并根据所述深度图像确定目标车辆与所述图像采集装置的距离,在所述距离小于等于预设距离阈值的情况下,以所述距离小于等于所述预设距离阈值对应的深度图像的采集时间为基准,从随后采集到的深度图像中抽取多帧目标深度图像;
以所述停车位的停车线为边界,从多帧所述目标深度图像中各截取出包括所述目标车辆的待识别深度图像,并根据每一所述待识别深度图像中所述目标车辆的深度值以及在该深度值所在平面的像素坐标,确定所述目标车辆在所述停车位的俯视图像;
计算所述俯视图像中所述目标车辆在所述停车位中的占用区域面积;
在所述占用区域面积与所述停车位的停车位面积的比值超过预设面积比值阈值的情况下,确定所述停车位处于占用状态,在所述占用区域面积与所述停车位的停车位面积的比值未超过预设面积比值阈值的情况下,确定所述停车位处于空闲状态。
在一种优选的实施例中,所述根据每一所述待识别深度图像中所述目标车辆的深度值以及在该深度值所在平面的像素坐标,确定所述目标车辆在所述停车位的俯视图像,包括:
以每一所述待识别深度图像中所述目标车辆的深度值,按照深度值大小将各所述待识别深度图像映射到所述停车位对应的虚拟停车位的覆盖区域内;
根据每一所述待识别深度图像中所述目标车辆在该深度值所在平面的像素坐标,确定每一深度值在所述平面上的极限像素坐标,其中,所述极限像素坐标是每一深度值对应的待识别深度图像中所述目标车辆相对所述停车位的左右停车线最近的像素坐标;
根据每一深度值上对应的所述极限像素坐标,生成所述目标车辆在所述停车位的俯视图像。
在一种优选的实施例中,所述根据每一深度值上对应的所述极限像素坐标,生成所述目标车辆在所述停车位的俯视图像,包括:
根据所述深度值的大小关系,依次连接相邻深度值相对所述停车位在同一所述停车线对应的所述极限像素坐标,得到连通域图像;
对所述连通域图像进行视角转换,生成所述目标车辆在所述停车位的俯视图像。
在一种优选的实施例中,所述在所述距离小于等于预设距离阈值的情况下,以所述距离小于等于所述预设距离阈值对应的深度图像的采集时间为基准,从随后采集到的深度图像中抽取多帧目标深度图像,包括:
在所述距离小于等于预设距离阈值的情况下,以所述距离小于等于所述预设距离阈值对应的深度图像的采集时间为基准,统计随后在预设时长内采集到的深度图像的图像帧数量;
若所述图像帧数量超过预设数量阈值,则根据各所述深度图像在该深度值所在平面的像素坐标,将所述目标车辆超出所述停车位的停车线的不合格深度图像剔除;
若剔除所述不合格深度图像后,剩余的备用深度图像的所述图像帧数量仍超过所述预设数量阈值,则从剩余的备用深度图像随机剔除深度图像,直到剩余的备用深度图像的所述图像帧数量等于所述预设数量阈值;
若剔除所述不合格深度图像后,剩余的备用深度图像的所述图像帧数量小于所述预设数量阈值,则计算按照采集时间先后排序后的相邻所述备用图像中所述目标车辆的深度值之间的深度差值;
对所述深度差值按照大小进行排序,并从大到小的顺序,依次确定相邻所述备用图像之间是否存在被剔除的不合格深度图像;
若相邻所述备用图像之间存在被剔除的不合格深度图像,则将被剔除的不合格深度图像中的一者恢复作为所述备用深度图像,直到所述备用深度图像的所述图像帧数量等于所述预设数量阈值,停止所述将被剔除的不合格深度图像中的一者恢复作为备用深度图像,将所述备用深度图像作为多帧所述目标深度图像。
在一种优选的实施例中,所述方法还包括:
若遍历将被剔除的不合格深度图像中的一者恢复作为备用深度图像后,所述备用深度图像的所述图像帧数量仍小于所述预设数量阈值,则循环执行所述从大到小的顺序,依次确定相邻所述备用图像之间是否存在被剔除的不合格深度图像;若相邻所述备用图像之间存在被剔除的不合格深度图像,则将被剔除的不合格深度图像中的一者恢复作为所述备用深度图像的步骤,直到所述备用深度图像的所述图像帧数量等于所述预设数量阈值,停止所述将被剔除的不合格深度图像中的一者恢复作为备用深度图像。
在一种优选的实施例中,所述若相邻所述备用图像之间存在被剔除的不合格深度图像,则将被剔除的不合格深度图像中的一者恢复作为所述备用深度图像,包括:
若相邻所述备用图像之间存在被剔除的不合格深度图像,则确定相邻所述备用图像之间被剔除的不合格深度图像的被剔除图像帧数量;
若所述被剔除图像帧数量为1,则直接将所述不合格深度图像恢复作为所述备用深度图像;
若所述被剔除图像帧数量大于1,则将所述深度值与所述深度差值的二分之一的差值最小的不合格深度图像恢复作为所述备用深度图像。
在一种优选的实施例中,所述方法还包括:
若所述图像帧数量未超过所述预设数量阈值,则识别各所述深度图像的前景区域和背景区域,所述前景区域为所述深度图像中的所述目标车辆所在区域,所述背景区域为所述深度图像中所述前景区域之外的其他区域;
根据各所述深度图像对应的所述前景区域,计算采集时间相邻的深度图像的所述前景区域的变化值,以及根据各所述深度图像对应的所述背景区域,计算采集时间相邻的深度图像的所述背景区域的变化值;
在所述前景区域的变化值超过预设变化阈值,和/或,所述背景区域的变化值超过所述预设变化阈值的情况下,将相邻深度图像中采集时间在前的深度图像的背景区域替换为预设图像,并根据预设图像以及对应的前景区域生成替换深度图像;
将各所述深度图像以及各所述替换深度图像划分为不同的图像组,每个图像组包括前向图像和后向图像,确定各个图像组对应的插值时间相位,以及基于各个图像组对应的插值时间相位对对应的图像组中的图像进行插值,得到各个图像组对应的插值图像;
根据所述插值图像以及所述深度图像,得到所述多帧目标深度图像。
在一种优选的实施例中,所述方法还包括:
在所述前景区域的变化值小于所述预设变化阈值,且所述背景区域的变化值小于所述预设变化阈值的情况下,保留相邻深度图像中各深度图像的背景区域。
根据本公开实施例的第二方面,提供一种基于图像识别的停车位监测装置,包括:
获取模块,被配置为获取设置在所述停车位的图像采集装置采集到的深度图像,并根据所述深度图像确定目标车辆与所述图像采集装置的距离,在所述距离小于等于预设距离阈值的情况下,以所述距离小于等于所述预设距离阈值对应的深度图像的采集时间为基准,从随后采集到的深度图像中抽取多帧目标深度图像;
截取模块,被配置为以所述停车位的停车线为边界,从多帧所述目标深度图像中各截取出包括所述目标车辆的待识别深度图像,并根据每一所述待识别深度图像中所述目标车辆的深度值以及在该深度值所在平面的像素坐标,确定所述目标车辆在所述停车位的俯视图像;
计算模块,被配置为计算所述俯视图像中所述目标车辆在所述停车位中的占用区域面积;
确定模块,被配置为在所述占用区域面积与所述停车位的停车位面积的比值超过预设面积比值阈值的情况下,确定所述停车位处于占用状态,在所述占用区域面积与所述停车位的停车位面积的比值未超过预设面积比值阈值的情况下,确定所述停车位处于空闲状态。
在一种优选的实施例中,所述截取模块,被配置为:
以每一所述待识别深度图像中所述目标车辆的深度值,按照深度值大小将各所述待识别深度图像映射到所述停车位对应的虚拟停车位的覆盖区域内;
根据每一所述待识别深度图像中所述目标车辆在该深度值所在平面的像素坐标,确定每一深度值在所述平面上的极限像素坐标,其中,所述极限像素坐标是每一深度值对应的待识别深度图像中所述目标车辆相对所述停车位的左右停车线最近的像素坐标;
根据每一深度值上对应的所述极限像素坐标,生成所述目标车辆在所述停车位的俯视图像。
在一种优选的实施例中,所述截取模块,被配置为:
根据所述深度值的大小关系,依次连接相邻深度值相对所述停车位在同一所述停车线对应的所述极限像素坐标,得到连通域图像;
对所述连通域图像进行视角转换,生成所述目标车辆在所述停车位的俯视图像。
在一种优选的实施例中,所述获取模块,被配置为:
在所述距离小于等于预设距离阈值的情况下,以所述距离小于等于所述预设距离阈值对应的深度图像的采集时间为基准,统计随后在预设时长内采集到的深度图像的图像帧数量;
若所述图像帧数量超过预设数量阈值,则根据各所述深度图像在该深度值所在平面的像素坐标,将所述目标车辆超出所述停车位的停车线的不合格深度图像剔除;
若剔除所述不合格深度图像后,剩余的备用深度图像的所述图像帧数量仍超过所述预设数量阈值,则从剩余的备用深度图像随机剔除深度图像,直到剩余的备用深度图像的所述图像帧数量等于所述预设数量阈值;
若剔除所述不合格深度图像后,剩余的备用深度图像的所述图像帧数量小于所述预设数量阈值,则计算按照采集时间先后排序后的相邻所述备用图像中所述目标车辆的深度值之间的深度差值;
对所述深度差值按照大小进行排序,并从大到小的顺序,依次确定相邻所述备用图像之间是否存在被剔除的不合格深度图像;
若相邻所述备用图像之间存在被剔除的不合格深度图像,则将被剔除的不合格深度图像中的一者恢复作为所述备用深度图像,直到所述备用深度图像的所述图像帧数量等于所述预设数量阈值,停止所述将被剔除的不合格深度图像中的一者恢复作为备用深度图像,将所述备用深度图像作为多帧所述目标深度图像。
在一种优选的实施例中,所述获取模块,被配置为:
若遍历将被剔除的不合格深度图像中的一者恢复作为备用深度图像后,所述备用深度图像的所述图像帧数量仍小于所述预设数量阈值,则循环执行所述从大到小的顺序,依次确定相邻所述备用图像之间是否存在被剔除的不合格深度图像;若相邻所述备用图像之间存在被剔除的不合格深度图像,则将被剔除的不合格深度图像中的一者恢复作为所述备用深度图像的步骤,直到所述备用深度图像的所述图像帧数量等于所述预设数量阈值,停止所述将被剔除的不合格深度图像中的一者恢复作为备用深度图像。
在一种优选的实施例中,所述获取模块,被配置为:
若相邻所述备用图像之间存在被剔除的不合格深度图像,则确定相邻所述备用图像之间被剔除的不合格深度图像的被剔除图像帧数量;
若所述被剔除图像帧数量为1,则直接将所述不合格深度图像恢复作为所述备用深度图像;
若所述被剔除图像帧数量大于1,则将所述深度值与所述深度差值的二分之一的差值最小的不合格深度图像恢复作为所述备用深度图像。
在一种优选的实施例中,所述获取模块,被配置为:
若所述图像帧数量未超过所述预设数量阈值,则识别各所述深度图像的前景区域和背景区域,所述前景区域为所述深度图像中的所述目标车辆所在区域,所述背景区域为所述深度图像中所述前景区域之外的其他区域;
根据各所述深度图像对应的所述前景区域,计算采集时间相邻的深度图像的所述前景区域的变化值,以及根据各所述深度图像对应的所述背景区域,计算采集时间相邻的深度图像的所述背景区域的变化值;
在所述前景区域的变化值超过预设变化阈值,和/或,所述背景区域的变化值超过所述预设变化阈值的情况下,将相邻深度图像中采集时间在前的深度图像的背景区域替换为预设图像,并根据预设图像以及对应的前景区域生成替换深度图像;
将各所述深度图像以及各所述替换深度图像划分为不同的图像组,每个图像组包括前向图像和后向图像,确定各个图像组对应的插值时间相位,以及基于各个图像组对应的插值时间相位对对应的图像组中的图像进行插值,得到各个图像组对应的插值图像;
根据所述插值图像以及所述深度图像,得到所述多帧目标深度图像。
在一种优选的实施例中,所述获取模块,被配置为:
在所述前景区域的变化值小于所述预设变化阈值,且所述背景区域的变化值小于所述预设变化阈值的情况下,保留相邻深度图像中各深度图像的背景区域。
根据本公开实施例的第三方面,提供一种电子设备,包括:
处理器;
用于存储处理器可执行指令的存储器;
其中,所述处理器被配置为执行所述存储器中存储的所述可执行指令,以实现第一方面中任一项所述方法。
本公开的实施例提供的技术方案可以包括以下有益效果:
获取设置在停车位的图像采集装置采集的深度图像,根据深度图像确定目标车辆与图像采集装置的距离,若距离小于等于预设距离阈值,以该深度图像的采集时间为基准,从随后采集的深度图像中抽取多帧目标深度图像,避免识别到车辆驶入就将停车位确定为占用状态,降低车辆避让其他车辆或者掉头状态下的错误识别;以停车线为边界,从目标深度图像截取包括目标车辆的待识别深度图像,根据待识别深度图像中目标车辆的深度值和在该深度值所在平面的像素坐标,确定俯视图像;计算俯视图像中目标车辆在停车位中的占用区域面积;若占用区域面积与停车位面积的比值超过预设面积比值阈值,确定停车位处于占用状态,若比值未超过预设面积比值阈值,确定停车位处于空闲状态。可以提高监测停车位是否停有车辆的准确性。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本公开的实施例,并与说明书一起用于解释本公开的原理。
图1是根据一示例性实施例示出的一种基于图像识别的停车位监测方法的流程图。
图2是根据一示例性实施例示出的一种实现图1中步骤S12的流程图。
图3是根据一示例性实施例示出的一种实现图1中步骤S11的流程图。
图4是根据一示例性实施例示出的一种基于图像识别的停车位监测装置的框图。
图5是根据一示例性实施例示出的一种用于基于图像识别的停车位监测的装置的框图。
具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开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、本公开的一些方面相一致的装置和方法的例子。
需要说明的是,本申请中所有获取信号、信息或数据的动作都是在遵照所在地国家相应的数据保护法规政策的前提下,并获得由相应装置所有者给予授权的情况下进行的。
图1是根据一示例性实施例示出的一种基于图像识别的停车位监测方法的流程图,该基于图像识别的停车位监测方法可以应用于停车场车位管理服务器,如图1所示,该方法包括以下步骤。
在步骤S11中,获取设置在所述停车位的图像采集装置采集到的深度图像,并根据所述深度图像确定目标车辆与所述图像采集装置的距离,在所述距离小于等于预设距离阈值的情况下,以所述距离小于等于所述预设距离阈值对应的深度图像的采集时间为基准,从随后采集到的深度图像中抽取多帧目标深度图像。
本公开实施例中,图像采集装置可以是设置在停车位后方的摄像头,其中,停车位后方是车辆无法驶出的方向。
在本公开实施例中,可以在每一停车位设置红外线装置,图像采集装置在红外线装置未触发的情况下,处于关闭状态,当车辆驶入触发红外线装置的情况下,开启图像采集装置,在车辆停放到停车位后,关闭图像采集装置;进而可以降低图像采集装置的功耗。
其中,预设距离阈值可以根据停车位的宽度进行设置。例如,预设距离阈值等于停车场的宽度,其中,宽度是指停车位较短一边停车线的停车线长度。
本公开实施例中,图像采集装置可以是三颜色通道深度摄像头。进而可以采集到目标车辆相对于图像采集装置的平面像素坐标和深度信息。
在步骤S12中,以所述停车位的停车线为边界,从多帧所述目标深度图像中各截取出包括所述目标车辆的待识别深度图像,并根据每一所述待识别深度图像中所述目标车辆的深度值以及在该深度值所在平面的像素坐标,确定所述目标车辆在所述停车位的俯视图像。
可以理解的是,停车线可以包括停车位左边线、停车位右边线,其中,停车位左边线和停车位右边线是相对图像采集装置来说的,例如,在倒车入库类型的停车位的情况下,图像采集装置设置在停车位的车尾,停车位左边线和停车位右边线实际是指车辆停放后的车辆左边的停车线和车辆右边的停车线;在侧方位停放类型的停车位的情况下,图像采集装置设置在停车位的侧边,停车位左边线和停车位右边线实际是指车辆停放后的车辆前边的停车线和车辆后边的停车线。
可以理解的是,深度值可以表示目标车辆相对图像采集装置所在平面的距离,像素坐标则是在该深度值所在平面上的二维坐标。
在步骤S13中,计算所述俯视图像中所述目标车辆在所述停车位中的占用区域面积。
在步骤S14中,在所述占用区域面积与所述停车位的停车位面积的比值超过预设面积比值阈值的情况下,确定所述停车位处于占用状态,在所述占用区域面积与所述停车位的停车位面积的比值未超过预设面积比值阈值的情况下,确定所述停车位处于空闲状态。
上述技术方案获取设置在停车位的图像采集装置采集的深度图像,根据深度图像确定目标车辆与图像采集装置的距离,若距离小于等于预设距离阈值,以该深度图像的采集时间为基准,从随后采集的深度图像中抽取多帧目标深度图像,避免识别到车辆驶入就将停车位确定为占用状态,降低车辆避让其他车辆或者掉头状态下的错误识别;以停车线为边界,从目标深度图像截取包括目标车辆的待识别深度图像,根据待识别深度图像中目标车辆的深度值和相对图像采集装置的像素坐标,确定俯视图像;计算俯视图像中目标车辆在停车位中的占用区域面积;若占用区域面积与停车位面积的比值超过预设面积比值阈值,确定停车位处于占用状态,若比值未超过预设面积比值阈值,确定停车位处于空闲状态。可以提高监测停车位是否停有车辆的准确性。
在一种优选的实施例中,参见图2所示,在步骤S12中,所述根据每一所述待识别深度图像中所述目标车辆的深度值以及在该深度值所在平面的像素坐标,确定所述目标车辆在所述停车位的俯视图像,包括:
在步骤S121中,以每一所述待识别深度图像中所述目标车辆的深度值,按照深度值大小将各所述待识别深度图像映射到所述停车位对应的虚拟停车位的覆盖区域内。
其中,所述虚拟停车位是对停车位进行过投影得到的。例如对停车位进行俯视投影得到虚拟停车位,其中虚拟停车位具有与停车位相同的大小和形状。
在步骤S122中,根据每一所述待识别深度图像中所述目标车辆在该深度值所在平面的像素坐标,确定每一深度值在所述平面上的极限像素坐标。
其中,所述极限像素坐标是每一深度值对应的待识别深度图像中所述目标车辆相对所述停车位的左右停车线最近的像素坐标。
其中,极限像素坐标通常包括两边的最接近左边停车线的像素坐标和最接近右边停车线的像素左边。以倒车入库类型的停车位为例进行说明,每一深度值对应的像素坐标,均有一个最接近左边停车线的极限像素坐标和一个最接近右边停车线的极限像素坐标。
在步骤S123中,根据每一深度值上对应的所述极限像素坐标,生成所述目标车辆在所述停车位的俯视图像。
可以说明的是,极限像素坐标可以用于表示目标车辆最接近停车线的部位相对停车线的距离。
在一种优选的实施例中,在步骤S123中,所述根据每一深度值上对应的所述极限像素坐标,生成所述目标车辆在所述停车位的俯视图像,包括:
根据所述深度值的大小关系,依次连接相邻深度值相对所述停车位在同一所述停车线对应的所述极限像素坐标,得到连通域图像。
示例地,将左边停车线一侧的相邻深度值的极限像素坐标连接,将右边停车线一侧的相邻深度值的极限像素坐标,再根据深度值最小的深度图像和深度值最大的深度图像,构建连通域图像。其中,深度值最大的深度图像为目标车辆与所述图像采集装置的距离等于预设距离阈值时采集到的深度图像。
对所述连通域图像进行视角转换,生成所述目标车辆在所述停车位的俯视图像。
在一种优选的实施例中,参见图3所示,在步骤S11中,所述在所述距离小于等于预设距离阈值的情况下,以所述距离小于等于所述预设距离阈值对应的深度图像的采集时间为基准,从随后采集到的深度图像中抽取多帧目标深度图像,包括:
在步骤S111中,在所述距离小于等于预设距离阈值的情况下,以所述距离小于等于所述预设距离阈值对应的深度图像的采集时间为基准,统计随后在预设时长内采集到的深度图像的图像帧数量。
在步骤S112中,若所述图像帧数量超过预设数量阈值,则根据各所述深度图像在该深度值所在平面的像素坐标,将所述目标车辆超出所述停车位的停车线的不合格深度图像剔除。
不合格深度图像是目标车辆的任意车辆部位超过了本停车位的停车区域。
在步骤S113中,若剔除所述不合格深度图像后,剩余的备用深度图像的图像帧数量仍超过所述预设数量阈值,则从剩余的备用深度图像随机剔除深度图像,直到剩余的备用深度图像的所述图像帧数量等于所述预设数量阈值。
在步骤S114中,若剔除所述不合格深度图像后,剩余的备用深度图像的所述图像帧数量小于所述预设数量阈值,则计算按照采集时间先后排序后的相邻所述备用图像中所述目标车辆的深度值之间的深度差值。
在步骤S115中,对所述深度差值按照大小进行排序,并从大到小的顺序,依次确定相邻所述备用图像之间是否存在被剔除的不合格深度图像。
在步骤S116中,若相邻所述备用图像之间存在被剔除的不合格深度图像,则将被剔除的不合格深度图像中的一者恢复作为所述备用深度图像,直到所述备用深度图像的所述图像帧数量等于所述预设数量阈值,停止所述将被剔除的不合格深度图像中的一者恢复作为备用深度图像,将所述备用深度图像作为多帧所述目标深度图像。
在一种优选的实施例中,所述方法还包括:
若遍历将被剔除的不合格深度图像中的一者恢复作为备用深度图像后,所述备用深度图像的所述图像帧数量仍小于所述预设数量阈值,则循环执行所述从大到小的顺序,依次确定相邻所述备用图像之间是否存在被剔除的不合格深度图像。若相邻所述备用图像之间存在被剔除的不合格深度图像,则将被剔除的不合格深度图像中的一者恢复作为所述备用深度图像的步骤,直到所述备用深度图像的所述图像帧数量等于所述预设数量阈值,停止所述将被剔除的不合格深度图像中的一者恢复作为备用深度图像。
在一种优选的实施例中,所述若相邻所述备用图像之间存在被剔除的不合格深度图像,则将被剔除的不合格深度图像中的一者恢复作为所述备用深度图像,包括:
若相邻所述备用图像之间存在被剔除的不合格深度图像,则确定相邻所述备用图像之间被剔除的不合格深度图像的被剔除图像帧数量。
若所述被剔除图像帧数量为1,则直接将所述不合格深度图像恢复作为所述备用深度图像。
若所述被剔除图像帧数量大于1,则将所述深度值与所述深度差值的二分之一的差值最小的不合格深度图像恢复作为所述备用深度图像。
在一种优选的实施例中,所述方法还包括:
若所述图像帧数量未超过所述预设数量阈值,则识别各所述深度图像的前景区域和背景区域,所述前景区域为所述深度图像中的所述目标车辆所在区域,所述背景区域为所述深度图像中所述前景区域之外的其他区域。
根据各所述深度图像对应的所述前景区域,计算采集时间相邻的深度图像的所述前景区域的变化值,以及根据各所述深度图像对应的所述背景区域,计算采集时间相邻的深度图像的所述背景区域的变化值。
在所述前景区域的变化值超过预设变化阈值,和/或,所述背景区域的变化值超过所述预设变化阈值的情况下,将相邻深度图像中采集时间在前的深度图像的背景区域替换为预设图像,并根据预设图像以及对应的前景区域生成替换深度图像。
将各所述深度图像以及各所述替换深度图像划分为不同的图像组,每个图像组包括前向图像和后向图像,确定各个图像组对应的插值时间相位,以及基于各个图像组对应的插值时间相位对对应的图像组中的图像进行插值,得到各个图像组对应的插值图像。
根据所述插值图像以及所述深度图像,得到所述多帧目标深度图像。
在一种优选的实施例中,所述方法还包括:
在所述前景区域的变化值小于所述预设变化阈值,且所述背景区域的变化值小于所述预设变化阈值的情况下,保留相邻深度图像中各深度图像的背景区域。
本公开实施例还提供一种基于图像识别的停车位监测装置,参见图4所示,所述基于图像识别的停车位监测装置400包括:
获取模块410,被配置为获取设置在所述停车位的图像采集装置采集到的深度图像,并根据所述深度图像确定目标车辆与所述图像采集装置的距离,在所述距离小于等于预设距离阈值的情况下,以所述距离小于等于所述预设距离阈值对应的深度图像的采集时间为基准,从随后采集到的深度图像中抽取多帧目标深度图像;
截取模块420,被配置为以所述停车位的停车线为边界,从多帧所述目标深度图像中各截取出包括所述目标车辆的待识别深度图像,并根据每一所述待识别深度图像中所述目标车辆的深度值以及在该深度值所在平面的像素坐标,确定所述目标车辆在所述停车位的俯视图像;
计算模块430,被配置为计算所述俯视图像中所述目标车辆在所述停车位中的占用区域面积;
确定模块440,被配置为在所述占用区域面积与所述停车位的停车位面积的比值超过预设面积比值阈值的情况下,确定所述停车位处于占用状态,在所述占用区域面积与所述停车位的停车位面积的比值未超过预设面积比值阈值的情况下,确定所述停车位处于空闲状态。
在一种优选的实施例中,所述截取模块420,被配置为:
以每一所述待识别深度图像中所述目标车辆的深度值,按照深度值大小将各所述待识别深度图像映射到所述停车位对应的虚拟停车位的覆盖区域内;
根据每一所述待识别深度图像中所述目标车辆在该深度值所在平面的像素坐标,确定每一深度值在所述平面上的极限像素坐标,其中,所述极限像素坐标是每一深度值对应的待识别深度图像中所述目标车辆相对所述停车位的左右停车线最近的像素坐标;
根据每一深度值上对应的所述极限像素坐标,生成所述目标车辆在所述停车位的俯视图像。
在一种优选的实施例中,所述截取模块420,被配置为:
根据所述深度值的大小关系,依次连接相邻深度值相对所述停车位在同一所述停车线对应的所述极限像素坐标,得到连通域图像;
对所述连通域图像进行视角转换,生成所述目标车辆在所述停车位的俯视图像。
在一种优选的实施例中,所述获取模块410,被配置为:
在所述距离小于等于预设距离阈值的情况下,以所述距离小于等于所述预设距离阈值对应的深度图像的采集时间为基准,统计随后在预设时长内采集到的深度图像的图像帧数量;
若所述图像帧数量超过预设数量阈值,则根据各所述深度图像在该深度值所在平面的像素坐标,将所述目标车辆超出所述停车位的停车线的不合格深度图像剔除;
若剔除所述不合格深度图像后,剩余的备用深度图像的所述图像帧数量仍超过所述预设数量阈值,则从剩余的备用深度图像随机剔除深度图像,直到剩余的备用深度图像的所述图像帧数量等于所述预设数量阈值。
若剔除所述不合格深度图像后,剩余的备用深度图像的所述图像帧数量小于所述预设数量阈值,则计算按照采集时间先后排序后的相邻所述备用图像中所述目标车辆的深度值之间的深度差值;
对所述深度差值按照大小进行排序,并从大到小的顺序,依次确定相邻所述备用图像之间是否存在被剔除的不合格深度图像;
若相邻所述备用图像之间存在被剔除的不合格深度图像,则将被剔除的不合格深度图像中的一者恢复作为所述备用深度图像,直到所述备用深度图像的所述图像帧数量等于所述预设数量阈值,停止所述将被剔除的不合格深度图像中的一者恢复作为备用深度图像,将所述备用深度图像作为多帧所述目标深度图像。
在一种优选的实施例中,所述获取模块410,被配置为:
若遍历将被剔除的不合格深度图像中的一者恢复作为备用深度图像后,所述备用深度图像的所述图像帧数量仍小于所述预设数量阈值,则循环执行所述从大到小的顺序,依次确定相邻所述备用图像之间是否存在被剔除的不合格深度图像;若相邻所述备用图像之间存在被剔除的不合格深度图像,则将被剔除的不合格深度图像中的一者恢复作为所述备用深度图像的步骤,直到所述备用深度图像的所述图像帧数量等于所述预设数量阈值,停止所述将被剔除的不合格深度图像中的一者恢复作为备用深度图像。
在一种优选的实施例中,所述获取模块410,被配置为:
若相邻所述备用图像之间存在被剔除的不合格深度图像,则确定相邻所述备用图像之间被剔除的不合格深度图像的被剔除图像帧数量;
若所述被剔除图像帧数量为1,则直接将所述不合格深度图像恢复作为所述备用深度图像;
若所述被剔除图像帧数量大于1,则将所述深度值与所述深度差值的二分之一的差值最小的不合格深度图像恢复作为所述备用深度图像。
在一种优选的实施例中,所述获取模块410,被配置为:
若所述图像帧数量未超过所述预设数量阈值,则识别各所述深度图像的前景区域和背景区域,所述前景区域为所述深度图像中的所述目标车辆所在区域,所述背景区域为所述深度图像中所述前景区域之外的其他区域;
根据各所述深度图像对应的所述前景区域,计算采集时间相邻的深度图像的所述前景区域的变化值,以及根据各所述深度图像对应的所述背景区域,计算采集时间相邻的深度图像的所述背景区域的变化值;
在所述前景区域的变化值超过预设变化阈值,和/或,所述背景区域的变化值超过所述预设变化阈值的情况下,将相邻深度图像中采集时间在前的深度图像的背景区域替换为预设图像,并根据预设图像以及对应的前景区域生成替换深度图像;
将各所述深度图像以及各所述替换深度图像划分为不同的图像组,每个图像组包括前向图像和后向图像,确定各个图像组对应的插值时间相位,以及基于各个图像组对应的插值时间相位对对应的图像组中的图像进行插值,得到各个图像组对应的插值图像;
根据所述插值图像以及所述深度图像,得到所述多帧目标深度图像。
在一种优选的实施例中,所述获取模块410,被配置为:
在所述前景区域的变化值小于所述预设变化阈值,且所述背景区域的变化值小于所述预设变化阈值的情况下,保留相邻深度图像中各深度图像的背景区域。
关于上述实施例中的基于图像识别的停车位监测装置400,其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述,此处将不做详细阐述说明。
本公开实施例还提供一种电子设备,包括:
处理器;
用于存储处理器可执行指令的存储器;
其中,所述处理器被配置为执行所述存储器中存储的所述可执行指令,以实现前述实施例中任一项所述方法。
图5是根据一示例性实施例示出的一种用于基于图像识别的停车位监测的装置1900的框图。例如,装置1900可以被提供为一停车位管理服务器。参照图5,装置1900包括处理组件1922,其进一步包括一个或多个处理器,以及由存储器1932所代表的存储器资源,用于存储可由处理组件1922的执行的指令,例如应用程序。存储器1932中存储的应用程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外,处理组件1922被配置为执行指令,以执行上述基于图像识别的停车位监测方法。
装置1900还可以包括一个电源组件1926被配置为执行装置1900的电源管理,一个有线或无线网络接口1950被配置为将装置1900连接到网络,和一个输入/输出接口1958。装置1900可以操作基于存储在存储器1932的操作系统。
在另一示例性实施例中,还提供一种计算机程序产品,该计算机程序产品包含能够由可编程的装置执行的计算机程序,该计算机程序具有当由该可编程的装置执行时用于执行上述的基于图像识别的停车位监测方法的代码部分。
本领域技术人员在考虑说明书及实践本公开后,将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本公开的真正范围和精神由下面的权利要求指出。
应当理解的是,本公开并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。
Claims (10)
1.一种基于图像识别的停车位监测方法,其特征在于,所述基于图像识别的停车位监测方法包括:
获取设置在所述停车位的图像采集装置采集到的深度图像,并根据所述深度图像确定目标车辆与所述图像采集装置的距离,在所述距离小于等于预设距离阈值的情况下,以所述距离小于等于所述预设距离阈值对应的深度图像的采集时间为基准,从随后采集到的深度图像中抽取多帧目标深度图像;
以所述停车位的停车线为边界,从多帧所述目标深度图像中各截取出包括所述目标车辆的待识别深度图像,并根据每一所述待识别深度图像中所述目标车辆的深度值以及在该深度值所在平面的像素坐标,确定所述目标车辆在所述停车位的俯视图像;
计算所述俯视图像中所述目标车辆在所述停车位中的占用区域面积;
在所述占用区域面积与所述停车位的停车位面积的比值超过预设面积比值阈值的情况下,确定所述停车位处于占用状态,在所述占用区域面积与所述停车位的停车位面积的比值未超过预设面积比值阈值的情况下,确定所述停车位处于空闲状态。
2.根据权利要求1所述的方法,其特征在于,所述根据每一所述待识别深度图像中所述目标车辆的深度值以及在该深度值所在平面的像素坐标,确定所述目标车辆在所述停车位的俯视图像,包括:
以每一所述待识别深度图像中所述目标车辆的深度值,按照深度值大小将各所述待识别深度图像映射到所述停车位对应的虚拟停车位的覆盖区域内;
根据每一所述待识别深度图像中所述目标车辆在该深度值所在平面的像素坐标,确定每一深度值在所述平面上的极限像素坐标,其中,所述极限像素坐标是每一深度值对应的待识别深度图像中所述目标车辆相对所述停车位的左右停车线最近的像素坐标;
根据每一深度值上对应的所述极限像素坐标,生成所述目标车辆在所述停车位的俯视图像。
3.根据权利要求2所述的方法,其特征在于,所述根据每一深度值上对应的所述极限像素坐标,生成所述目标车辆在所述停车位的俯视图像,包括:
根据所述深度值的大小关系,依次连接相邻深度值相对所述停车位在同一所述停车线对应的所述极限像素坐标,得到连通域图像;
对所述连通域图像进行视角转换,生成所述目标车辆在所述停车位的俯视图像。
4.根据权利要求1-3中任一项所述的方法,其特征在于,所述在所述距离小于等于预设距离阈值的情况下,以所述距离小于等于所述预设距离阈值对应的深度图像的采集时间为基准,从随后采集到的深度图像中抽取多帧目标深度图像,包括:
在所述距离小于等于预设距离阈值的情况下,以所述距离小于等于所述预设距离阈值对应的深度图像的采集时间为基准,统计随后在预设时长内采集到的深度图像的图像帧数量;
若所述图像帧数量超过预设数量阈值,则根据各所述深度图像在该深度值所在平面的像素坐标,将所述目标车辆超出所述停车位的停车线的不合格深度图像剔除;
若剔除所述不合格深度图像后,剩余的备用深度图像的所述图像帧数量仍超过所述预设数量阈值,则从剩余的备用深度图像随机剔除深度图像,直到剩余的备用深度图像的所述图像帧数量等于所述预设数量阈值;
若剔除所述不合格深度图像后,剩余的备用深度图像的所述图像帧数量小于所述预设数量阈值,则计算按照采集时间先后排序后的相邻所述备用图像中所述目标车辆的深度值之间的深度差值;
对所述深度差值按照大小进行排序,并从大到小的顺序,依次确定相邻所述备用图像之间是否存在被剔除的不合格深度图像;
若相邻所述备用图像之间存在被剔除的不合格深度图像,则将被剔除的不合格深度图像中的一者恢复作为所述备用深度图像,直到所述备用深度图像的所述图像帧数量等于所述预设数量阈值,停止所述将被剔除的不合格深度图像中的一者恢复作为备用深度图像,将所述备用深度图像作为多帧所述目标深度图像。
5.根据权利要求4所述的方法,其特征在于,所述方法还包括:
若遍历将被剔除的不合格深度图像中的一者恢复作为备用深度图像后,所述备用深度图像的所述图像帧数量仍小于所述预设数量阈值,则循环执行所述从大到小的顺序,依次确定相邻所述备用图像之间是否存在被剔除的不合格深度图像;若相邻所述备用图像之间存在被剔除的不合格深度图像,则将被剔除的不合格深度图像中的一者恢复作为所述备用深度图像的步骤,直到所述备用深度图像的所述图像帧数量等于所述预设数量阈值,停止所述将被剔除的不合格深度图像中的一者恢复作为备用深度图像。
6.根据权利要求4所述的方法,其特征在于,所述若相邻所述备用图像之间存在被剔除的不合格深度图像,则将被剔除的不合格深度图像中的一者恢复作为所述备用深度图像,包括:
若相邻所述备用图像之间存在被剔除的不合格深度图像,则确定相邻所述备用图像之间被剔除的不合格深度图像的被剔除图像帧数量;
若所述被剔除图像帧数量为1,则直接将所述不合格深度图像恢复作为所述备用深度图像;
若所述被剔除图像帧数量大于1,则将所述深度值与所述深度差值的二分之一的差值最小的不合格深度图像恢复作为所述备用深度图像。
7.根据权利要求4所述的方法,其特征在于,所述方法还包括:
若所述图像帧数量未超过所述预设数量阈值,则识别各所述深度图像的前景区域和背景区域,所述前景区域为所述深度图像中的所述目标车辆所在区域,所述背景区域为所述深度图像中所述前景区域之外的其他区域;
根据各所述深度图像对应的所述前景区域,计算采集时间相邻的深度图像的所述前景区域的变化值,以及根据各所述深度图像对应的所述背景区域,计算采集时间相邻的深度图像的所述背景区域的变化值;
在所述前景区域的变化值超过预设变化阈值,和/或,所述背景区域的变化值超过所述预设变化阈值的情况下,将相邻深度图像中采集时间在前的深度图像的背景区域替换为预设图像,并根据预设图像以及对应的前景区域生成替换深度图像;
将各所述深度图像以及各所述替换深度图像划分为不同的图像组,每个图像组包括前向图像和后向图像,确定各个图像组对应的插值时间相位,以及基于各个图像组对应的插值时间相位对对应的图像组中的图像进行插值,得到各个图像组对应的插值图像;
根据所述插值图像以及所述深度图像,得到所述多帧目标深度图像。
8.根据权利要求7所述的方法,其特征在于,所述方法还包括:
在所述前景区域的变化值小于所述预设变化阈值,且所述背景区域的变化值小于所述预设变化阈值的情况下,保留相邻深度图像中各深度图像的背景区域。
9.一种基于图像识别的停车位监测装置,其特征在于,包括:
获取模块,被配置为获取设置在所述停车位的图像采集装置采集到的深度图像,并根据所述深度图像确定目标车辆与所述图像采集装置的距离,在所述距离小于等于预设距离阈值的情况下,以所述距离小于等于所述预设距离阈值对应的深度图像的采集时间为基准,从随后采集到的深度图像中抽取多帧目标深度图像;
截取模块,被配置为以所述停车位的停车线为边界,从多帧所述目标深度图像中各截取出包括所述目标车辆的待识别深度图像,并根据每一所述待识别深度图像中所述目标车辆的深度值以及在该深度值所在平面的像素坐标,确定所述目标车辆在所述停车位的俯视图像;
计算模块,被配置为计算所述俯视图像中所述目标车辆在所述停车位中的占用区域面积;
确定模块,被配置为在所述占用区域面积与所述停车位的停车位面积的比值超过预设面积比值阈值的情况下,确定所述停车位处于占用状态,在所述占用区域面积与所述停车位的停车位面积的比值未超过预设面积比值阈值的情况下,确定所述停车位处于空闲状态。
10.一种电子设备,其特征在于,包括:
处理器;
用于存储处理器可执行指令的存储器;
其中,所述处理器被配置为执行所述存储器中存储的所述可执行指令,以实现权利要求1-8中任一项所述方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310663046.0A CN116597421A (zh) | 2023-06-06 | 2023-06-06 | 基于图像识别的停车位监测方法、装置及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310663046.0A CN116597421A (zh) | 2023-06-06 | 2023-06-06 | 基于图像识别的停车位监测方法、装置及设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116597421A true CN116597421A (zh) | 2023-08-15 |
Family
ID=87595530
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310663046.0A Pending CN116597421A (zh) | 2023-06-06 | 2023-06-06 | 基于图像识别的停车位监测方法、装置及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116597421A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116912780A (zh) * | 2023-09-12 | 2023-10-20 | 杭州慕皓新能源技术有限公司 | 基于模式动态切换的充电监测保护方法及保护系统 |
-
2023
- 2023-06-06 CN CN202310663046.0A patent/CN116597421A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116912780A (zh) * | 2023-09-12 | 2023-10-20 | 杭州慕皓新能源技术有限公司 | 基于模式动态切换的充电监测保护方法及保护系统 |
CN116912780B (zh) * | 2023-09-12 | 2023-11-24 | 国网浙江省电力有限公司杭州供电公司 | 基于模式动态切换的充电监测保护方法及保护系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112528878B (zh) | 检测车道线的方法、装置、终端设备及可读存储介质 | |
CN110443210B (zh) | 一种行人跟踪方法、装置以及终端 | |
CN110705405B (zh) | 目标标注的方法及装置 | |
CN108921874B (zh) | 人体跟踪处理方法、装置及系统 | |
EP3709266A1 (en) | Human-tracking methods, apparatuses, systems, and storage media | |
CN110650316A (zh) | 智能巡逻及预警处理方法、装置、电子设备及存储介质 | |
US11461997B2 (en) | Matching method and apparatus, electronic device, computer-readable storage medium, and computer program | |
CN113420756B (zh) | 证件图像的识别方法和装置、存储介质及电子装置 | |
CN116597421A (zh) | 基于图像识别的停车位监测方法、装置及设备 | |
KR102433313B1 (ko) | 매칭 방법, 장치, 전자 기기, 컴퓨터 판독 가능한 저장 매체, 및 컴퓨터 프로그램 | |
CN111582032A (zh) | 行人检测方法、装置、终端设备及存储介质 | |
CN104573680A (zh) | 图像检测方法、图像检测装置以及交通违法检测系统 | |
CN112651953A (zh) | 图片相似度计算方法、装置、计算机设备及存储介质 | |
CN115412705A (zh) | 具有车辆信息隐私保护的实时视频监控方法及系统 | |
CN111932545A (zh) | 图像处理方法、目标计数方法及其相关装置 | |
CN112733650B (zh) | 目标人脸检测方法、装置、终端设备及存储介质 | |
CN113470013A (zh) | 一种搬移物品的检测方法及装置 | |
CN113239738B (zh) | 一种图像的模糊检测方法及模糊检测装置 | |
CN111242051A (zh) | 一种车辆识别优化方法、装置及存储介质 | |
CN113313124B (zh) | 基于图像分割算法识别车牌号码的方法、装置和终端设备 | |
CN112950961B (zh) | 车流量统计方法、装置、设备和存储介质 | |
CN112422772B (zh) | 图像获取方法、图像获取装置、终端设备及可读存储介质 | |
CN115391596A (zh) | 视频档案生成方法、装置及存储介质 | |
CN113919421A (zh) | 调整目标检测模型的方法、装置和设备 | |
CN115346143A (zh) | 行为检测方法、电子设备、计算机可读介质 |
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 |