[go: up one dir, main page]

CN110533950A - 车位使用状况的检测方法、装置、电子设备及存储介质 - Google Patents

车位使用状况的检测方法、装置、电子设备及存储介质 Download PDF

Info

Publication number
CN110533950A
CN110533950A CN201810517986.8A CN201810517986A CN110533950A CN 110533950 A CN110533950 A CN 110533950A CN 201810517986 A CN201810517986 A CN 201810517986A CN 110533950 A CN110533950 A CN 110533950A
Authority
CN
China
Prior art keywords
parking stall
detected
parking
crimping
position information
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
Application number
CN201810517986.8A
Other languages
English (en)
Inventor
鲁超
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.)
Hangzhou Hikvision Digital Technology Co Ltd
Original Assignee
Hangzhou Hikvision Digital 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 Hangzhou Hikvision Digital Technology Co Ltd filed Critical Hangzhou Hikvision Digital Technology Co Ltd
Priority to CN201810517986.8A priority Critical patent/CN110533950A/zh
Priority to PCT/CN2019/087043 priority patent/WO2019223586A1/zh
Priority to US17/057,362 priority patent/US11455805B2/en
Priority to EP19808034.3A priority patent/EP3806064B1/en
Publication of CN110533950A publication Critical patent/CN110533950A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/017—Detecting movement of traffic to be counted or controlled identifying vehicles
    • G08G1/0175—Detecting movement of traffic to be counted or controlled identifying vehicles by photographing vehicles, e.g. when violating traffic rules
    • 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
    • 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
    • G06V20/50—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
    • 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
    • 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
    • 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
    • G06T2207/30232—Surveillance

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Traffic Control Systems (AREA)
  • Image Analysis (AREA)

Abstract

本发明实施例提供了车位使用状况的检测方法、装置、电子设备及存储介质，应用于智能视频图像监控技术领域，该方法包括：获取待检测车位的监控图像；从监控图像中识别出待检测车位的车道线位置信息；从监控图像中识别出车辆信息，车辆信息包括车辆位置信息；根据车道线位置信息及车辆位置信息的位置关系，确定待检测车位的使用状况。在本发明实施例的车位使用状态的检测方法中，根据车道线位置信息及车辆信息的位置关系，确定待检测车位的使用状况，相比于根据灰度信息确定车位使用情况，受外界环境因素影响小，可以提高车位使用状况检测结果的准确度。

Description

车位使用状况的检测方法、装置、电子设备及存储介质
技术领域
本发明涉及智能视频图像监控技术领域，特别是涉及车位使用状况的检测方法、装置、电子设备及存储介质。
背景技术
随着我国汽车保有量的快速增长，停车场车位管理承受的压力日趋严重，停车场车位诱导停车问题已成为关注的热点话题。停车场停车位的有效利用和管理对城市交通通行状况乃至城市的发展都至关重要。可以对停车场中车位使用状况进行检测，从而诱导停车以实现城市停车位的有效利用。
在相关的车位状况的检测方法中，预先获取车位未停车时的图像的灰度值，在进行车位状况检测时，获取车位当前图像的灰度值，若当前图像的灰度值与未停车时的图像的灰度值的均方差大于预设阈值，则判定车位停车，否则判定车位未停车。
但是采用上述方法，利用灰度值判定车位是否泊车，在车位附近的环境发生变化，例如光线发生变化时，或车辆颜色与车位颜色接近时，会影响车位图像的灰度值，从而导致车位使用状况的检测结果不准确。
发明内容
本发明实施例的目的在于提供一种车位使用状况的检测方法、装置、电子设备及存储介质，以实现提高车位使用状况检测结果的准确度。具体技术方案如下：
第一方面，本发明实施例提供了一种车位使用状况的检测方法，所述方法包括：
获取待检测车位的监控图像；
从所述监控图像中识别出所述待检测车位的车道线位置信息；
从所述监控图像中识别出车辆信息，所述车辆信息包括车辆位置信息；
根据所述车道线位置信息及所述车辆位置信息的位置关系，确定所述待检测车位的使用状况。
可选的，所述根据所述车道线位置信息及所述车辆位置信息的位置关系，确定所述待检测车位的使用状况，包括：
若所述车道线位置信息表示的车位范围，与所述车辆位置信息表示的车辆范围无交集，判定所述待检测车位的使用状况为所述待检测车位无车；
若所述车道线位置信息表示的车位范围，与所述车辆位置信息表示的车辆范围存在交集，判定所述待检测车位的使用状况为所述待检测车位停车。
可选的，所述若所述车道线位置信息表示的车位范围，与所述车辆位置信息表示的车辆范围存在交集，判定所述待检测车位的使用状况为所述待检测车位停车，包括：
若所述车道线位置信息表示的车位范围，与所述车辆位置信息表示的车辆范围存在交集，且所述车辆范围与所述车道线位置信息表示的车道线无交集，判定所述待检测车位的使用状况为所述待检测车位正常停车；
若所述车道线位置信息表示的车位范围，与所述车辆位置信息表示的车辆范围存在交集，且所述车辆范围与所述车道线位置信息表示的车道线存在交集，判定所述待检测车位的使用状况为所述待检测车位压线停车。
可选的，所述车辆信息还包括车牌信息；
所述根据所述车道线位置信息及所述车辆位置信息的位置关系，确定所述待检测车位的使用状况，包括：
若所述车道线位置信息表示的车位范围，与所述车辆位置信息表示的车辆范围的交集大于预设停车阈值，且所述车辆位置信息对应的车辆有车牌，根据所述车道线位置信息及所述车牌信息，计算所述车牌的中心距离所述待检测车位的左车位线的距离，作为第一左车位线距离，计算所述车牌中心距离所述待检测车位的右车位线的距离，作为第一右车位线距离；
判断所述第一左车位线距离、所述第一右车位线距离及所述车牌的宽度是否满足预设压线条件；
若所述第一左车位线距离、所述第一右车位线距离及所述车牌的宽度不满足预设压线条件，判定所述待检测车位的使用状况为所述待检测车位正常停车；
若所述第一左车位线距离、所述第一右车位线距离及所述车牌的宽度满足预设压线条件，判定所述待检测车位的使用状况为所述待检测车位压线停车。
可选的，所述车辆信息还包括车牌信息；
所述根据所述车道线位置信息及所述车辆位置信息的位置关系，确定所述待检测车位的使用状况，包括：
若所述车道线位置信息表示的车位范围，与所述车辆位置信息表示的车辆范围的交集大于预设停车阈值，且所述车辆位置信息对应的车辆无车牌，确定该无牌车辆模拟车牌的模拟中心位置及所述模拟车牌的模拟车牌长度；
计算所述模拟中心位置距离所述待检测车位的左车位线的距离，作为第二左车位线距离，计算所述模拟中心位置距离所述待检测车位的右车位线的距离，作为第二右车位线距离；
判断所述第二左车位线距离、所述第二右车位线距离及所述模拟车牌长度是否满足预设压线条件；
若第二左车位线距离、所述第二右车位线距离及所述模拟车牌长度不满足所述预设压线条件，判定所述待检测车位的使用状况为所述待检测车位正常停车；
若第二左车位线距离、所述第二右车位线距离及所述模拟车牌长度满足所述预设压线条件，判定所述待检测车位的使用状况为所述待检测车位压线停车。
可选的，所述判断所述第一左车位线距离、所述第一右车位线距离及所述车牌的宽度是否满足预设压线条件，包括：
计算所述第一左车位线距离与所述第一右车位线距离的差值的绝对值；
若所述差值的绝对值与所述车牌的宽度的比值大于预设压线阈值，则判定所述第一左车位线距离、所述第一右车位线距离及所述车牌的宽度满足预设压线条件，否则判定所述第一左车位线距离、所述第一右车位线距离及所述车牌的宽度不满足预设压线条件。
可选的，在本发明实施例的车位使用状况的检测方法中，在所述待检测车位为单车位时，所述预设压线阈值为单车位压线阈值；在所述待检测车位为双车位左车位时，所述预设压线阈值为双车位左车位压线阈值；在所述待检测车位为双车位右车位时，所述预设压线阈值为双车位右车位压线阈值；在所述待检测车位为三车位左车位时，所述预设压线阈值为三车位左车位压线阈值；在所述待检测车位为三车位中车位时，所述预设压线阈值为三车位中车位压线阈值；在所述待检测车位为三车位右车位时，所述预设压线阈值为三车位右车位压线阈值。
第二方面，本发明实施例提供了一种车位使用状况的检测装置，所述装置包括：
图像获取模块，用于获取待检测车位的监控图像；
车道线位置确定模块，用于从所述监控图像中识别出所述待检测车位的车道线位置信息；
车辆位置确定模块，用于从所述监控图像中识别出车辆信息，所述车辆信息包括车辆位置信息；
车位状况确定模块，用于根据所述车道线位置信息及所述车辆位置信息的位置关系，确定所述待检测车位的使用状况。
可选的，所述车位状况确定模块，包括：
无车判定子模块，用于若所述车道线位置信息表示的车位范围，与所述车辆位置信息表示的车辆范围无交集，判定所述待检测车位的使用状况为所述待检测车位无车；
停车判定子模块，用于若所述车道线位置信息表示的车位范围，与所述车辆位置信息表示的车辆范围存在交集，判定所述待检测车位的使用状况为所述待检测车位停车。
可选的，所述停车判定子模块，包括：
正常判定单元，用于若所述车道线位置信息表示的车位范围，与所述车辆位置信息表示的车辆范围存在交集，且所述车辆范围与所述车道线位置信息表示的车道线无交集，判定所述待检测车位的使用状况为所述待检测车位正常停车；
压线判定单元，用于若所述车道线位置信息表示的车位范围，与所述车辆位置信息表示的车辆范围存在交集，且所述车辆范围与所述车道线位置信息表示的车道线存在交集，判定所述待检测车位的使用状况为所述待检测车位压线停车。
可选的，所述车辆信息还包括车牌信息；
所述车位状况确定模块，包括：
第一距离计算子模块，用于若所述车道线位置信息表示的车位范围，与所述车辆位置信息表示的车辆范围的交集大于预设停车阈值，且所述车辆位置信息对应的车辆有车牌，根据所述车道线位置信息及所述车牌信息，计算所述车牌的中心距离所述待检测车位的左车位线的距离，作为第一左车位线距离，计算所述车牌中心距离所述待检测车位的右车位线的距离，作为第一右车位线距离；
第一压线判定子模块，用于判断所述第一左车位线距离、所述第一右车位线距离及所述车牌的宽度是否满足预设压线条件；
第一正常停车判定子模块，用于若所述第一左车位线距离、所述第一右车位线距离及所述车牌的宽度不满足预设压线条件，判定所述待检测车位的使用状况为所述待检测车位正常停车；
第一压线停车判定子模块，用于若所述第一左车位线距离、所述第一右车位线距离及所述车牌的宽度满足预设压线条件，判定所述待检测车位的使用状况为所述待检测车位压线停车。
可选的，所述车辆信息还包括车牌信息；
所述车位状况确定模块，包括：
模拟车牌子模块，用于若所述车道线位置信息表示的车位范围，与所述车辆位置信息表示的车辆范围的交集大于预设停车阈值，且所述车辆位置信息对应的车辆无车牌，确定该无牌车辆模拟车牌的模拟中心位置及所述模拟车牌的模拟车牌长度；
第二距离计算子模块，用于计算所述模拟中心位置距离所述待检测车位的左车位线的距离，作为第二左车位线距离，计算所述模拟中心位置距离所述待检测车位的右车位线的距离，作为第二右车位线距离；
第二压线判定子模块，用于判断所述第二左车位线距离、所述第二右车位线距离及所述模拟车牌长度是否满足预设压线条件；
第二正常停车判定子模块，用于若第二左车位线距离、所述第二右车位线距离及所述模拟车牌长度不满足所述预设压线条件，判定所述待检测车位的使用状况为所述待检测车位正常停车；
第二压线停车判定子模块，用于若第二左车位线距离、所述第二右车位线距离及所述模拟车牌长度满足所述预设压线条件，判定所述待检测车位的使用状况为所述待检测车位压线停车。
可选的，所述第一压线判定子模块，包括：
差值计算单元，用于计算所述第一左车位线距离与所述第一右车位线距离的差值的绝对值；
比值判定单元，用于若所述差值的绝对值与所述车牌的宽度的比值大于预设压线阈值，则判定所述第一左车位线距离、所述第一右车位线距离及所述车牌的宽度满足预设压线条件，否则判定所述第一左车位线距离、所述第一右车位线距离及所述车牌的宽度不满足预设压线条件。
可选的，在本发明实施例的车位使用状况的检测装置中，在所述待检测车位为单车位时，所述预设压线阈值为单车位压线阈值；在所述待检测车位为双车位左车位时，所述预设压线阈值为双车位左车位压线阈值；在所述待检测车位为双车位右车位时，所述预设压线阈值为双车位右车位压线阈值；在所述待检测车位为三车位左车位时，所述预设压线阈值为三车位左车位压线阈值；在所述待检测车位为三车位中车位时，所述预设压线阈值为三车位中车位压线阈值；在所述待检测车位为三车位右车位时，所述预设压线阈值为三车位右车位压线阈值。
第三方面，本发明实施例提供了一种电子设备，包括处理器及存储器，所述存储器，用于存放计算机程序；所述处理器，用于执行所述存储器上所存放的程序时，实现上述第一方面任一所述的车位使用状况的检测方法。
第四方面，本发明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，实现上述第一方面任一所述的车位使用状况的检测方法。
本发明实施例提供的车位使用状况的检测方法、装置、电子设备及存储介质，获取待检测车位的监控图像；从监控图像中识别出待检测车位的车道线位置信息；从监控图像中识别出车辆信息，车辆信息包括车辆位置信息；根据车道线位置信息及车辆位置信息的位置关系，确定待检测车位的使用状况。根据车道线位置信息及车辆信息的位置关系，确定待检测车位的使用状况，相比于根据灰度信息确定车位使用情况，受外界环境因素影响小，可以提高车位使用状况检测结果的准确度。当然，实施本发明的任一产品或方法并不一定需要同时达到以上的所有优点。
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一些实施例，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，还可以根据这些附图获得其他的附图。
图1为本发明实施例的车位使用状况的检测装置的一种示意图；
图2a为本发明实施例的车位使用状况的检测方法的应用场景的第一种示意图；
图2b为本发明实施例的车位使用状况的检测方法的应用场景的第二种示意图；
图2c为本发明实施例的车位使用状况的检测方法的应用场景的第三种示意图；
图3为本发明实施例的车位使用状况的检测方法的第一种流程示意图；
图4为本发明实施例的车位使用状况的检测方法的第二种流程示意图；
图5为本发明实施例的车位使用状况的检测方法的第三种流程示意图；
图6为本发明实施例的车位使用状况的检测方法的第四种流程示意图；
图7为本发明实施例的车位使用状况的检测方法的第五种流程示意图；
图8为本发明实施例的车位使用状况的检测方法的第六种流程示意图；
图9为本发明实施例的车位使用状况的检测方法的第七种流程示意图；
图10为本发明实施例的车位使用状况的检测装置的另一种示意图；
图11为本发明实施例的电子设备的一种示意图。
具体实施方式
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，所描述的实施例仅仅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。
在对本申请涉及的车位使用状况的检测方法进行详细介绍之前，先对本申请涉及的术语，应用场景和实施环境进行简单的介绍。
首先，对本申请涉及的术语进行介绍。
图像分割：图像分割是指将图像分成若干具有特征一致性且互不重叠的图像区域的过程。通过图像分割，有选择性的定位感兴趣对象在图像中的位置和范围。
语义分割：区别于图像分割，语义分割需要对每个像素点分类，并给出类别。
车位状态：包括无车、正常停车、停车压线。
压线检测：根据驶入车库车辆与车位线之间位置关系，确定车位是否压线。
CNN：Convolutional Neural Network，卷积神经网络。
Faster RCNN：Faster Regions Convolutional Neural Network，一种基于卷积神经网络CNN的目标检测算法。
RANSAC：是一种优于最小二乘法的直线拟合方法，在模型确定以及最大迭代次数允许的情况下，RANSAC能够找到最优解。对于包含80％以上误差的数据集，RANSAC的效果远优于最小二乘法。
Deep Learning：源于人工神经网络的研究，包含多隐层的多层感知器，为一种深度学习结构。深度学习通过组合低层特征形成更加抽象的高层表示属性类别或特征，以发现数据的分布式特征表示。
其次，对本申请涉及的实施环境进行简单的介绍。
本申请所涉及的车位使用状况的检测方法可以由终端来执行，在实际实现中，该终端可以为诸如智能摄像机、智能手机、平板电脑、台式电脑之类的终端。通常情况下，该终端可以被安装在诸如停车场、电子收费站等应用场所中，且该终端具有图像拍摄功能，用于对车牌所在范围进行拍摄。
进一步地，在具体实现中，该终端可以自身配置有摄像头，并通过自身配置的摄像头实现拍摄功能，或者，该终端也可以通过数据线与外置摄像头连接，并通过所连接的外置摄像头实现拍摄功能，本申请对此不作限定。
再次，对本申请涉及的应用场景进行简单的介绍。
本申请提供了一种车位使用状况的检测方法，该方法由车位使用状况检测装置来执行，参见图1，车位使用状况检测装置包括配置自动生成模块101、目标检测模块102、多帧车牌识别模块103和车位状态判断模块104，通过结合基于深度学习的目标分割，实现车位自动配置，并且结合基于深度学习的目标检测、车位状态分析、多帧车牌识别等过程，最终实现停车场车位状态检测功能。
可选的，本发明实施例的车位使用状况的检测方法具体可以应用于三种架设。停车场车位架设方案如图2a-图2c所示，本方案可同时适应当前停车场1车位、2车位、3车位架设的车位状态检测，在图像获取装置安装时，要求车位停止线与视频下边沿平行，被监控车位在视频正中间位置；同时还要求车辆在成像图像上的单车位宽度为80～1200个像素之间。
本发明实施例的车位使用状况的检测方法，先对利用目标分割算法经RANSAC算法拟合自动生成车位配置信息，再根据目标检测算法对检测车辆位置信息，对车辆区域进行车牌识别获得当前车牌，最后根据上述信息按车位归类信息判断当前车位状态。其主要包括4个步骤：1)由配置自动生成模块101，基于深度学习技术和RANSAC拟合算法，实现车位车道线信息提取进而生成配置；2)由目标检测模块102，基于深度学习技术，实现对车辆的实时检测获取车辆位置信息；3)由多帧车牌识别模块103，实现车牌识别，获取各车位车牌信息；4)由车位状态判断模块104，结合自动生成的配置信息以及目标具体位置信息等，进行逻辑分析，决策出车位具体状态。其检测方法的流程图可以如图3所示。
配置自动生成模块101的输出配置信息连接到车位状态判断模块104，配置自动生成模块101主要对输入车位图进行车位线区域分割，然后对分割结果进行RANSAC拟合等后期逻辑提取处理，获得车位线信息，并提供给车位状态判断模块104，其具体配置过程如图4所示。可选的，配置自动生成模块101，包括样本标定单元、模型训练单元、目标分割单元、车道线拟合单元。
样本标定单元，根据目标分割标定规则制定标定文档，指导样本整理及样本标定，整理不同光照强度，不同时间段，不同架设，不同场景的地下停车场停车图片样本5万+，并对图片样本中的车位线、路面、背景、标识共4类目标进行标定。
模型训练单元，对样本标定单元中已标定的图片样本进行后期处理训练，基于Caffe(Convolutional Architecture for Fast Feature Embedding，快速特性嵌入的卷积体系结构)环境，采用SegNet(语义分割深度网络)网络结构迭代20万次达到收敛，得到目标分割模型。
目标分割单元，在模型训练单元的基础上，将当前帧图像转换为RGB格式，并传输给上述目标分割模型，最终解析并得到当前帧车道线分割结果。
车道线拟合单元，对目标分割单输出的目标分割图，进行形态学膨胀腐蚀CCL(Connected Component Analysis-Labeling，连通区域分析)处理去除噪声区域，再对保留下来的各车位线进行RANSAC直线拟合，从而生成车位配置信息。
目标检测模块102实现车辆检测功能，其具体配置过程可以如图5所示。可选的，目标检测模块102包括样本标定单元、模型训练单元以及目标检测单元三个部分。
样本标定单元，主要用于样本整理及样本标定，整理不同时间段，不同天气，不同架设，不同场景的路边停车图片样本20万+，并对图片样本中的车辆(货车、大巴、小型车)、行人(行人、自行车、三轮车)、路障等6类目标进行标定。
模型训练单元，对样本标定单元中已标定的图片样本进行训练，本方案中基于Caffe环境，采用FRCNN(Faster RCNN)网络结构迭代100万次达到收敛，得到检测模型。
目标检测单元，在模型训练单元的基础上，将当前帧图像转换为RGB格式，并传给上述检测模型，最终解析并得到当前帧所有检测目标队列。
多帧车牌识别模块103，主要实现目标车牌识别功能。可选的，多帧车牌识别模块103具体包括牌识区域生成单元、车牌识别单元及多帧牌选单元。
牌识区域生成单元，在枪机通知球机校验后，对疑似目标位置通过枪球交互模传给球机，球机根据枪球标定信息以及枪机中目标位置进行PTZ(Pan/Tilt/Zoom，旋转及变焦)坐标转换，输出该目标在球机视场中的位置信息，该位置信息即为球机牌识区域；
车牌识别单元，主要实现单帧图片中牌识区域内所有车牌的识别功能，其主要流程如图6所示，主要包括车牌定位、字符分割及字符识别等步骤，包括：
步骤一：车牌定位，在牌识区域内，提取框内跳变次数特征、颜色特征、HOG(Histogram of Oriented Gradient，方向梯度直方图)特征等，提取牌识区域中的车牌区域。
步骤二：寻找每个字符的左右边界，对车牌区域内的每个字符进行分割，便于后续识别。
步骤三：字符识别，将分割后的字符尺寸、亮度归一化，分别送到神经网络分类器，分类器将其归到某一类，再将字符识别结果组合成字符串。
多帧牌选单元，该单元结合匹配的多帧相邻车牌结果，统计出一个置信度最高的车牌结果输出。
车位状态判断模块104为决策部分，车位状态判断模块104结合配置自动生成模块101自动生成的配置参数、目标检测模块102获取的目标信息，多帧车牌识别模块103获取的车牌信息，进行车位状态判断，具体如图7所示。可选的，车位状态判断模块104包括车位占用状态判断单元、压线事件检测单元以及车位状态输出单元。
车位占用状态判断单元，用于结合自动生成的配置信息、车辆检测结果、车牌识别结果，对各车位占用状态做出判断，车位占用状态分为无车、有牌车泊车、无牌车泊车共3种状态。具体步骤如下：
步骤一：以单个车位为处理单位，固定当前车位，遍历当前目标检测结果队列中车辆目标，根据各车辆目标与当前车位间位置关系，计算所属当前车位的车辆目标，依次对下一个车位进行相同操作，直至处理完所有车位，将各车位与各车辆目标匹配到一起。
步骤二：以单个车位为处理单位，固定当前车位，对当前车位区域进行多帧车牌识别，依次对下一个车位进行相同操作，直至处理完所有车位，会将各车位与各车牌结果匹配到一起。
步骤三：以单个车位为处理单位，根据步骤一、步骤二的结果，每个车位都有对应的车辆目标、车牌结果信息，若当前车位没有车辆目标匹配，则输出无车状态，若当前车位有车辆目标匹配但没有车牌目标匹配，则输出无牌车泊车状态，若当前车位既有车辆目标匹配又有车牌目标匹配则输出有牌车泊车状态，处理完当前车位，依次对下一个车位进行相同操作，直到处理结束。
压线事件检测单元，该单元重点结合自动生成的配置信息、车辆检测结果、车牌识别结果、及车位占用状态判断单元输出的车位占用状态，判断当前车位是否有车辆压线事件，车位压线状态分为压线、正常泊车共2种状态。具体步骤如下：
步骤一：计算各车位车牌中心位置与车牌宽度，以单个车位为处理单元，固定当前车位，若当前车位为有牌车压线，则计算车牌中心位置与车牌宽度，若当前车位为无牌车压线，则根据车辆与车牌之间的位置关系计算当前车牌中心位置与车牌宽度；
步骤二：计算当前车位车牌中心位置与当前车位左右车位线的距离；
步骤三：更新当前车位压线判断用阈值，阈值按车位数目、和车位所在位置不同而不同，分为当车位压线阈值、双车位压线阈值、三车位压线阈值三种，其中双车位压线阈值又分左车位压线阈值、右车位压线阈值，三车位压线阈值又分为左车位压线阈值、中车位压线阈值、右车位压线阈值三种，阈值取自由大量车位进行标定聚类获得的模板阈值；
步骤四：当前车位压线判断，利用步骤一的车牌宽度、步骤二的车牌中心到左右车位线距离、步骤三的当前车位压线阈值，计算左右距离之差与车牌宽度的比值，与压线阈值进行比较，超过阈值的为压线，否则正常停车。
车位状态输出单元，该单元重点对车位占用状态判断单元输出的占用状态、压线事件检测单元输出的压线状态进行整合，输出最终车位状态。最终输出无车、正常泊车、泊车压线三种状态，将状态输出给平台，平台可以根据不同状态给出对应提示。
本申请具有以下有益效果：
(1)本申请实现了基于目标分割的车位配置自动生成算法，目标分割使用基于深度学习的SegNet分割网络，效果稳定高效，节约了架设时的技术人员支持工作，更方便快速铺展。
(2)采用深度学习理论，采用Faster RCNN网络模型进行目标检测，相比传统boost算法，SVM(Support Vector Machine，支持向量机)算法及灰度值算法等，大大提高了目标检出率，降低了误检率，因此极大提高了停车场车位状态正确率。
(3)相比仅仅给出车位是否占用，能进一步给出车辆是否压线，方便管理车进行取证，并对妨碍正常秩序的行为进行及时管理。
(4)本发明实施例的车位使用状况的检测方法能够对停车场停车状态进行高效检测，不仅能够降低人力成本，维护停车场交通秩序，而且可以对道路监管部门提供实时参考信息，方便管理调度，有效提高停车场车位使用效率，缓解停车场停车难的问题。
在介绍完本申请涉及的应用场景和实施环境后，接下来结合附图对本申请涉及的车牌定位方法进行详细介绍。
本发明实施例提供了一种车位使用状况的检测方法，参见图8，该方法包括：
S801，获取待检测车位的监控图像。
本发明实施例中的车位使用状况的检测方法可以通过车位检测系统实现，车位检测系统为任意能够实现本发明实施例的车位使用状况的检测方法的系统。例如：
车位检测系统可以为一种设备，包括：处理器、存储器、通信接口和总线；处理器、存储器和通信接口通过总线连接并完成相互间的通信；存储器存储可执行程序代码；处理器通过读取存储器中存储的可执行程序代码来运行与可执行程序代码对应的程序，以用于执行本发明实施例的车位使用状况的检测方法。
车位检测系统还可以为一种应用程序，用于在运行时执行本发明实施例的车位使用状况的检测方法。
车位检测系统还可以为一种存储介质，用于存储可执行代码，可执行代码用于执行本发明实施例的车位使用状况的检测方法。
车位检测系统通过监控设备，获取待检测车位的监控图像。待检测车位可以为任意形式的车位，例如，单车位、双车位左车位、双车位右车位、三车位左车位、三车位中车位或三车位右车位等。
S802，从上述监控图像中识别出上述待检测车位的车道线位置信息。
车位检测系统通过预设的目标识别算法，确定出监控图像中的车道线位置信息。预设的目标识别算法为任意用于识别车道线位置的算法，例如，RCNN(Regions WithConvolutional Neural Network Features，基于卷积神经网络特征的区域方法)，DMP(Deformable Parts Model，可变形部件模型)或Faster RCNN等。
可选的，从上述监控图像中识别出上述待检测车位的车道线位置信息，包括：
通过预设的目标分割模型对监控图像进行分析，得到车道线分割结果，对所述车道线分割结果进行去噪声处理，并通过随机抽样一致性算法进行直线拟合，得到所述待检测车位的车道线位置信息。
车位检测系统对监控图像进行车位线区域分割，然后对分割结果进行RANSAC(Random Sample Consensus，随机抽样一致性算法)拟合等后期逻辑提取处理，得到车道线位置信息。
可选的，预设的目标分割模型可以通过以下步骤获得：根据预设目标分割标定规则制定标定文档，指导样本整理及样本标定，整理不同光照强度，不同时间段，不同架设，不同场景的停车场停车图像样本，并对图像样本中的车位线、路面、背景、标识共4类目标进行标定。已标定的图像样本进行后期处理训练，本方案中基于Caffe环境，采用SegNet网络结构迭代达到收敛，得到目标分割模型。
将监控图像转换为RGB色彩模式，并输入到目标分割模型，得到车道线分割结果。针对道线分割结果，进行形态学膨胀腐蚀CCL(Connected Component Analysis-Labeling，连通区域分析)处理去除噪声区域，再对保留下来的各车位线进行RANSAC直线拟合，得到车道线位置信息。
S803，从上述监控图像中识别出车辆信息，上述车辆信息包括车辆位置信息。
车位检测系统通过预设车辆识别算法，获取车辆信息，其中，车辆信息包括车辆位置信息。
S804，根据上述车道线位置信息及上述车辆位置信息的位置关系，确定上述待检测车位的使用状况。
在车道线位置信息表示的车位范围，与车辆位置信息表示的车辆范围的交集范围小于预设范围阈值时，则判定待检测车位无车，否则判定待检测车位停车。预设范围阈值可以根据实际情况自行设定，例如预设范围阈值设定为0，预设范围阈值设定为车道线位置信息表示的车位范围的5％、10％、15％或20％等，或预设范围阈值设定为车辆位置信息表示的车辆范围的40％、50％、60％或70％等。
在本发明实施例中，根据车道线位置信息及车辆信息的位置关系，确定待检测车位的使用状况，相比于根据灰度信息确定车位使用情况，受外界环境因素影响小，可以提高车位使用状况检测结果的准确度。
在本发明实施例的一实现方式中，可选的，上述根据上述车道线位置信息及上述车辆位置信息的位置关系，确定上述待检测车位的使用状况，包括：
步骤一，若上述车道线位置信息表示的车位范围，与上述车辆位置信息表示的车辆范围无交集，判定上述待检测车位的使用状况为上述待检测车位无车。
步骤二，若上述车道线位置信息表示的车位范围，与上述车辆位置信息表示的车辆范围存在交集，判定上述待检测车位的使用状况为上述待检测车位停车。
在本发明实施例的实现方式中，车辆位置信息表示的车辆范围为车辆垂直映射在地面上的范围。若车道线位置信息表示的车位范围与车辆位置信息表示的车辆范围无交集，则表示该车道线位置信息对应的车位上没有停车，否则表示该车位停车。
可选的，上述若上述车道线位置信息表示的车位范围，与上述车辆位置信息表示的车辆范围存在交集，判定上述待检测车位的使用状况为上述待检测车位停车，包括：
步骤一，若上述车道线位置信息表示的车位范围，与上述车辆位置信息表示的车辆范围存在交集，且上述车辆范围与上述车道线位置信息表示的车道线无交集，判定上述待检测车位的使用状况为上述待检测车位正常停车。
步骤二，若上述车道线位置信息表示的车位范围，与上述车辆位置信息表示的车辆范围存在交集，且上述车辆范围与上述车道线位置信息表示的车道线存在交集，判定上述待检测车位的使用状况为上述待检测车位压线停车。
在本发明实施例中，在待检测车位停车的状态下，还能够进一步确定待检测车位为正常停车或压线停车，方便对妨碍正常秩序的行为进行及时管理。
在本发明实施例的又一实现方式中，可选的，上述车辆信息还包括车牌信息。
车位检测系统通过预设车牌识别算法，获取车牌信息，其中，车牌信息包括车牌中心位置及车牌的宽度。
例如，车位检测系统通过监控设备，包括枪机及球机，提取车牌信息。枪机通知球机校验后，将疑似车牌的位置告知球机，球机根据枪球标定信息对枪机中疑似车牌的位置进行PTZ坐标转换，得到该疑似车牌的位置在球机视场中的位置，即球机的车牌识别区域。
在球机的车牌识别区域内，提取该车牌识别区域内的跳变次数特征、颜色特征、HOG特征等，以提取车牌区域。在车牌区域中确定每个字符的左右边界，对该车牌区域内的每个字符进行分割。将分割后的字符尺寸、亮度归一化，分别进行归类识别，再将字符识别结果组合成字符串。对多帧相邻视频帧的车牌结果进行分析，选取出置信度最高的车牌信息。
相应的，参见图9，上述根据上述车道线位置信息及上述车辆位置信息的位置关系，确定上述待检测车位的使用状况，包括：
S901，上述车道线位置信息表示的车位范围，与上述车辆位置信息表示的车辆范围的交集不大于预设停车阈值，判定上述待检测车位无车。
在本发明实施例的实现方式中，车辆位置信息表示的车辆范围可以为车辆在监控图像中的范围，车道线位置信息表示的车位范围可以为车位在监控图像中的范围。预设停车阈值为可以根据实际情况进行设定，例如，预设车辆阈值设定为车道线位置信息表示的车位范围的5％、10％、15％或20％等，或预设车辆阈值设定为车辆位置信息表示的车辆范围的40％、50％、60％或70％等。
S902，若上述车道线位置信息表示的车位范围，与上述车辆位置信息表示的车辆范围的交集大于预设停车阈值，且上述车辆位置信息对应的车辆有车牌，根据上述车道线位置信息及上述车牌信息，计算上述车牌的中心距离上述待检测车位的左车位线的距离，作为第一左车位线距离，计算上述车牌中心距离上述待检测车位的右车位线的距离，作为第一右车位线距离。
S903，判断上述第一左车位线距离、上述第一右车位线距离及上述车牌的宽度是否满足预设压线条件。
可选的，上述判断上述第一左车位线距离、上述第一右车位线距离及上述车牌的宽度是否满足预设压线条件，包括：
步骤一，计算上述第一左车位线距离与上述第一右车位线距离的差值的绝对值。
步骤二，若上述差值的绝对值与上述车牌的宽度的比值大于预设压线阈值，则判定上述第一左车位线距离、上述第一右车位线距离及上述车牌的宽度满足预设压线条件，否则判定上述第一左车位线距离、上述第一右车位线距离及上述车牌的宽度不满足预设压线条件。
预设压线阈值为经验值，根据实际情况进行设定，可以预先选取样本车位进行标定聚类，多次计算距离的差值的绝对值与车牌宽度的比值，并计算该比值的平均值，作为预设压线阈值。其中，距离的差值为车辆刚好压线时第一左车位线距离与第一右车位线距离的差值。
在本发明实施例中，计算第一左车位线距离与第一右车位线距离的差值的绝对值，并计算该差值的绝对值与车牌的宽度的比值，在该比值大于预设压线阈值时，判定满足预设压线条件，能够减少因车辆的宽度不同而造成的误差，判定准确率高。
可选的，上述判断上述第一左车位线距离、上述第一右车位线距离及上述车牌的宽度是否满足预设压线条件，包括：
步骤一，计算上述第一左车位线距离与上述第一右车位线距离的差值。
步骤二，若上述差值与上述车牌的宽度的比值不在预设压线范围内，则判定上述第一左车位线距离、上述第一右车位线距离及上述车牌的宽度满足预设压线条件，且若上述差值为正，则为右车位线压线停车，若上述差值为负，则为左车位线压线停车。
预设压线范围为经验值，根据实际情况进行设定。可以预先选取样本车位进行标定聚类，多次计算左侧差值与车牌宽度的比值，并取其平均值作为预设压线范围的下限；多次计算右侧差值与车牌宽度的比值，并取其平均值作为预设压线阈值，作为预设压线范围的上限。其中，左侧差值为车辆刚好压左车道线时第一左车位线距离与第一右车位线距离的差值，右侧差值为车辆刚好压右车道线时第一左车位线距离与第一右车位线距离的差值。
步骤三，若上述差值与上述车牌的宽度的比值在预设压线范围内，则判定上述第一左车位线距离、上述第一右车位线距离及上述车牌的宽度不满足预设压线条件。
在本发明实施例中，在判定压线停车的情况下，还能够判定压线的为右车位线还是左车位线，更加方便对妨碍正常秩序的行为进行及时管理。
S904，若上述第一左车位线距离、上述第一右车位线距离及上述车牌的宽度不满足预设压线条件，判定上述待检测车位的使用状况为上述待检测车位正常停车。
S905，若上述第一左车位线距离、上述第一右车位线距离及上述车牌的宽度满足预设压线条件，判定上述待检测车位的使用状况为上述待检测车位压线停车。
在本发明实施例中，给出了车辆有车牌时，进一步判定待检测车位为正常停车或压线停车的方法，方便对妨碍正常秩序的行为进行及时管理。
可选的，上述车辆信息还包括车牌信息。
相应的，参见图9，上述根据上述车道线位置信息及上述车辆位置信息的位置关系，确定上述待检测车位的使用状况，包括：
S906，若上述车道线位置信息表示的车位范围，与上述车辆位置信息表示的车辆范围的交集大于预设停车阈值，且上述车辆位置信息对应的车辆无车牌，确定该无牌车辆模拟车牌的模拟中心位置及上述模拟车牌的模拟车牌长度。
在车辆无车牌时，按照预设的车辆与车牌的位置关系确定该无牌车辆的模拟车牌的模拟中心位置及模拟车牌的模拟长度。可选的，选取有车牌的不同型号的车辆，并分别确定每个车辆中车牌的位置，建立车辆与车牌的位置关系。
S907，计算上述模拟中心位置距离上述待检测车位的左车位线的距离，作为第二左车位线距离，计算上述模拟中心位置距离上述待检测车位的右车位线的距离，作为第二右车位线距离。
S908，判断上述第二左车位线距离、上述第二右车位线距离及上述模拟车牌长度是否满足上述预设压线条件。
判断上述第二左车位线距离、上述第二右车位线距离及上述模拟车牌长度是否满足上述预设压线条件，与判断上述第一左车位线距离、上述第一右车位线距离及上述车牌的宽度是否满足预设压线条件的方法相同或相似，此处不再赘述。
S909，若第二左车位线距离、上述第二右车位线距离及上述模拟车牌长度不满足上述预设压线条件，判定上述待检测车位的使用状况为上述待检测车位正常停车。
S910，若第二左车位线距离、上述第二右车位线距离及上述模拟车牌长度满足上述预设压线条件，判定上述待检测车位的使用状况为上述待检测车位压线停车。
在本发明实施例中，给出了车辆无车牌时，进一步判定待检测车位为正常停车或压线停车的方法，方便对妨碍正常秩序的行为进行及时管理。
可选的，其特征在于，在上述待检测车位为单车位时，上述预设压线阈值为单车位压线阈值；在上述待检测车位为双车位左车位时，上述预设压线阈值为双车位左车位压线阈值；在上述待检测车位为双车位右车位时，上述预设压线阈值为双车位右车位压线阈值；在上述待检测车位为三车位左车位时，上述预设压线阈值为三车位左车位压线阈值；在上述待检测车位为三车位中车位时，上述预设压线阈值为三车位中车位压线阈值；在上述待检测车位为三车位右车位时，上述预设压线阈值为三车位右车位压线阈值。
不同种类车位的车位宽度可能不同，为了更加准确的判定出车辆是否压线，针对不同种类车位设置不同的阈值。预设压线阈值为经验值，可以预先选取样本车位进行标定聚类，得到各种类车位的压线阈值。
在本发明实施例中，针对不同种类的车位设定不同的压线阈值，能够增加判断车辆是否压线的准确度。
本发明实施例还提供了一种车位使用状况的检测装置，参见图10，该装置包括：
图像获取模块1001，用于获取待检测车位的监控图像。
车道线位置确定模块1002，用于从上述监控图像中识别出上述待检测车位的车道线位置信息。
车辆位置确定模块1003，用于从上述监控图像中识别出车辆信息，上述车辆信息包括车辆位置信息。
车位状况确定模块1004，用于根据上述车道线位置信息及上述车辆位置信息的位置关系，确定上述待检测车位的使用状况。
在本发明实施例中，根据车道线位置信息及车辆信息的位置关系，确定待检测车位的使用状况，相比于根据灰度信息确定车位使用情况，受外界环境因素影响小，可以提高车位使用状况检测结果的准确度。
可选的，上述车位状况确定模块1004，包括：
无车判定子模块，用于若上述车道线位置信息表示的车位范围，与上述车辆位置信息表示的车辆范围无交集，判定上述待检测车位的使用状况为上述待检测车位无车；
停车判定子模块，用于若上述车道线位置信息表示的车位范围，与上述车辆位置信息表示的车辆范围存在交集，判定上述待检测车位的使用状况为上述待检测车位停车。
可选的，上述停车判定子模块，包括：
正常判定单元，用于若上述车道线位置信息表示的车位范围，与上述车辆位置信息表示的车辆范围存在交集，且上述车辆范围与上述车道线位置信息表示的车道线无交集，判定上述待检测车位的使用状况为上述待检测车位正常停车；
压线判定单元，用于若上述车道线位置信息表示的车位范围，与上述车辆位置信息表示的车辆范围存在交集，且上述车辆范围与上述车道线位置信息表示的车道线存在交集，判定上述待检测车位的使用状况为上述待检测车位压线停车。
在本发明实施例中，在待检测车位停车的状态下，还能够进一步确定待检测车位为正常停车或压线停车，方便对妨碍正常秩序的行为进行及时管理。
可选的，在本发明实施例的车位使用状况的检测装置中，上述车辆信息还包括车牌信息；
相应的，上述车位状况确定模块1004，包括：
第一距离计算子模块，用于若上述车道线位置信息表示的车位范围，与上述车辆位置信息表示的车辆范围的交集大于预设停车阈值，且上述车辆位置信息对应的车辆有车牌，根据上述车道线位置信息及上述车牌信息，计算上述车牌的中心距离上述待检测车位的左车位线的距离，作为第一左车位线距离，计算上述车牌中心距离上述待检测车位的右车位线的距离，作为第一右车位线距离；
第一压线判定子模块，用于判断上述第一左车位线距离、上述第一右车位线距离及上述车牌的宽度是否满足预设压线条件；
第一正常停车判定子模块，用于若上述第一左车位线距离、上述第一右车位线距离及上述车牌的宽度不满足预设压线条件，判定上述待检测车位的使用状况为上述待检测车位正常停车；
第一压线停车判定子模块，用于若上述第一左车位线距离、上述第一右车位线距离及上述车牌的宽度满足预设压线条件，判定上述待检测车位的使用状况为上述待检测车位压线停车。
在本发明实施例中，给出了车辆有车牌时，进一步判定待检测车位为正常停车或压线停车的方法，方便对妨碍正常秩序的行为进行及时管理。
可选的，在本发明实施例的车位使用状况的检测装置中，上述车辆信息还包括车牌信息；
相应的，上述车位状况确定模块1004，包括：
模拟车牌子模块，用于若上述车道线位置信息表示的车位范围，与上述车辆位置信息表示的车辆范围的交集大于预设停车阈值，且上述车辆位置信息对应的车辆无车牌，确定该无牌车辆模拟车牌的模拟中心位置及上述模拟车牌的模拟车牌长度；
第二距离计算子模块，用于计算上述模拟中心位置距离上述待检测车位的左车位线的距离，作为第二左车位线距离，计算上述模拟中心位置距离上述待检测车位的右车位线的距离，作为第二右车位线距离；
第二压线判定子模块，用于判断上述第二左车位线距离、上述第二右车位线距离及上述模拟车牌长度是否满足上述预设压线条件；
第二正常停车判定子模块，用于若第二左车位线距离、上述第二右车位线距离及上述模拟车牌长度不满足上述预设压线条件，判定上述待检测车位的使用状况为上述待检测车位正常停车；
第二压线停车判定子模块，用于若第二左车位线距离、上述第二右车位线距离及上述模拟车牌长度满足上述预设压线条件，判定上述待检测车位的使用状况为上述待检测车位压线停车。
在本发明实施例中，给出了车辆无车牌时，进一步判定待检测车位为正常停车或压线停车的方法，方便对妨碍正常秩序的行为进行及时管理。
可选的，上述第一压线判定子模块，包括：
差值计算单元，用于计算上述第一左车位线距离与上述第一右车位线距离的差值的绝对值；
比值判定单元，用于若上述差值的绝对值与上述车牌的宽度的比值大于预设压线阈值，则判定上述第一左车位线距离、上述第一右车位线距离及上述车牌的宽度满足预设压线条件，否则判定上述第一左车位线距离、上述第一右车位线距离及上述车牌的宽度不满足预设压线条件。
在本发明实施例中，计算第一左车位线距离与第一右车位线距离的差值的绝对值，并计算该差值的绝对值与车牌的宽度的比值，在该比值大于预设压线阈值时，判定满足预设压线条件，能够减少因车辆的宽度不同而造成的误差，判定准确率高。
可选的，在本发明实施例的车位使用状况的检测装置中，在上述待检测车位为单车位时，上述预设压线阈值为单车位压线阈值；在上述待检测车位为双车位左车位时，上述预设压线阈值为双车位左车位压线阈值；在上述待检测车位为双车位右车位时，上述预设压线阈值为双车位右车位压线阈值；在上述待检测车位为三车位左车位时，上述预设压线阈值为三车位左车位压线阈值；在上述待检测车位为三车位中车位时，上述预设压线阈值为三车位中车位压线阈值；在上述待检测车位为三车位右车位时，上述预设压线阈值为三车位右车位压线阈值。
在本发明实施例中，针对不同种类的车位设定不同的压线阈值，能够增加判断车辆是否压线的准确度。
在本发明实施例的车位使用状况的检测装置中，图像获取模块1001及车道线位置确定模块1002可以存在于图1中的配置自动生成模块101，车辆位置确定模块1003可以理解为图1中的目标检测模块102及多帧车牌识别模块103，车位状况确定模块1004可以理解为图1中的车位状态判断模块104。
本发明实施例还提供了一种电子设备，如图11所示，包括处理器1101、存储器1102，存储器1102，用于存放计算机程序；处理器1101，用于执行存储器1102上所存放的程序时，实现如下步骤：
获取待检测车位的监控图像；
从上述监控图像中识别出上述待检测车位的车道线位置信息；
从上述监控图像中识别出车辆信息，上述车辆信息包括车辆位置信息；
根据上述车道线位置信息及上述车辆位置信息的位置关系，确定上述待检测车位的使用状况。
在本发明实施例中，根据车道线位置信息及车辆信息的位置关系，确定待检测车位的使用状况，相比于根据灰度信息确定车位使用情况，受外界环境因素影响小，可以提高车位使用状况检测结果的准确度。
可选的，上述处理器1101用于执行上述存储器1102上所存放的程序时，还能够实现上述任一车位使用状况的检测方法。
可选的，上述电子设备还包括：通信接口及通信总线，处理器1101，通信接口，存储器1102通过通信总线完成相互间的通信。
上述电子设备提到的通信总线可以是外设部件互连标准(Peripheral ComponentInterconnect，PCI)总线或扩展工业标准结构(Extended Industry StandardArchitecture，EISA)总线等。该通信总线可以分为地址总线、数据总线、控制总线等。为便于表示，图中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
通信接口用于上述电子设备与其他设备之间的通信。
存储器可以包括随机存取存储器(Random Access Memory，RAM)，也可以包括非易失性存储器(Non-Volatile Memory，NVM)，例如至少一个磁盘存储器。可选的，存储器还可以是至少一个位于远离前述处理器的存储装置。
上述的处理器可以是通用处理器，包括中央处理器(Central Processing Unit，CPU)、网络处理器(Network Processor，NP)等；还可以是数字信号处理器(Digital SignalProcessing，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
本发明实施例还提供了一种计算机可读存储介质，上述计算机可读存储介质内存储有计算机程序，上述计算机程序被处理器执行时实现如下步骤：
获取待检测车位的监控图像；
从上述监控图像中识别出上述待检测车位的车道线位置信息；
从上述监控图像中识别出车辆信息，上述车辆信息包括车辆位置信息；
根据上述车道线位置信息及上述车辆位置信息的位置关系，确定上述待检测车位的使用状况。
在本发明实施例中，根据车道线位置信息及车辆信息的位置关系，确定待检测车位的使用状况，相比于根据灰度信息确定车位使用情况，受外界环境因素影响小，可以提高车位使用状况检测结果的准确度。
可选的，上述计算机程序被处理器执行时，还能够实现上述任一车位使用状况的检测方法。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
本说明书中的各个实施例均采用相关的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于装置、电子设备及存储介质的实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
以上所述仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所作的任何修改、等同替换、改进等，均包含在本发明的保护范围内。

Claims (16)

1.一种车位使用状况的检测方法，其特征在于，所述方法包括：
获取待检测车位的监控图像；
从所述监控图像中识别出所述待检测车位的车道线位置信息；
从所述监控图像中识别出车辆信息，所述车辆信息包括车辆位置信息；
根据所述车道线位置信息及所述车辆位置信息的位置关系，确定所述待检测车位的使用状况。
2.根据权利要求1所述的方法，其特征在于，所述根据所述车道线位置信息及所述车辆位置信息的位置关系，确定所述待检测车位的使用状况，包括：
若所述车道线位置信息表示的车位范围，与所述车辆位置信息表示的车辆范围无交集，判定所述待检测车位的使用状况为所述待检测车位无车；
若所述车道线位置信息表示的车位范围，与所述车辆位置信息表示的车辆范围存在交集，判定所述待检测车位的使用状况为所述待检测车位停车。
3.根据权利要求2所述的方法，其特征在于，所述若所述车道线位置信息表示的车位范围，与所述车辆位置信息表示的车辆范围存在交集，判定所述待检测车位的使用状况为所述待检测车位停车，包括：
若所述车道线位置信息表示的车位范围，与所述车辆位置信息表示的车辆范围存在交集，且所述车辆范围与所述车道线位置信息表示的车道线无交集，判定所述待检测车位的使用状况为所述待检测车位正常停车；
若所述车道线位置信息表示的车位范围，与所述车辆位置信息表示的车辆范围存在交集，且所述车辆范围与所述车道线位置信息表示的车道线存在交集，判定所述待检测车位的使用状况为所述待检测车位压线停车。
4.根据权利要求1所述的方法，其特征在于，所述车辆信息还包括车牌信息；
所述根据所述车道线位置信息及所述车辆位置信息的位置关系，确定所述待检测车位的使用状况，包括：
若所述车道线位置信息表示的车位范围，与所述车辆位置信息表示的车辆范围的交集大于预设停车阈值，且所述车辆位置信息对应的车辆有车牌，根据所述车道线位置信息及所述车牌信息，计算所述车牌的中心距离所述待检测车位的左车位线的距离，作为第一左车位线距离，计算所述车牌中心距离所述待检测车位的右车位线的距离，作为第一右车位线距离；
判断所述第一左车位线距离、所述第一右车位线距离及所述车牌的宽度是否满足预设压线条件；
若所述第一左车位线距离、所述第一右车位线距离及所述车牌的宽度不满足预设压线条件，判定所述待检测车位的使用状况为所述待检测车位正常停车；
若所述第一左车位线距离、所述第一右车位线距离及所述车牌的宽度满足预设压线条件，判定所述待检测车位的使用状况为所述待检测车位压线停车。
5.根据权利要求1所述的方法，其特征在于，所述车辆信息还包括车牌信息；
所述根据所述车道线位置信息及所述车辆位置信息的位置关系，确定所述待检测车位的使用状况，包括：
若所述车道线位置信息表示的车位范围，与所述车辆位置信息表示的车辆范围的交集大于预设停车阈值，且所述车辆位置信息对应的车辆无车牌，确定该无牌车辆模拟车牌的模拟中心位置及所述模拟车牌的模拟车牌长度；
计算所述模拟中心位置距离所述待检测车位的左车位线的距离，作为第二左车位线距离，计算所述模拟中心位置距离所述待检测车位的右车位线的距离，作为第二右车位线距离；
判断所述第二左车位线距离、所述第二右车位线距离及所述模拟车牌长度是否满足预设压线条件；
若第二左车位线距离、所述第二右车位线距离及所述模拟车牌长度不满足所述预设压线条件，判定所述待检测车位的使用状况为所述待检测车位正常停车；
若第二左车位线距离、所述第二右车位线距离及所述模拟车牌长度满足所述预设压线条件，判定所述待检测车位的使用状况为所述待检测车位压线停车。
6.根据权利要求4所述的方法，其特征在于，所述判断所述第一左车位线距离、所述第一右车位线距离及所述车牌的宽度是否满足预设压线条件，包括：
计算所述第一左车位线距离与所述第一右车位线距离的差值的绝对值；
若所述差值的绝对值与所述车牌的宽度的比值大于预设压线阈值，则判定所述第一左车位线距离、所述第一右车位线距离及所述车牌的宽度满足预设压线条件，否则判定所述第一左车位线距离、所述第一右车位线距离及所述车牌的宽度不满足预设压线条件。
7.根据权利要求6所述的方法，其特征在于，在所述待检测车位为单车位时，所述预设压线阈值为单车位压线阈值；在所述待检测车位为双车位左车位时，所述预设压线阈值为双车位左车位压线阈值；在所述待检测车位为双车位右车位时，所述预设压线阈值为双车位右车位压线阈值；在所述待检测车位为三车位左车位时，所述预设压线阈值为三车位左车位压线阈值；在所述待检测车位为三车位中车位时，所述预设压线阈值为三车位中车位压线阈值；在所述待检测车位为三车位右车位时，所述预设压线阈值为三车位右车位压线阈值。
8.一种车位使用状况的检测装置，其特征在于，所述装置包括：
图像获取模块，用于获取待检测车位的监控图像；
车道线位置确定模块，用于从所述监控图像中识别出所述待检测车位的车道线位置信息；
车辆位置确定模块，用于从所述监控图像中识别出车辆信息，所述车辆信息包括车辆位置信息；
车位状况确定模块，用于根据所述车道线位置信息及所述车辆位置信息的位置关系，确定所述待检测车位的使用状况。
9.根据权利要求8所述的装置，其特征在于，所述车位状况确定模块，包括：
无车判定子模块，用于若所述车道线位置信息表示的车位范围，与所述车辆位置信息表示的车辆范围无交集，判定所述待检测车位的使用状况为所述待检测车位无车；
停车判定子模块，用于若所述车道线位置信息表示的车位范围，与所述车辆位置信息表示的车辆范围存在交集，判定所述待检测车位的使用状况为所述待检测车位停车。
10.根据权利要求9所述的装置，其特征在于，所述停车判定子模块，包括：
正常判定单元，用于若所述车道线位置信息表示的车位范围，与所述车辆位置信息表示的车辆范围存在交集，且所述车辆范围与所述车道线位置信息表示的车道线无交集，判定所述待检测车位的使用状况为所述待检测车位正常停车；
压线判定单元，用于若所述车道线位置信息表示的车位范围，与所述车辆位置信息表示的车辆范围存在交集，且所述车辆范围与所述车道线位置信息表示的车道线存在交集，判定所述待检测车位的使用状况为所述待检测车位压线停车。
11.根据权利要求8所述的装置，其特征在于，所述车辆信息还包括车牌信息；
所述车位状况确定模块，包括：
第一距离计算子模块，用于若所述车道线位置信息表示的车位范围，与所述车辆位置信息表示的车辆范围的交集大于预设停车阈值，且所述车辆位置信息对应的车辆有车牌，根据所述车道线位置信息及所述车牌信息，计算所述车牌的中心距离所述待检测车位的左车位线的距离，作为第一左车位线距离，计算所述车牌中心距离所述待检测车位的右车位线的距离，作为第一右车位线距离；
第一压线判定子模块，用于判断所述第一左车位线距离、所述第一右车位线距离及所述车牌的宽度是否满足预设压线条件；
第一正常停车判定子模块，用于若所述第一左车位线距离、所述第一右车位线距离及所述车牌的宽度不满足预设压线条件，判定所述待检测车位的使用状况为所述待检测车位正常停车；
第一压线停车判定子模块，用于若所述第一左车位线距离、所述第一右车位线距离及所述车牌的宽度满足预设压线条件，判定所述待检测车位的使用状况为所述待检测车位压线停车。
12.根据权利要求8所述的装置，其特征在于，所述车辆信息还包括车牌信息；
所述车位状况确定模块，包括：
模拟车牌子模块，用于若所述车道线位置信息表示的车位范围，与所述车辆位置信息表示的车辆范围的交集大于预设停车阈值，且所述车辆位置信息对应的车辆无车牌，确定该无牌车辆模拟车牌的模拟中心位置及所述模拟车牌的模拟车牌长度；
第二距离计算子模块，用于计算所述模拟中心位置距离所述待检测车位的左车位线的距离，作为第二左车位线距离，计算所述模拟中心位置距离所述待检测车位的右车位线的距离，作为第二右车位线距离；
第二压线判定子模块，用于判断所述第二左车位线距离、所述第二右车位线距离及所述模拟车牌长度是否满足预设压线条件；
第二正常停车判定子模块，用于若第二左车位线距离、所述第二右车位线距离及所述模拟车牌长度不满足所述预设压线条件，判定所述待检测车位的使用状况为所述待检测车位正常停车；
第二压线停车判定子模块，用于若第二左车位线距离、所述第二右车位线距离及所述模拟车牌长度满足所述预设压线条件，判定所述待检测车位的使用状况为所述待检测车位压线停车。
13.根据权利要求11所述的装置，其特征在于，所述第一压线判定子模块，包括：
差值计算单元，用于计算所述第一左车位线距离与所述第一右车位线距离的差值的绝对值；
比值判定单元，用于若所述差值的绝对值与所述车牌的宽度的比值大于预设压线阈值，则判定所述第一左车位线距离、所述第一右车位线距离及所述车牌的宽度满足预设压线条件，否则判定所述第一左车位线距离、所述第一右车位线距离及所述车牌的宽度不满足预设压线条件。
14.根据权利要求13所述的装置，其特征在于，在所述待检测车位为单车位时，所述预设压线阈值为单车位压线阈值；在所述待检测车位为双车位左车位时，所述预设压线阈值为双车位左车位压线阈值；在所述待检测车位为双车位右车位时，所述预设压线阈值为双车位右车位压线阈值；在所述待检测车位为三车位左车位时，所述预设压线阈值为三车位左车位压线阈值；在所述待检测车位为三车位中车位时，所述预设压线阈值为三车位中车位压线阈值；在所述待检测车位为三车位右车位时，所述预设压线阈值为三车位右车位压线阈值。
15.一种电子设备，其特征在于，包括处理器及存储器，所述存储器，用于存放计算机程序；所述处理器，用于执行所述存储器上所存放的程序时，实现权利要求1-7任一所述的方法步骤。
16.一种计算机可读存储介质，其特征在于，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权利要求1-7任一所述的方法步骤。
CN201810517986.8A 2018-05-25 2018-05-25 车位使用状况的检测方法、装置、电子设备及存储介质 Pending CN110533950A (zh)

Priority Applications (4)

Application Number Priority Date Filing Date Title
CN201810517986.8A CN110533950A (zh) 2018-05-25 2018-05-25 车位使用状况的检测方法、装置、电子设备及存储介质
PCT/CN2019/087043 WO2019223586A1 (zh) 2018-05-25 2019-05-15 车位使用状况的检测方法、装置、电子设备及存储介质
US17/057,362 US11455805B2 (en) 2018-05-25 2019-05-15 Method and apparatus for detecting parking space usage condition, electronic device, and storage medium
EP19808034.3A EP3806064B1 (en) 2018-05-25 2019-05-15 Method and apparatus for detecting parking space usage condition, electronic device, and storage medium

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810517986.8A CN110533950A (zh) 2018-05-25 2018-05-25 车位使用状况的检测方法、装置、电子设备及存储介质

Publications (1)

Publication Number Publication Date
CN110533950A true CN110533950A (zh) 2019-12-03

Family

ID=68616217

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810517986.8A Pending CN110533950A (zh) 2018-05-25 2018-05-25 车位使用状况的检测方法、装置、电子设备及存储介质

Country Status (4)

Country Link
US (1) US11455805B2 (zh)
EP (1) EP3806064B1 (zh)
CN (1) CN110533950A (zh)
WO (1) WO2019223586A1 (zh)

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111028537A (zh) * 2019-12-13 2020-04-17 中国联合网络通信集团有限公司 判断停车位的使用状态的方法、停车场管理方法和系统
CN111091718A (zh) * 2019-12-31 2020-05-01 广东华车智库智能科技有限公司 一种停车监控预警方法及停车监控预警系统
CN112733703A (zh) * 2021-01-07 2021-04-30 深圳市捷顺科技实业股份有限公司 一种车辆停放状态检测方法及系统
CN113052141A (zh) * 2021-04-26 2021-06-29 超级视线科技有限公司 一种检测车辆停放位置的方法及装置
CN113313964A (zh) * 2021-05-08 2021-08-27 深圳市大道至简信息技术有限公司 一种路边停车管理方法及其系统
CN113593297A (zh) * 2021-07-29 2021-11-02 浙江大华技术股份有限公司 一种停车位状态检测方法和装置
CN114255584A (zh) * 2021-12-20 2022-03-29 济南博观智能科技有限公司 一种停放车辆的定位方法、系统、存储介质和电子设备
CN114612904A (zh) * 2022-01-30 2022-06-10 云知声智能科技股份有限公司 车位情况信息推送方法、装置、电子设备和存储介质
CN115063484A (zh) * 2022-06-28 2022-09-16 上海高德威智能交通系统有限公司 一种立体泊位的视觉定位方法、装置、辅助驾驶系统
CN115131892A (zh) * 2022-05-27 2022-09-30 广州高新兴机器人有限公司 基于巡逻机器人的异常停车检测方法、装置、介质及设备

Families Citing this family (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CA3122701A1 (en) * 2018-12-12 2020-06-18 Municipal Parking Services, Inc. Parking methods and systems
CN110706509B (zh) * 2019-10-12 2021-06-18 东软睿驰汽车技术（沈阳）有限公司 车位及其方向角度检测方法、装置、设备及介质
CN112115939B (zh) * 2020-08-26 2024-06-04 深圳市金溢科技股份有限公司 车辆车牌的识别方法、装置
US12243270B2 (en) * 2020-10-05 2025-03-04 Pied Parker, Inc. Dynamic image-based parking management systems and methods of operation thereof
CN112927552B (zh) * 2021-01-20 2022-03-11 广州小鹏自动驾驶科技有限公司 一种车位检测的方法和装置
CN113537163B (zh) * 2021-09-15 2021-12-28 苏州魔视智能科技有限公司 一种用于车位检测的模型训练方法及系统
CN114299329A (zh) * 2021-12-08 2022-04-08 万翼科技有限公司 地下车库图中车道线的识别方法、装置、设备及存储介质
CN114299438B (zh) * 2021-12-31 2024-06-18 重庆大学 融合传统停车检测与神经网络的隧道停车事件检测方法
CN114530056B (zh) * 2022-02-15 2023-05-02 超级视线科技有限公司 一种基于定位信息和图像信息的停车管理方法及系统
US20230267739A1 (en) * 2022-02-18 2023-08-24 Omnivision Technologies, Inc. Image processing method and apparatus implementing the same
CN114758319B (zh) * 2022-03-22 2025-03-28 同济大学 一种基于图像输入的近场车辆加塞行为预测方法
CN114693722B (zh) * 2022-05-31 2022-09-09 山东极视角科技有限公司 一种车辆行驶行为检测方法、检测装置及检测设备
CN118430333B (zh) * 2024-06-21 2024-10-11 比亚迪股份有限公司 车位状态确定方法、控制器、车辆、存储介质及程序产品
CN118587685B (zh) * 2024-08-06 2024-10-29 浙江大华技术股份有限公司 车辆跨位停放的识别方法、装置、计算机设备和存储介质

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006301697A (ja) * 2005-04-15 2006-11-02 Namiko Harada 駐車場管理システム
CN101656023A (zh) * 2009-08-26 2010-02-24 西安理工大学 一种视频监视模式下的室内停车场管理方法
CN101750049A (zh) * 2008-12-05 2010-06-23 南京理工大学 基于道路和车辆自身信息的单目视觉车距测量方法
CN101920679A (zh) * 2009-06-09 2010-12-22 株式会社电装 停车辅助系统
CN103065520A (zh) * 2012-12-28 2013-04-24 苏州苏迪智能系统有限公司 倒车入库检测系统及其检测方法
CN105844959A (zh) * 2016-06-13 2016-08-10 北京精英智通科技股份有限公司 车辆入位的判定方法、装置及车辆出位的判定方法、装置
CN105913685A (zh) * 2016-06-25 2016-08-31 上海大学 一种基于视频监控的车位识别及智能引导方法
CN105957395A (zh) * 2016-05-26 2016-09-21 智慧互通科技有限公司 一种基于摄像机阵列的路侧停车管理系统及其方法
CN106023595A (zh) * 2016-06-13 2016-10-12 北京精英智通科技股份有限公司 一种异常停车的判断方法、装置及球型摄像机

Family Cites Families (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6344806B1 (en) * 2001-02-15 2002-02-05 Yoram Katz Parking status control system and method
US6559776B2 (en) * 2001-02-15 2003-05-06 Yoram Katz Parking status control system and method
US8254625B2 (en) * 2006-11-02 2012-08-28 Hyperactive Technologies, Inc. Automated service measurement, monitoring and management
AU2009227968B2 (en) * 2008-03-26 2014-04-10 Software System Solutions Fc-Llc Automated parking guidance and management system
US8625853B2 (en) * 2011-08-11 2014-01-07 International Business Machines Corporation Parking lot information system using image technology for identifying available parking spaces
US8830322B2 (en) * 2012-08-06 2014-09-09 Cloudparc, Inc. Controlling use of a single multi-vehicle parking space and a restricted location within the single multi-vehicle parking space using multiple cameras
CN103065519B (zh) * 2012-12-28 2015-04-01 苏州苏迪智能系统有限公司 坡道定点停车和起步检测系统及其检测方法
JP6248836B2 (ja) * 2014-07-10 2017-12-20 株式会社デンソー 運転支援装置
CN104794931B (zh) 2015-04-15 2018-10-02 深圳市景阳信息技术有限公司 利用摄像机监测车位使用情况的方法及系统
RU2734740C1 (ru) * 2017-07-07 2020-10-22 Ниссан Мотор Ко., Лтд. Способ помощи при парковке и устройство помощи при парковке
CN107591018A (zh) * 2017-08-03 2018-01-16 广州德中科技有限公司 一种开放路段停车管理方法及系统
CN107967817A (zh) * 2017-11-17 2018-04-27 张慧 基于多路摄像头深度学习的停车场智能管理系统及方法
US10836379B2 (en) * 2018-03-23 2020-11-17 Sf Motors, Inc. Multi-network-based path generation for vehicle parking
EP3576010A1 (en) * 2018-05-31 2019-12-04 KPIT Technologies Ltd. System and method for detection of free parking space for a vehicle
CN109961653A (zh) * 2019-03-14 2019-07-02 京东方科技集团股份有限公司 停车管理系统和停车管理方法
US10957198B1 (en) * 2019-12-23 2021-03-23 Industrial Technology Research Institute System and method for determining parking space
US20210114586A1 (en) * 2020-12-23 2021-04-22 Ralf Graefe Autonomous driving vehicle parking detection

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006301697A (ja) * 2005-04-15 2006-11-02 Namiko Harada 駐車場管理システム
CN101750049A (zh) * 2008-12-05 2010-06-23 南京理工大学 基于道路和车辆自身信息的单目视觉车距测量方法
CN101920679A (zh) * 2009-06-09 2010-12-22 株式会社电装 停车辅助系统
CN101656023A (zh) * 2009-08-26 2010-02-24 西安理工大学 一种视频监视模式下的室内停车场管理方法
CN103065520A (zh) * 2012-12-28 2013-04-24 苏州苏迪智能系统有限公司 倒车入库检测系统及其检测方法
CN105957395A (zh) * 2016-05-26 2016-09-21 智慧互通科技有限公司 一种基于摄像机阵列的路侧停车管理系统及其方法
CN105844959A (zh) * 2016-06-13 2016-08-10 北京精英智通科技股份有限公司 车辆入位的判定方法、装置及车辆出位的判定方法、装置
CN106023595A (zh) * 2016-06-13 2016-10-12 北京精英智通科技股份有限公司 一种异常停车的判断方法、装置及球型摄像机
CN105913685A (zh) * 2016-06-25 2016-08-31 上海大学 一种基于视频监控的车位识别及智能引导方法

Cited By (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111028537A (zh) * 2019-12-13 2020-04-17 中国联合网络通信集团有限公司 判断停车位的使用状态的方法、停车场管理方法和系统
CN111091718B (zh) * 2019-12-31 2022-02-15 广东华车智库智能科技有限公司 一种停车监控预警方法及停车监控预警系统
CN111091718A (zh) * 2019-12-31 2020-05-01 广东华车智库智能科技有限公司 一种停车监控预警方法及停车监控预警系统
CN112733703A (zh) * 2021-01-07 2021-04-30 深圳市捷顺科技实业股份有限公司 一种车辆停放状态检测方法及系统
CN113052141A (zh) * 2021-04-26 2021-06-29 超级视线科技有限公司 一种检测车辆停放位置的方法及装置
CN113313964A (zh) * 2021-05-08 2021-08-27 深圳市大道至简信息技术有限公司 一种路边停车管理方法及其系统
CN113593297A (zh) * 2021-07-29 2021-11-02 浙江大华技术股份有限公司 一种停车位状态检测方法和装置
CN114255584A (zh) * 2021-12-20 2022-03-29 济南博观智能科技有限公司 一种停放车辆的定位方法、系统、存储介质和电子设备
CN114255584B (zh) * 2021-12-20 2023-04-07 济南博观智能科技有限公司 一种停放车辆的定位方法、系统、存储介质和电子设备
CN114612904A (zh) * 2022-01-30 2022-06-10 云知声智能科技股份有限公司 车位情况信息推送方法、装置、电子设备和存储介质
CN115131892A (zh) * 2022-05-27 2022-09-30 广州高新兴机器人有限公司 基于巡逻机器人的异常停车检测方法、装置、介质及设备
CN115131892B (zh) * 2022-05-27 2024-06-04 广州高新兴机器人有限公司 基于巡逻机器人的异常停车检测方法、装置、介质及设备
CN115063484A (zh) * 2022-06-28 2022-09-16 上海高德威智能交通系统有限公司 一种立体泊位的视觉定位方法、装置、辅助驾驶系统

Also Published As

Publication number Publication date
EP3806064B1 (en) 2023-04-05
EP3806064A1 (en) 2021-04-14
US20210192227A1 (en) 2021-06-24
EP3806064A4 (en) 2021-06-30
WO2019223586A1 (zh) 2019-11-28
US11455805B2 (en) 2022-09-27

Similar Documents

Publication Publication Date Title
CN110533950A (zh) 车位使用状况的检测方法、装置、电子设备及存储介质
CN106373426B (zh) 基于计算机视觉的停车位及违规占道停车监控方法
CN113822247B (zh) 基于航拍影像的违章建筑识别方法及系统
CN105574550A (zh) 一种车辆识别方法及装置
CN109871730A (zh) 一种目标识别方法、装置及监控设备
CN111723773B (zh) 遗留物检测方法、装置、电子设备及可读存储介质
CN105654066A (zh) 一种车辆识别方法及装置
CN112329881B (zh) 车牌识别模型训练方法、车牌识别方法及装置
CN113160575A (zh) 一种非机动车辆及驾驶人的交通违法行为检测方法及系统
CN111666800A (zh) 一种行人重识别模型训练方法及行人重识别方法
CN110942456B (zh) 篡改图像检测方法、装置、设备及存储介质
CN111008554B (zh) 一种基于深度学习的动态交通斑马线内不礼让行人识别方法
CN110991221A (zh) 一种基于深度学习的动态交通闯红灯识别方法
CN110245544A (zh) 一种确定停车状态的方法及装置
CN112164227A (zh) 违停车辆告警方法、装置、计算机设备和存储介质
CN114926791A (zh) 一种路口车辆异常变道检测方法、装置、存储介质及电子设备
CN113936294A (zh) 建筑工地人员识别方法、可读存储介质和电子设备
JP7638398B2 (ja) 行動検出方法、電子機器およびコンピュータ読み取り可能な記憶媒体
CN102867214B (zh) 区域范围内人数统计管理方法
CN115294774A (zh) 基于深度学习的非机动车道路违停检测方法及装置
CN118397403B (zh) 低照度车辆图像检测模型的训练方法、装置、设备及介质
CN111931721B (zh) 年检标签颜色和个数的检测方法、装置及电子设备
CN116229336B (zh) 视频移动目标识别方法、系统、存储介质及计算机
CN112837326B (zh) 遗留物检测方法、装置及设备
CN112861711A (zh) 区域入侵检测方法、装置、电子设备及存储介质

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20191203

RJ01 Rejection of invention patent application after publication