一种基于深度学习的停车位检测方法及系统技术方案

本发明专利技术公开了一种基于深度学习的停车位检测方法，包括以下步骤：获取停车位的目标图像；设置所述停车位目标图像的训练集和测试集；对感兴趣目标区域设置标签，标记所述目标区域的坐标及类别；初始化神经网络参数；将所述训练集及标签信息置于所述神经网络中参与训练；对训练结果进行量化评估。一种基于深度学习的停车位检测系统，包括：图像获取模块、初始设置模块和训练控制模块。其有效的解决了传统图像方法检测对待泊车车位环境要求较高的缺点，适应性较强，且即使在极端环境下对待泊车车位的特征点也能够完美的检测及定位，便于车辆自动准确停车对位，具有鲁棒性好的优点，同时也提高了用户体验。可广泛应用于停车位识别领域。

【技术实现步骤摘要】
一种基于深度学习的停车位检测方法及系统
本专利技术涉及停车位检测识别领域，具体为基于深度学习的停车位检测方法及系统。
技术介绍
针对目前标准车位设计状况，驾驶员泊车主要根据车位地面标线来确定车辆与车位的相对位置关系，但现有技术对于车位检测存在环境适应性较差的不足，例如车位标线在光线不足、标线处存在反光、车载摄像头未聚焦引起图像模糊、车位地面背景差异、车位线色彩差异、待检测车位特征点被遮挡、脏污和雨水环境等极端环境下，传统检测方法将检测失败。针对这些缺点，有必要设计一种新的停车位检测方法及系统，实现极端环境下待泊车车位特征点的可靠检测。
技术实现思路
本专利技术旨在至少在一定程度上解决相关技术中的技术问题之一。为此，本专利技术的一个目的是提供一种环境适应性强、鲁棒性好的基于深度学习的停车位检测方法及系统。本专利技术所采用的技术方案是：本专利技术提供一种基于深度学习的停车位检测方法，包括以下步骤：获取停车位的目标图像；设置所述停车位目标图像的训练集和测试集；对感兴趣目标区域设置标签，标记所述目标区域的坐标及类别；初始化神经网络参数；将所述训练集及标签信息置于所述神经网络中参与训练；对训练结果本文档来自技高网...

【技术保护点】
1.一种基于深度学习的停车位检测方法，其特征在于，包括以下步骤：获取停车位的目标图像；设置所述停车位目标图像的训练集和测试集；对感兴趣目标区域设置标签，标记所述目标区域的坐标及类别；初始化神经网络参数；将所述训练集及标签信息置于所述神经网络中参与训练；对训练结果进行量化评估。

【技术特征摘要】
1.一种基于深度学习的停车位检测方法，其特征在于，包括以下步骤：获取停车位的目标图像；设置所述停车位目标图像的训练集和测试集；对感兴趣目标区域设置标签，标记所述目标区域的坐标及类别；初始化神经网络参数；将所述训练集及标签信息置于所述神经网络中参与训练；对训练结果进行量化评估。2.根据权利要求1所述的基于深度学习的停车位检测方法，其特征在于，所述目标区域包括停车位的边角和/或目标点所在区域。3.根据权利要求2所述的基于深度学习的停车位检测方法，其特征在于，标记所述停车位的边角和/或目标点所在区域矩形框的坐标和类别。4.根据权利要求3所述的基于深度学习的停车位检测方法，其特征在于，所述标签的信息包括图像的长、宽、深度和/或标签类别名称和/或标签矩形框的左上角坐标及右下角坐标值。5.根据权利...

【专利技术属性】
技术研发人员：田勇，钱令军，田劲东，
申请(专利权)人：深圳大学，
类型：发明
国别省市：广东,44