一种图像帧中停车位状态检测方法、系统及相关设备技术方案

本发明专利技术实施例提供了一种图像帧中停车位状态检测方法、系统及相关设备，用于提高空闲停车位识别速度。本发明专利技术实施例方法包括：获取目标车位的车位图像；对所述车位图像进行尺寸缩放，生成图像金字塔；将所述图像金字塔中的各个图像分别输入预置的多任务卷积神经网络MTCNN模型中的Pnet网络模型与Rnet网络模型中进行检测，在各个图像中分别生成车头候选区域对应的目标窗口及各个目标窗口对应的得分值；若不存在得分值大于第二阈值的目标窗口，则判定当前图像帧中的所述目标车位处于无车状态。基于深度学习的多任务卷积神经网络中的Pnet网络模型与Rnet网络模型实现了停车位无车状态的多级检测，有效提高了空闲停车位的准确率及检测速度。

【技术实现步骤摘要】
一种图像帧中停车位状态检测方法、系统及相关设备
本专利技术涉及智能停车场领域，尤其涉及一种图像帧中停车位状态检测方法、系统及相关设备。
技术介绍
随着大型购物商城的不断涌现，配套的停车场规模也日益庞大，人们在享受其便利的购物环境的同时，也要忍受着停车时车位难寻、购物后难寻爱车的烦恼。在此背景下，车位引导系统大面积在各大城市铺开，为客户在停车以及寻车上带来了便利。而目前基于视频监控、计算机视觉和图像处理技术的检测方式大都是基于采集到的车位图像与预设的背景图像进行逐一匹配，根据匹配的结果判断是否有空闲车位。然而，基于固定的背景识别，往往识别的场景有限，进而导致识别精度有限，其次，背景图像的逐一匹配往往耗时较多。
技术实现思路
本专利技术实施例提供了一种图像帧中停车位状态检测方法、系统及相关设备，用于提高空闲停车位识别速度。本专利技术实施例第一方面提供了一种图像帧中停车位状态检测方法，其特征在于，包括：获取目标车位的车位图像；对所述车位图像进行尺寸缩放，生成图像金字塔；将所述图像金字塔中的各个图像分别输入预置的多任务卷积神经网络MTCNN模型中的Pnet网络模型与Rnet网络模型中进行检测，在本文档来自技高网...

【技术保护点】
1.一种图像帧中停车位状态检测方法，其特征在于，包括：获取目标车位的车位图像；对所述车位图像进行尺寸缩放，生成图像金字塔；将所述图像金字塔中的各个图像分别输入预置的多任务卷积神经网络MTCNN模型中的Pnet网络模型与Rnet网络模型中进行检测，在各个图像中分别生成车头候选区域对应的目标窗口及各个目标窗口对应的得分值；若不存在得分值大于第二阈值的目标窗口，则判定当前图像帧中的所述目标车位处于无车状态。

【技术特征摘要】
1.一种图像帧中停车位状态检测方法，其特征在于，包括：获取目标车位的车位图像；对所述车位图像进行尺寸缩放，生成图像金字塔；将所述图像金字塔中的各个图像分别输入预置的多任务卷积神经网络MTCNN模型中的Pnet网络模型与Rnet网络模型中进行检测，在各个图像中分别生成车头候选区域对应的目标窗口及各个目标窗口对应的得分值；若不存在得分值大于第二阈值的目标窗口，则判定当前图像帧中的所述目标车位处于无车状态。2.根据权利要求1所述的方法，其特征在于，所述将所述图像金字塔中的各个图像分别输入预置的多任务卷积神经网络MTCNN模型中的Pnet网络模型与Rnet网络模型中进行检测，包括：将所述图像金字塔中的各个图像分别输入预置的多任务卷积神经网络MTCNN模型中的Pnet网络模型中进行全图检测，在各个图像中分别生成车头候选区域对应的矩形框、各个矩形框对应的得分值及回归值；根据得分值大于第一阈值的矩形框对应的回归值对各个矩形框进行修正生成对应的候选窗口，所有的候选窗口形成窗口集合；采用非极大值抑制NMS算法在所述窗口集合中筛选出目标窗口；将各个目标窗口进行尺寸变换之后输入MTCNN模型中的Rnet网络模型中进行检测，生成各个目标窗口对应的得分值。3.根据权利要求1或2所述的方法，其特征在于，所述获取目标车位的车位图像，包括：从视频中截取图像帧，所述图像帧中至少包含一个车位图像；根据预先设置的标注区域从所述图像帧中截取目标车位对应的区域作为所述目标车位的车位图像。4.根据权利要求3所述的方法，其特征在于，还包括：在各个时段和各种天气条件下，采集目标车位有车情况下的第一类样本图片及目标车位无车情况下的第二类样本图片；在所述第一类样本图片中标注出车头所在的目标区域；计算各个所述第一类样本图片中标注框的宽度与高度的比值，并计算所有标注框的宽高比值的平均值，并以所述平均值为中心，确定所有标注框的宽高比值的取值范围，所述取值范围覆盖超过50％标注框的宽高比；以所述取值范围之间的任一比值作为需要生成的样本的宽度与高度的比值，采用移位、缩放、改变亮度或添加噪声的方式在所述第一类图像中生成第一预置数量的正样本，所述正样本所在的区域与所述目标区域重叠比例不小于50％；采用移位、缩放、改变亮度或添加噪声的方式在所述第一类图像中生成第二预置数量的部分车头样本，所述部分车头样本所在的区域与所述目标区域重叠比例大于30％，且小于50％；在所述第一类图像或第二类图像中生成第三预置数量的负样本，所述负样本所在的区域与所述目标区域重叠比例小于20％；将所述第一预置数量的正样本、第二预置数量的部分车头样本及第三预置数量的负样本作为第一训练样本，采用MTCNN模型中的Pnet网络对所述第一训练样本进行训练得到所述Pnet网络模型；采用所述Pnet网络模型检测第一类样本图片及所述第二类样本图片生成车头候选区域对应的候选框、各个候选框对应的得分值；从所述候选框中识别出虚检样本，所述虚检样本为得分值大于所述第一阈值，但与目标区域重叠比例小于20％的样本；将所述第一预置数量的正样本、虚检样本及第二预置数量的部分车头样本作为第二训练样本，采用MTCNN模型中的Rnet网络对所述第二训练样本进行训练得到所述Rnet网络模型。5.一种停车位状态检测系统，其特征在于，包括：获取模块，用于获取目标车位的车位图像；缩放模块，用于对所述车位图像进行尺寸缩放，生成图像金字塔；第一检测模块，用于将所述图像金字塔中的各个图像分别输入预置的多任...

【专利技术属性】
技术研发人员：李锐，
申请(专利权)人：深圳市捷顺科技实业股份有限公司，
类型：发明
国别省市：广东,44