区域占用的分析方法及装置、存储介质、计算机设备制造方法及图纸

一种区域占用的分析方法及装置、存储介质、计算机设备，所述方法包括：通过对待分析区域进行图像采集获取初始图像，从所述初始图像中识别所述待分析区域对应的目标区域；对所述目标区域进行切分得到若干个目标网格，并获取各个目标网格的占用情况；综合所述目标区域的若干个目标网格的占用情况，以判断所述待分析区域是否被占用，并将判断结果记作第一分析结果。通过该方法，能够高效地对目标区域被占用情况进行分析。情况进行分析。情况进行分析。

【技术实现步骤摘要】
区域占用的分析方法及装置、存储介质、计算机设备


[0001]本专利技术涉及图像分析领域，具体地涉及一种区域占用的分析方法及装置、存储介质、计算机设备。

技术介绍

[0002]随着交通的发展，汽车等交通工具在我们的日常通行和运输行业中扮演的角色越来越重要，然而，交通工具的增加，也带来了交通管理困难、汽车停放容易造成道路拥堵等问题。
[0003]传统地，我们可以通过监控摄像头拍摄某一道路或区域的通行情况，以对该道路或区域实际是否被占用的情况需要人为对拍摄的视频进行分析，工作量较大，且无法及时发现拥堵状况作出反应。

技术实现思路

[0004]本专利技术解决的技术问题是如何高效地对某一区域的占用情况进行分析。
[0005]为解决上述技术问题，本专利技术实施例提供一种区域占用的分析方法，所述方法包括：通过对待分析区域进行图像采集获取初始图像，从所述初始图像中识别所述待分析区域对应的目标区域；对所述目标区域进行切分得到若干个目标网格，并获取各个目标网格的占用情况；综合所述目标区域的若干个目标网格的占用情况，以判断所述待分析区域是否被占用，并将判断结果记作第一分析结果。
[0006]可选的，所述对所述目标区域进行切分得到若干个目标网格，包括：对所述目标区域的每一边均匀切分，得到若干个初始网格；对各个初始网格进行畸变校正，得到各个初始网格对应的目标网格。
[0007]可选的，所述对各个初始网格进行畸变校正，包括：获取采集所述初始图像的视角信息，根据所述视角信息对各个初始网格进行顶视图效果还原。
[0008]可选的，所述获取各个目标网格的占用情况，包括：将各个目标网格输入分类网络中，通过所述分类网络获取各个目标网格的占用情况；其中，所述分类网络是以标注的区域图像为训练样本、进行大数据训练得到的神经网络模型。
[0009]可选的，所述综合所述目标区域的若干个目标网格的占用情况，以判断所述待分析区域是否被占用，包括：将各个目标网格的占用情况输入概率融合模型中，根据所述概率融合模型判断所述待分析区域是否被占用；其中，概率融合模型为以多个区域图像、各个区域图像包含的若干个训练网格以及各个网格的占用情况、多个区域图像的占用判定结果为训练样本，进行大数据训练得到的神经网络模型。
[0010]可选的，所述从所述初始图像中识别所述待分析区域对应的目标区域之后，还包括：对所述目标区域进行目标检测，以判断所述待分析区域是否被目标占用，并将判断结果记作第二分析结果；获取第一分析结果和第二分析结果之后，还包括：根据所述第一分析结果和第二分析结果判断所述待分析区域是否被占用。
[0011]可选的，所述根据所述第一分析结果和第二分析结果判断所述待分析区域是否被占用，包括：将所述第一分析结果和所述第二分析结果输入结果融合模型中，根据所述结果融合模型判断所述待分析区域是否被占用；其中，所述结果融合模型为以对多个区域图像进行目标检测的检测分析结果、以及对多个区域图像通过概率融合模型得到的概率分析结果为训练样本，进行大数据训练得到的神经网络模型。
[0012]可选的，所述根据所述结果融合模型判断所述待分析区域是否被占用，包括：根据所述结果融合模型计算所述待分析区域被占用的概率；当待分析区域被占用的概率大于预设值时，所述待分析区域被占用。
[0013]本专利技术实施例还提供一种区域占用的分析装置，所述装置包括：图像获取模块，用于通过对待分析区域进行图像采集获取初始图像，从所述初始图像中识别所述待分析区域对应的目标区域；网格切分模块，用于对所述目标区域进行切分得到若干个目标网格，并获取各个目标网格的占用情况；第一占用分析模块，用于综合所述目标区域的若干个目标网格的占用情况，以判断所述待分析区域是否被占用，并将判断结果记作第一分析结果。
[0014]本专利技术实施例还提供一种存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述区域占用的分析方法的步骤。
[0015]本专利技术实施例还提供一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述区域占用的分析方法的步骤。
[0016]与现有技术相比，本专利技术实施例的技术方案具有以下有益效果：
[0017]本专利技术实施例提供一种区域占用的分析方法，包括：通过对待分析区域进行图像采集获取初始图像，从所述初始图像中识别所述待分析区域对应的目标区域；对所述目标区域进行切分得到若干个目标网格，并获取各个目标网格的占用情况；综合所述目标区域的若干个目标网格的占用情况，以判断所述待分析区域是否被占用，并将判断结果记作第一分析结果。较之现有技术，本专利技术方案中，对待分析区域进行图像采集，以根据采集的初始图像获取待分析区域的实时占用情况。在对待分析区域进行占用分析时，可将初始图像中待分析区域对应的目标区域进行网格分割，对分割后的若干个目标网格分别进行占用分析，从而提高对目标区域被占用情况的分析结果的准确性，以自动高效地对目标区域进行拥堵检测。
[0018]进一步地，将各个切分得到的初始网格进行畸变校正，能够滤除初始图像中的视角信息，提高对各个目标网格占用分析时的信息分析程度，从而提高分析结果的准确性。
[0019]进一步地，通过大数据训练得到的分类网络获取各个网格的占用情况，能够集合真实收集的区域图像中反映的占用情况，对输入的目标网格进行准确分析。
[0020]进一步地，以对实际区域的多个网格的占用情况与该实际区域的实际占用情况作为训练样本，进行大数据训练得到概率融合模型，能够准确分析某一区域的网格占用与其整体占用的关系。
[0021]进一步地，补充进行了目标检测能够确定待分析区域的实际被占用的目标，从而结合该目标的实际大小、尺寸等信息，精确计算待分析区域的占用情况，从而避免由于目标与采集的镜头之间的远近影响判断结果，且能够根据检测的目标制定处理措施，例如，若检测到的目标为车辆，可联系移走该车辆。另外，目标检测还能够排除由于镜头被污渍、雾霾等因素遮挡后造成的误判。在实际的占用判定过程中，可能会出现由于上述因素造成误判。
目标检测中的目标通常具备一定的外观特征，能够与污渍、雾霾等区别，从而提高判定的准确性。
[0022]进一步地，结果融合模型的训练样本与待分析区域的第一分析结果和第二分析结果的格式、以及对应的实际区域应该具备一定的相关性，以使得训练得到的模型能够更加准确地综合第一分析结果和第二分析结果反映出的情况准确地对待分析区域进行占用判定。
附图说明
[0023]图1为本专利技术实施例的一种区域占用的分析方法的流程示意图；
[0024]图2为本专利技术实施例的另一种区域占用的分析方法的流程示意图；
[0025]图3是本专利技术实施例的一种区域占用的分析装置的结构示意图。
具体实施方式
[0026]如
技术介绍
所言，现有技术中无法高效地对某一区域的占用情况进行分析。
[0027]为解决该问题，本专利技术实施例提供了一种区域占用的分析方法本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种区域占用的分析方法，其特征在于，所述方法包括：通过对待分析区域进行图像采集获取初始图像，从所述初始图像中识别所述待分析区域对应的目标区域；对所述目标区域进行切分得到若干个目标网格，并获取各个目标网格的占用情况；综合所述目标区域的若干个目标网格的占用情况，以判断所述待分析区域是否被占用，并将判断结果记作第一分析结果。2.根据权利要求1所述的方法，其特征在于，所述对所述目标区域进行切分得到若干个目标网格，包括：对所述目标区域的每一边均匀切分，得到若干个初始网格；对各个初始网格进行畸变校正，得到各个初始网格对应的目标网格。3.根据权利要求2所述的方法，其特征在于，所述对各个初始网格进行畸变校正，包括：获取采集所述初始图像的视角信息，根据所述视角信息对各个初始网格进行顶视图效果还原。4.根据权利要求1至3任一所述的方法，其特征在于，所述获取各个目标网格的占用情况，包括：将各个目标网格输入分类网络中，通过所述分类网络获取各个目标网格的占用情况；其中，所述分类网络是以标注的区域图像为训练样本、进行大数据训练得到的神经网络模型。5.根据权利要求1所述的方法，其特征在于，所述综合所述目标区域的若干个目标网格的占用情况，以判断所述待分析区域是否被占用，包括：将各个目标网格的占用情况输入概率融合模型中，根据所述概率融合模型判断所述待分析区域是否被占用；其中，概率融合模型为以多个区域图像、各个区域图像包含的若干个训练网格以及各个网格的占用情况、多个区域图像的占用判定结果为训练样本，进行大数据训练得到的神经网络模型。6.根据权利要求1所述的方法，其特征在于，所述从所述初始图像中识别所述待分析区域对应的目标区域之后，还包括：对所述目标区域进行目标检测，...

【专利技术属性】
技术研发人员：周斌，刘春雷，秦贵秋，
申请(专利权)人：上海际链网络科技有限公司，
类型：发明
国别省市：