【技术实现步骤摘要】
一种车位状态检测方法、装置和存储介质
[0001]本专利技术涉及但不限于智能停车领域，具体涉及一种车位状态检测方法、装置和存储介质。
技术介绍
[0002]随着智能交通技术的发展，在行车、停车等方面的各项系统越来越自动，智能化程度不断提升，大大降低了人工管理的复杂性和成本。特别是智能停车系统中，车位占用状态的检测是后续停车引导、收费等业务的数据基础，如何进一步提升车位占用状态检测准确性，并有效控制系统成本，仍然是该领域不断探索改进的方向。
技术实现思路
[0003]本公开实施例提供一种车位状态检测方法、装置和存储介质，通过基于拍摄图像的多模型并行检测，综合确定车位占用状态，在不增加硬件设备的前提下，提升了车位状态检测的准确性。
[0004]本公开实施例提供一种车位状态检测方法，包括：在预设的检测触发事件发生时，获取针对车位的拍摄图像；根据所述拍摄图像，利用预先训练好的至少两个检测模型分别确定准车位状态；根据所述至少两个检测模型所确定的准车位状态，按照设定的投票规则，确定所述车位状态；其中，所述车位状态...
【技术保护点】
【技术特征摘要】
1.一种车位状态检测方法，其特征在于，包括：在预设的检测触发事件发生时，获取针对车位的拍摄图像；根据所述拍摄图像，利用预先训练好的至少两个检测模型分别确定准车位状态；根据所述至少两个检测模型所确定的准车位状态，按照设定的投票规则，确定所述车位状态；其中，所述车位状态指示车位是否被占用。2.如权利要求1所述的车位状态检测方法，其特征在于，所述预设的检测触发事件至少包括以下之一：设置的检测间隔时间到来；车位光传感器感应状态变化；车位地感线圈感应状态变化；车位电磁波传感器感应状态变化。3.如权利要求1或2所述的车位状态检测方法，其特征在于，所述检测模型包括以下模型中的至少两个：基于深度神经网络的目标物检测模型、基于二分类的检测模型、基于多分类的检测模型。4.如权利要求3所述的车位状态检测方法，其特征在于，所述利用预先训练好的至少两个检测模型分别确定准车位状态，包括：根据所述基于深度神经网络的目标物检测模型进行车辆检测，根据检测出的车辆区域与预设的车位区域的重合度确定准车位状态；和/或，根据所述基于二分类的检测模型输出的第一模型输出值，计算所述第一模型输出值与代表未占用状态的第一标准值的第一差值，计算所述第一模型输出值与代表占用状态的第二标准值的第二差值；在所述第一差值小于或等于所述第二差值的情况下，确定准车位状态为未占用，在所述第一差值大于所述第二差值的情况下，确定准车位状态为占用；和/或，根据所述基于多分类的检测模型输出的代表占用状态的第一概率值和代表未占用状态的第二概率值，从中选择大概率值对应的状态为准车位状态。5.如权利要求3所述的车位状态检测方法，其特征在于，所述至少两个检测模型采用同一批车位状态训练数据分别预先进行模型训练；其中，所述车位状态训练数据为针对车位拍摄的并标注了车位状态的拍摄图像；所述拍摄图像在用于车位状态训练和用于确定准车位状态之前，所述方法还包含：对所述拍摄图像进行色彩域迁移处理，以使得处理后的拍摄图像符合第一色彩域标准。6.如权利要求1或2所述的车位状态检测方法，其特征在于，所述根据所述至少两个检测模型所确定的准车位状态，按照设定的投票规则，确定所述车位状态，包括：在至少两个检测模型分别确定的准车位状态一致的情况下，将所确定的准车位状态作为所述车位状态；在至少两个检测模型中的每个模型确定的准车位状态不一致的情况下，
统计准车位状态票数，以票数最多的准车位状态为最终输出结果；其中，所述至少两个检测模型数量为奇数；或者，根据各检测模型预设的统计权重，计算占用总权重和未占用总权重；在所述占用总权重大于所述未占用总权重的情况下，确定所述车位状态为占用，在所述占用总权重小于或等于所述未占用总权重的情况下，确定所述车位状态为未占用；其中，所述占用总权重为准车位状态为占用状态的检测模型的统计权重之和，所述未占用总权重为准车位状态为未占用状态的检测模型的统计权重之和。7.如权利要求1或2所述的车位状态检测方法，其特征在于，所述方法还包括：针对所述车位，记录前一...
【专利技术属性】
技术研发人员：贺子懿，杨泰，陆川，
申请(专利权)人：成都国星宇航科技股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。