路侧停车行为判断方法以及系统技术方案

本发明专利技术公开一种路侧停车行为判断方法以及系统，涉及图像处理技术领域

【技术实现步骤摘要】
路侧停车行为判断方法以及系统


[0001]本专利技术涉及图像处理
，特别是涉及一种路侧停车行为判断方法以及系统
。

技术介绍

[0002]近年来，随着城市化进程不断加快，机动车数量不断增加，随之而来也产生了很多城市交通拥堵
、
停车矛盾等问题，为此，依托人工智能算法
、
云服务平台
、
智能硬件设备以及边缘端计算设备等，实现了智能化的城市交通管理系统，能够实时
、
精确的对交通信息进行收集
、
处理
、
反馈的智能化管理系统
。
[0003]在解决城市交通拥堵
、
停车矛盾等问题时，高位视频技术发展迅速，通过在路侧
、
路口等处安装高位视频摄像头进行数据采集
。
在进行车辆的停车行为检测时，传统方法以视频片段的方式进行传输，并通过视觉算法对视频片段进行车辆停车行为的判断，但是对于视频片段的处理过程中对算力要求高，处理速度慢，从而导致停车行为判断效率低
。

技术实现思路

[0004]本专利技术的目的是解决传统方法对视频片段的处理过程中算力要求高，处理速度慢导致的停车行为判断效率低的技术问题
。
为实现上述目的，本专利技术提供一种路侧停车行为判断方法以及系统
。
[0005]本专利技术提供一种路侧停车行为判断方法，包括：
[0006]获取关键帧图像数据集与非关键帧图像数据集；
[0007]对所述关键帧图像数据集中关键帧图像进行特征提取，获得关键帧特征图；
[0008]根据相邻两帧的关键帧图像与非关键帧图像，获得像素偏移量；
[0009]根据所述关键帧特征图与所述像素偏移量，对所述非关键帧图像进行特征传播，获得非关键帧特征图；
[0010]根据所述非关键帧特征图与所述关键帧特征图，对车辆停车行为进行判断
。
[0011]在一个实施例中，所述根据所述非关键帧特征图与所述关键帧特征图，对车辆停车行为进行判断，包括：
[0012]根据目标检测模型对所述非关键帧特征图与所述关键帧特征图进行目标类别的分类与目标位置的回归，获得每帧图像中车辆类别与车辆位置；
[0013]获取泊位位置，并计算所述车辆位置与所述泊位位置的面积交并比值；
[0014]根据所述面积交并比值对车辆停车行为进行判断
。
[0015]在一个实施例中，所述根据相邻两帧的关键帧图像与非关键帧图像，获得像素偏移量，包括：
[0016]将所述相邻两帧的所述关键帧图像与所述非关键帧图像输入至光流估计网络模型中，获得所述像素偏移量
。
[0017]在一个实施例中，所述方法还包括：
[0018]计算相邻两帧的所述关键帧图像与所述非关键帧图像的实际像素偏移量；
[0019]根据所述实际像素偏移量与所述像素偏移量构建端点误差损失函数；
[0020]根据所述端点误差损失函数对所述光流估计网络模型进行模型训练
。
[0021]在一个实施例中，所述获取关键帧图像数据集与非关键帧图像数据集，包括：
[0022]获取监控场景视频片段；
[0023]将所述监控场景视频片段中每间隔多个非关键帧图像后划分为所述关键帧图像，形成所述关键帧图像数据集与所述非关键帧图像数据集
。
[0024]在一个实施例中，本专利技术提供一种路侧停车行为判断系统，包括：
[0025]数据获取模块，用于获取关键帧图像数据集与非关键帧图像数据集；
[0026]关键帧特征图提取模块，用于对所述关键帧图像数据集中关键帧图像进行特征提取，获得关键帧特征图；
[0027]偏移量获取模块，用于根据相邻两帧的关键帧图像与非关键帧图像，获得像素偏移量；
[0028]特征传播模块，用于根据所述关键帧特征图与所述像素偏移量，对所述非关键帧图像进行特征传播，获得非关键帧特征图；
[0029]停车行为判断模块，用于根据所述非关键帧特征图与所述关键帧特征图，对车辆停车行为进行判断
。
[0030]在一个实施例中，所述停车行为判断模块包括：
[0031]车辆信息获取模块，用于根据目标检测模型对所述非关键帧特征图与所述关键帧特征图进行目标类别的分类与目标位置的回归，获得每帧图像中车辆类别与车辆位置；
[0032]位置计算模块，用于获取泊位位置，并计算所述车辆位置与所述泊位位置的面积交并比值；
[0033]停车行为获取模块，用于根据所述面积交并比值对车辆停车行为进行判断
。
[0034]在一个实施例中，所述偏移量获取模块包括：
[0035]光流模块，用于将所述相邻两帧的所述关键帧图像与所述非关键帧图像输入至光流估计网络模型中，获得所述像素偏移量
。
[0036]在一个实施例中，所述系统还包括：
[0037]实际偏移量获取模块，用于计算相邻两帧的所述关键帧图像与所述非关键帧图像的实际像素偏移量；
[0038]端点误差损失函数构建模块，用于根据所述实际像素偏移量与所述像素偏移量构建端点误差损失函数；
[0039]光流模型训练模块，用于根据所述端点误差损失函数对所述光流估计网络模型进行模型训练
。
[0040]在一个实施例中，所述数据获取模块包括：
[0041]监控视频获取模块，用于获取监控场景视频片段；
[0042]图像帧划分模块，用于将所述监控场景视频片段中每间隔多个非关键帧图像后划分为所述关键帧图像，形成所述关键帧图像数据集与所述非关键帧图像数据集
。
[0043]上述路侧停车行为判断方法以及系统中，对关键帧图像进行特征提取获得关键帧特征图，并基于关键帧特征图与像素偏移量对非关键帧图像进行特征传播获得非关键帧特
征图，进而获得视频片段中所有关键帧图像与非关键帧图像，用于对车辆停车行为进行判断
。
本专利技术中仅对视频中的关键帧进行特征提取，对于非关键帧特征图采用关键帧特征图与像素偏移量获得，减少了对视频中的每一帧均进行特征提取的算力消耗，降低了算力要求，加快了处理速度，同时也保证了具有足够的图像帧特征来用于进行车辆停车行为的判断，提高了停车行为判断的效率与准确度
。
附图说明
[0044]图1是本专利技术提供的路侧停车行为判断方法的步骤流程示意图
。
[0045]图2是本专利技术提供的路侧停车行为判断系统的结构示意图
。
具体实施方式
[0046]下面通过附图和实施例，对本专利技术的技术方案做进一步的详细描述
。
[0047]请参见图1，本专利技术提供一种路侧停车行为判断方法，包括：
[0048]S10
，获取关键帧图像数据集与非关键帧图像数据集；
[0049]S20
，对关键帧图像数据本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种路侧停车行为判断方法，其特征在于，包括：获取关键帧图像数据集与非关键帧图像数据集；对所述关键帧图像数据集中关键帧图像进行特征提取，获得关键帧特征图；根据相邻两帧的关键帧图像与非关键帧图像，获得像素偏移量；根据所述关键帧特征图与所述像素偏移量，对所述非关键帧图像进行特征传播，获得非关键帧特征图；根据所述非关键帧特征图与所述关键帧特征图，对车辆停车行为进行判断
。2.
根据权利要求1所述的路侧停车行为判断方法，其特征在于，所述根据所述非关键帧特征图与所述关键帧特征图，对车辆停车行为进行判断，包括：根据目标检测模型对所述非关键帧特征图与所述关键帧特征图进行目标类别的分类与目标位置的回归，获得每帧图像中车辆类别与车辆位置；获取泊位位置，并计算所述车辆位置与所述泊位位置的面积交并比值；根据所述面积交并比值对车辆停车行为进行判断
。3.
根据权利要求1所述的路侧停车行为判断方法，其特征在于，所述根据相邻两帧的关键帧图像与非关键帧图像，获得像素偏移量，包括：将所述相邻两帧的所述关键帧图像与所述非关键帧图像输入至光流估计网络模型中，获得所述像素偏移量
。4.
根据权利要求3所述的路侧停车行为判断方法，其特征在于，所述方法还包括：计算相邻两帧的所述关键帧图像与所述非关键帧图像的实际像素偏移量；根据所述实际像素偏移量与所述像素偏移量构建端点误差损失函数；根据所述端点误差损失函数对所述光流估计网络模型进行模型训练
。5.
根据权利要求1所述的路侧停车行为判断方法，其特征在于，所述获取关键帧图像数据集与非关键帧图像数据集，包括：获取监控场景视频片段；将所述监控场景视频片段中每间隔多个非关键帧图像后划分为所述关键帧图像，形成所述关键帧图像数据集与所述非关键帧图像数据集
。6.
一种路侧停车行为判断系统，其特征在于，包括：数据获取模块，用于获取关键帧图像数据集与...

【专利技术属性】
技术研发人员：闫军，丁丽珠，王艳清，
申请(专利权)人：爱泊车科技有限公司，
类型：发明
国别省市：