一种停车位使用状态的检测方法和装置制造方法及图纸

本申请提供了一种停车位使用状态的检测方法和装置

【技术实现步骤摘要】
一种停车位使用状态的检测方法和装置


[0001]本申请涉及图像处理领域，具体而言，涉及一种停车位使用状态的检测方法和装置
。

技术介绍

[0002]对于目前的停车检测方法，在拥挤的停车场或复杂的交通环境中，停车位与车辆之间可能存在严重的遮挡
、
重叠或部分遮挡的情况
。
对于实时的停车检测系统，需要处理大量的图像或视频数据，并在短时间内完成车辆和停车位的检测和判断
。
这对于计算资源和算法效率提出了要求，尤其是在大规模停车场的情况下
。
然而，传统的停车场管理和车辆监测往往需要依赖人工巡视和手动统计，效率低下且容易出现误差，并且这可能是一项耗时且昂贵的任务
。
不足的数据集可能导致模型的泛化能力下降，无法处理各种场景下的停车位和车辆
。
停车检测算法可能会产生误检
(
将非停车位区域错误地标记为停车位
)
或漏检
(
未能正确检测到停车位
)。
这可能会导致错误的停车位状态判断，降低系统的准确性和可靠性
。
[0003]综上所述，停车检测技术在复杂场景
、
视角和尺度变化
、
天气和光照条件
、
实时性要求
、
数据集多样性和规模以及误检与漏检等方面仍然存在一些挑战和缺陷
。
[0004]因此，本申请提供了一种停车位使用状态的检测方法，以解决上述技术问题之一
。

技术实现思路

[0005]本申请的目的在于提供一种停车位使用状态的检测方法和装置，能够解决上述提到的至少一个技术问题
。
具体方案如下：
[0006]根据本申请的具体实施方式，第一方面，本申请提供一种停车位使用状态的检测方法，包括：
[0007]利用停车位检测模型对输入的图像或视频数据中的停车位进行检测，得到停车位区域；
[0008]利用车辆检测模型对所述输入的图像或视频数据中的车辆进行检测，得到车辆边界框，其中，
[0009]所述车辆检测模型是通过使用带有标注车辆边界框的训练数据训练旋转目标检测模型而得到的；以及
[0010]根据所述停车位区域和所述车辆边界框的重叠度，确定停车位的使用状态
。
[0011]可选的，所述利用停车位检测模型对输入的图像或视频数据中的停车位进行检测包括：
[0012]对输入的图像或视频数据进行预处理；
[0013]采用图像处理技术或深度学习方法，提取预处理后的
、
用以对停车位进行检测的
、
所述输入的图像或视频数据的第一特征信息；
[0014]根据所述第一特征信息检测停车位区域；以及
[0015]根据检测到的所述停车位区域，对所述输入的图像或视频数据进行标记
。
[0016]可选的，所述利用车辆检测模型对所述输入的图像或视频数据中的车辆进行检测包括：
[0017]对输入的图像或视频数据进行预处理；
[0018]采用图像处理技术或深度学习方法，提取预处理后的
、
用以对车辆进行检测的
、
所述输入的图像或视频数据的第二特征信息；
[0019]将所述第二特征信息输入至训练好的所述旋转目标检测模型
。
[0020]可选的，所述根据所述停车位区域和所述车辆边界框的重叠度，确定停车位的使用状态包括：
[0021]计算所述停车位区域和所述车辆边界框的交集面积；
[0022]计算所述停车位区域和所述车辆边界框的并集面积；
[0023]根据计算出的所述交集面积和所述并集面积，计算重叠度；以及
[0024]将所述重叠度与预设阈值进行比较，当所述重叠度大于所述阈值阈值，则停车位被占用，否则，停车位为空闲
。
[0025]可选的，所述停车位区域在所述输入的图像或视频数据中的标记是通过在所述停车位区域周围绘制矩形框或填充颜色来实现
。
[0026]可选的，所述根据所述第一特征信息检测停车位区域包括：
[0027]使用停车位检测算法来检测停车位区域，其中，所述停车位检测算法包括以下中的至少一项：
[0028]边缘检测
、
边缘连接
、
轮廓提取
。
[0029]可选的，所述旋转目标检测模型的神经网络结构包括以下中的任一项：
[0030]Faster R
‑
CNN
网络
、YOLO
网络
、SSD
网络
。
[0031]可选的，所述预处理包括以下中的至少一项：
[0032]图像增强
、
尺寸调整
、
去噪
。
[0033]根据本申请的具体实施方式，第二方面，本申请提供一种停车位使用状态的检测装置，包括：停车位检测单元，用于利用停车位检测模型对输入的图像或视频数据中的停车位进行检测，得到停车位区域；车辆检测单元，用于利用车辆检测模型对所述输入的图像或视频数据中的车辆进行检测，得到车辆边界框，其中，所述车辆检测模型是通过使用带有标注车辆边界框的训练数据训练旋转目标检测模型而得到的；以及确定单元，用于根据所述停车位区域和所述车辆边界框的重叠度，确定停车位的使用状态
。
[0034]可选的，所述确定单元还用于：计算所述停车位区域和所述车辆边界框的交集面积；计算所述停车位区域和所述车辆边界框的并集面积；根据计算出的所述交集面积和所述并集面积，计算重叠度；以及将所述重叠度与预设阈值进行比较，当所述重叠度大于所述阈值阈值，则停车位被占用，否则，停车位为空闲
。
[0035]可选的，所述车辆检测单元还用于：对输入的图像或视频数据进行预处理；采用图像处理技术或深度学习方法，提取预处理后的
、
用以对车辆进行检测的
、
所述输入的图像或视频数据的第二特征信息；将所述第二特征信息输入至训练好的所述旋转目标检测模型
。
[0036]可选的，所述根据所述停车位区域和所述车辆边界框的重叠度，确定停车位的使用状态包括：计算所述停车位区域和所述车辆边界框的交集面积；计算所述停车位区域和
所述车辆边界框的并集面积；根据计算出的所述交集面积和所述并集面积，计算重叠度；以及将所述重叠度与预设阈值进行比较，当所述重叠度大于所述阈值阈值，则停车位被占用，否则，停车位为空闲
。
[0037]可选的，所述停车位检测单元还用于：对输入的图像或视频数据进行预处理；采用图像处理技术或深度学习方法，提取预处理后的
、
用以对停车位进行检测的
、
所述输入的图像或视频数据的第一特征信息；根据所述第一特征信息检测停车位区域；以及根据检测到的所述停本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种停车位使用状态的检测方法，其特征在于，包括：利用停车位检测模型对输入的图像或视频数据中的停车位进行检测，得到停车位区域；利用车辆检测模型对所述输入的图像或视频数据中的车辆进行检测，得到车辆边界框，其中，所述车辆检测模型是通过使用带有标注车辆边界框的训练数据训练旋转目标检测模型而得到的；以及根据所述停车位区域和所述车辆边界框的重叠度，确定停车位的使用状态
。2.
根据权利要求1所述的方法，其特征在于，所述利用停车位检测模型对输入的图像或视频数据中的停车位进行检测包括：对输入的图像或视频数据进行预处理；采用图像处理技术或深度学习方法，提取预处理后的
、
用以对停车位进行检测的
、
所述输入的图像或视频数据的第一特征信息；根据所述第一特征信息检测停车位区域；以及根据检测到的所述停车位区域，对所述输入的图像或视频数据进行标记
。3.
根据权利要求1所述的方法，其特征在于，所述利用车辆检测模型对所述输入的图像或视频数据中的车辆进行检测包括：对输入的图像或视频数据进行预处理；采用图像处理技术或深度学习方法，提取预处理后的
、
用以对车辆进行检测的
、
所述输入的图像或视频数据的第二特征信息；将所述第二特征信息输入至训练好的所述旋转目标检测模型
。4.
根据权利要求1所述的方法，其特征在于，所述根据所述停车位区域和所述车辆边界框的重叠度，确定停车位的使用状态包括：计算所述停车位区域和所述车辆边界框的交集面积；计算所述停车位区域和所述车辆边界框的并集面积；根据计算出的所述交集面积和所述并集面积，计算重叠度；以及将所述重叠度与预设阈值进行比较，当所述重叠度大于所述阈值阈值，则停车位被占用，否则，停车位为空闲
。5.
根据权利要求2所述的方法，其特征在于，所述停...

【专利技术属性】
技术研发人员：王兆麟，丁冠源，回姝，王兆麒，郭富琦，黄嘉桐，郑彤，张文娟，
申请(专利权)人：中国第一汽车股份有限公司，
类型：发明
国别省市：