【技术实现步骤摘要】
本专利技术图像识别的，尤其是涉及一种停车检测方法及装置。
技术介绍
1、车辆的停车环境，特别是共享车辆的停车环境，通常是复杂多变的，如包括：白天、夜晚、反光、雨天、遮挡、破损、材质不一等各种客观因素，因此，在检测车辆停放是否整齐时，需要克服这些复杂环境因素的影响，这就导致为了提高检测精度所使用的检测方法的计算量很大，但是，车辆的停车检测过程多是在车辆本身实现，其计算能力有限，往往无法承载目前大多数图像处理算法的运算，也难以满足复杂环境因素的处理精度，导致图像处理算法缺乏鲁棒性，也降低了检测精度。
技术实现思路
1、有鉴于此，本专利技术的目的在于提供一种停车检测方法及装置，以缓解上述技术问题。
2、第一方面，本专利技术实施例提供了一种停车检测方法，所述方法包括：响应车辆的还车操作，获取所述车辆的停车图像，其中，所述停车图像为设置于所述车辆的摄像装置采集的，所述摄像装置设置于所述车辆的预设位置，用于所述车辆停放至停车点时，采集所述停车点的停车标记的图像；将所述停车图像输入至预先构建...
【技术保护点】
1.一种停车检测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述轻量级深度神经网络模型包括卷积层、池化层、跳跃连接层、残差连接层构成；
3.根据权利要求2所述的方法，其特征在于，所述轻量级深度神经网络模型还包括激活层，所述激活层所包括的激活函数为Sigmoid激活函数。
4.根据权利要求1所述的方法，其特征在于，所述停车标记包括路缘标记和/或预设的地面标记；
5.根据权利要求4所述的方法，其特征在于，基于所述停车标记判断所述车辆在所述停车点的停放位置是否满足预设要求的步骤，包括：
<...【技术特征摘要】
1.一种停车检测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述轻量级深度神经网络模型包括卷积层、池化层、跳跃连接层、残差连接层构成；
3.根据权利要求2所述的方法，其特征在于，所述轻量级深度神经网络模型还包括激活层，所述激活层所包括的激活函数为sigmoid激活函数。
4.根据权利要求1所述的方法，其特征在于，所述停车标记包括路缘标记和/或预设的地面标记；
5.根据权利要求4所述的方法，其特征在于，基于所述停车标记判断所...
【专利技术属性】
技术研发人员：赵明，陈通进，梁慧斌，朱波，
申请(专利权)人：浙江小遛信息科技有限公司，
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。