CN107665599A - 基于视觉检测的停车场车位自动识别方法 - Google Patents
基于视觉检测的停车场车位自动识别方法 Download PDFInfo
- Publication number
- CN107665599A CN107665599A CN201610614897.6A CN201610614897A CN107665599A CN 107665599 A CN107665599 A CN 107665599A CN 201610614897 A CN201610614897 A CN 201610614897A CN 107665599 A CN107665599 A CN 107665599A
- Authority
- CN
- China
- Prior art keywords
- image
- parking stall
- parking
- change
- line
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Withdrawn
Links
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/14—Traffic control systems for road vehicles indicating individual free spaces in parking areas
- G08G1/145—Traffic control systems for road vehicles indicating individual free spaces in parking areas where the indication depends on the parking areas
- G08G1/146—Traffic control systems for road vehicles indicating individual free spaces in parking areas where the indication depends on the parking areas where the parking area is a limited parking space, e.g. parking garage, restricted space
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/30—Noise filtering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
- G06V10/457—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components by analysing connectivity, e.g. edge linking, connected component analysis or slices
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/62—Text, e.g. of license plates, overlay texts or captions on TV images
- G06V20/625—License plates
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种基于视觉检测的停车场车位自动识别方法,包括以下步骤:1)图像预处理:对停车场拍摄的图像进行预处理,包括图像的灰度处理,图像去噪,图像的边缘增强和二值化;2)停车位的检测统计:对停车场图像中车位线区域进行目标分割提取,进而将车位识别出来并统计其个数;3)车位占用情况检测:根据车位上的像素变化特征对车位占位情况检测;4)车位信息的精确识别:引入车牌定位算法对停车位上的变化进行精确的识别,以确定该变化是否来自于车辆;5)界面显示:将车位状态变化用界面的形式显示出来。
Description
技术领域
本发明涉及一种基于视觉检测的停车场车位自动识别方法。
背景技术
近年来,随着经济的迅猛发展和人民生活水平的日益提高,汽车的人均持有量也逐年上升,很多经济发达的大城市都出现了“一位难求”的现象,使得司机不得不将车辆停放在马路两侧,这样一来不仅容易使得交通瘫痪,造成交通事故,还会使得车辆处于被破坏和失窃的危险之中;还有停车场距离车主较远以及很多乱收费项目,迫使车主不想将车辆停放入库,要想解决这些问题就必须同时解决停车场智能化和交通智能化的搭建。
智能化、集成度低是目前国内停车场管理***的不足,如果采用传统的传感器和埋线等方法进行车位监控,其施工相对复杂且容易受到很多因素的干扰而缺乏实时性和安全性,由于用户和车辆无法达到统一监控,因此不能有效的实现安全智能化要求和实时监控停车场内部情形的作用,其智能化程度也相对低,因此,对着国民经济的日益发展和停车产业的需求日益增长,车位监控***的发展将趋向用机器视觉下的图像处理技术进行实时监测。
发明内容
本发明的目的是解决上述问题,提供了一种基于视觉检测的停车场车位自动识别方法。
本发明的目的通过以下方式来实现:
基于视觉检测的停车场车位自动识别方法,包括以下步骤:
1)图像预处理:对停车场拍摄的图像进行预处理,包括图像的灰度处理,图像去噪,图像的边缘增强和二值化;
2)停车位的检测统计:对停车场图像中车位线区域进行目标分割提取,进而将车位识别出来并统计其个数,;
3)车位占用情况检测:根据车位上的像素变化特征对车位占位情况检测;
4)车位信息的精确识别:引入车牌定位算法对停车位上的变化进行精确的识别,以确定该变化是否来自于车辆;
5)界面显示:将车位状态变化用界面的形式显示出来。
进一步的,步骤2)中采用的分割方法的具体步骤如下:
1)读取图像,对图像进行预处理;
2)从图像的中心序列向图像的两边开始扫描,扫描该点是否具有车位线特征的一个像素点,如果不是则分割图像;如若是则作为种子点,并进行下一步操作;
3)对于扫描符合特征的像素点,作为种子点,记录下该点,以此点开始生长,并向下一点扫描;
4)每次生长后计算区域的面积,计算其生长变化率是否在范围内,若不在则分割图像,若在则将该点加入车位线预选集合里边进行下一步像素阈值法的判断;
5)对于车位线预选集合里边的各个像素值,将其与周围的像素灰度值进行比较,若小于阈值则返回步骤3)进行操作,如大于阈值 则判断其是否超过扫描次数,没超过则分割图像,超过则结束扫描。
进一步的,步骤2)中利用Hough变换算法对车位线进行检测提取,步骤如下:
1)对每条轮廓线,用Hough变换算法判断其是否为直线;
2)对于判断为直线的轮廓,在其上分别选取两个点,在PPHT下,如果lineStorage指向了内存块,将会返回一个指针,该指针是指向CvSeq序列结构的,即可从序列中得到所有的线段,并将它们的起点和终点记录下来;
3)计算这条直线所在的直线方程,然后把它们放到方程库中;由步骤2)已经得到线段的起点A(x1,y1)和终点坐标B(x2,y2),假设方程是Y=kX+b,那么k=(y2-y1)/(x2-x1),b=y2-kx1,当x1=x2时,k取为无穷大,程序分配四个列表分别存储方程的斜率,起始点,终点和截距;
4)重新排列线段,每次新加入的直线到存储库里边都要对这个直线的起点和终点进行检测,以判断其是不是原本就在库里;
5)对于不在库里的线段判断其斜率与库里边存入的直线的差是否小于阈值,若满足则判断其与相邻直线的距离是否在取值范围内,若在则将其加入到线段的存储库里,并把记录线段个数的值加一;
6)计算出直线之间的交点坐标,将这些点坐标记录下来并进行存储和编号,进而确定车位在图像中的位置。
进一步的,步骤4)中车位占用情况检测算法步骤如下:
1)从经过预处理后的食品图像序列中选取出背景图像,将当前 帧的图像与背景图像相减,对处理后的图像进行二值化处理,统计变化像素点的个数S1与阈值TH2进行比较;
2)将图像序列中当前帧与前一帧图像进行相减,对处理后哦的图像进行二值化处理,统计变化像素点的个数S1与阈值TH2进行比较;
3)当同时满足S1>TH1&&S2>TH2时,判定图像中有变化发生;
4)将变化的区域运用投影法,判定其是否在车位区域内,若在则对变化进行下一步的判定,否则继续上述操作;
5)对于确定车位区域有变化发生的图像套用车位状态变化三种判据,变化发生判据K1、变化幅值一致性判据K2、变化比例的一致性判据K3,计算出车位变化的K1、K2、K3的值;
6)定时抽取固定时间段内的三个判据值K1、K2、K3的变化情况,初步判断车位状态是否发生变化;
7)根据变化的情况及时更新背景图像。
本发明的有益效果是:
本发明引用车牌识别技术,通过对车辆上车牌的定位来对车为上的信息变化是否来自于车俩的变化进行判断,对车位进行检测,对车位状态进行识别和实时显示,能快捷有效的将车辆引入适当的停车位,能够有效的解决车辆乱停现象。
具体实施方式
现在结合实施例做进一步详细的说明。
基于视觉检测的停车场车位自动识别方法,包括以下步骤:
1)图像预处理:对停车场拍摄的图像进行预处理,包括图像的灰度处理,图像去噪,图像的边缘增强和二值化;
图像的灰度处理过程公式如下:
Gary=0.299R+0.587G+0.114B;
R=G=B=Gary;
其中,R表示图像像素的红色分量,G表示图像像素的绿色分量,B表示图像像素的蓝色分量,Gary表示的是图像像素的灰度值。
图像去噪采用3*3中值滤波方法,在一像素点的周围娶一个华东窗口,先对窗口内的灰度值进行排序取出其中间值,然后用这个中间值来代替该点的像素值;若窗***有的元素的个数为奇数时,窗口内各元素排序后的中间数值即为我么要找到的中值;若窗***有的元素的个数为偶数时,则对排序后中间两个元素灰度值去平均值即为中值。例如,选取3*1的窗口,那么窗口内有3个像素值,假设其分别为75,69,80,从小到大对其进行排列后输出结果为69,75,80,取中间值75作为结果输出。
2)停车位的检测统计:对停车场图像中车位线区域进行目标分割提取,进而将车位识别出来并统计其个数,;
3)车位占用情况检测:根据车位上的像素变化特征对车位占位情况检测;
4)车位信息的精确识别:引入车牌定位算法对停车位上的变化进行精确的识别,以确定该变化是否来自于车辆;
5)界面显示:将车位状态变化用界面的形式显示出来。
步骤2)中采用的分割方法的具体步骤如下:
1)读取图像,对图像进行预处理;
2)从图像的中心序列向图像的两边开始扫描,扫描该点是否具有车位线特征的一个像素点,如果不是则分割图像;如若是则作为种子点,并进行下一步操作;
3)对于扫描符合特征的像素点,作为种子点,记录下该点,以此点开始生长,并向下一点扫描;
4)每次生长后计算区域的面积,计算其生长变化率是否在范围内,若不在则分割图像,若在则将该点加入车位线预选集合里边进行下一步像素阈值法的判断;
5)对于车位线预选集合里边的各个像素值,将其与周围的像素灰度值进行比较,若小于阈值则返回步骤3)进行操作,如大于阈值则判断其是否超过扫描次数,没超过则分割图像,超过则结束扫描。
步骤2)中利用Hough变换算法对车位线进行检测提取,步骤如下:
1)对每条轮廓线,用Hough变换算法判断其是否为直线;
2)对于判断为直线的轮廓,在其上分别选取两个点,在PPHT下,如果lineStorage指向了内存块,将会返回一个指针,该指针是指向CvSeq序列结构的,即可从序列中得到所有的线段,并将它们的起点和终点记录下来;
3)计算这条直线所在的直线方程,然后把它们放到方程库中;由步骤2)已经得到线段的起点A(x1,y1)和终点坐标B(x2,y2),假设方 程是Y=kX+b,那么k=(y2-y1)/(x2-x1),b=y2-kx1,当x1=x2时,k取为无穷大,程序分配四个列表分别存储方程的斜率,起始点,终点和截距;
4)重新排列线段,每次新加入的直线到存储库里边都要对这个直线的起点和终点进行检测,以判断其是不是原本就在库里;
5)对于不在库里的线段判断其斜率与库里边存入的直线的差是否小于阈值,若满足则判断其与相邻直线的距离是否在取值范围内,若在则将其加入到线段的存储库里,并把记录线段个数的值加一;
6)计算出直线之间的交点坐标,将这些点坐标记录下来并进行存储和编号,进而确定车位在图像中的位置。
步骤4)中车位占用情况检测算法步骤如下:
1)从经过预处理后的食品图像序列中选取出背景图像,将当前帧的图像与背景图像相减,对处理后的图像进行二值化处理,统计变化像素点的个数S1与阈值TH2进行比较;
2)将图像序列中当前帧与前一帧图像进行相减,对处理后哦的图像进行二值化处理,统计变化像素点的个数S1与阈值TH2进行比较;
3)当同时满足S1>TH1&&S2>TH2时,判定图像中有变化发生;
4)将变化的区域运用投影法,判定其是否在车位区域内,若在则对变化进行下一步的判定,否则继续上述操作;
5)对于确定车位区域有变化发生的图像套用车位状态变化三种判据,变化发生判据K1、变化幅值一致性判据K2、变化比例的一致性 判据K3,计算出车位变化的K1、K2、K3的值;
6)定时抽取固定时间段内的三个判据值K1、K2、K3的变化情况,初步判断车位状态是否发生变化;
7)根据变化的情况及时更新背景图像。
以上所述仅为本发明示意性的具体实施方式,并非用以限定本发明的范围。任何本领域的技术人员,在不脱离本发明的构思和原则的前
提下所作出的等同变化与修改,均应属于本发明保护的范围。
Claims (4)
1.基于视觉检测的停车场车位自动识别方法,其特征在于,包括以下步骤:
1)图像预处理:对停车场拍摄的图像进行预处理,包括图像的灰度处理,图像去噪,图像的边缘增强和二值化;
2)停车位的检测统计:对停车场图像中车位线区域进行目标分割提取,进而将车位识别出来并统计其个数,;
3)车位占用情况检测:根据车位上的像素变化特征对车位占位情况检测;
4)车位信息的精确识别:引入车牌定位算法对停车位上的变化进行精确的识别,以确定该变化是否来自于车辆;
5)界面显示:将车位状态变化用界面的形式显示出来。
2.根据权利要求1所述的基于视觉检测的停车场车位自动识别方法,其特征在于,步骤2)中采用的分割方法的具体步骤如下:
1)读取图像,对图像进行预处理;
2)从图像的中心序列向图像的两边开始扫描,扫描该点是否具有车位线特征的一个像素点,如果不是则分割图像;如若是则作为种子点,并进行下一步操作;
3)对于扫描符合特征的像素点,作为种子点,记录下该点,以此点开始生长,并向下一点扫描;
4)每次生长后计算区域的面积,计算其生长变化率是否在范围内,若不在则分割图像,若在则将该点加入车位线预选集合里边进行下一步像素阈值法的判断;
5)对于车位线预选集合里边的各个像素值,将其与周围的像素灰度值进行比较,若小于阈值则返回步骤3)进行操作,如大于阈值则判断其是否超过扫描次数,没超过则分割图像,超过则结束扫描。
3.根据权利要求1所述的基于视觉检测的停车场车位自动识别方法,其特征在于,步骤2)中利用Hough变换算法对车位线进行检测提取,步骤如下:
1)对每条轮廓线,用Hough变换算法判断其是否为直线;
2)对于判断为直线的轮廓,在其上分别选取两个点,在PPHT下,如果lineStorage指向了内存块,将会返回一个指针,该指针是指向CvSeq序列结构的,即可从序列中得到所有的线段,并将它们的起点和终点记录下来;
3)计算这条直线所在的直线方程,然后把它们放到方程库中;由步骤2)已经得到线段的起点A(x1,y1)和终点坐标B(x2,y2),假设方程是Y=kX+b,那么k=(y2-y1)/(x2-x1),b=y2-kx1,当x1=x2时,k取为无穷大,程序分配四个列表分别存储方程的斜率,起始点,终点和截距;
4)重新排列线段,每次新加入的直线到存储库里边都要对这个直线的起点和终点进行检测,以判断其是不是原本就在库里;
5)对于不在库里的线段判断其斜率与库里边存入的直线的差是否小于阈值,若满足则判断其与相邻直线的距离是否在取值范围内,若在则将其加入到线段的存储库里,并把记录线段个数的值加一;
6)计算出直线之间的交点坐标,将这些点坐标记录下来并进行存储和编号,进而确定车位在图像中的位置。
4.根据权利要求1所述的基于视觉检测的停车场车位自动识别方法,其特征在于,步骤4)中车位占用情况检测算法步骤如下:
1)从经过预处理后的食品图像序列中选取出背景图像,将当前帧的图像与背景图像相减,对处理后的图像进行二值化处理,统计变化像素点的个数S1与阈值TH2进行比较;
2)将图像序列中当前帧与前一帧图像进行相减,对处理后哦的图像进行二值化处理,统计变化像素点的个数S1与阈值TH2进行比较;
3)当同时满足S1>TH1&&S2>TH2时,判定图像中有变化发生;
4)将变化的区域运用投影法,判定其是否在车位区域内,若在则对变化进行下一步的判定,否则继续上述操作;
5)对于确定车位区域有变化发生的图像套用车位状态变化三种判据,变化发生判据K1、变化幅值一致性判据K2、变化比例的一致性判据K3,计算出车位变化的K1、K2、K3的值;
6)定时抽取固定时间段内的三个判据值K1、K2、K3的变化情况,初步判断车位状态是否发生变化;
7)根据变化的情况及时更新背景图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610614897.6A CN107665599A (zh) | 2016-07-28 | 2016-07-28 | 基于视觉检测的停车场车位自动识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610614897.6A CN107665599A (zh) | 2016-07-28 | 2016-07-28 | 基于视觉检测的停车场车位自动识别方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107665599A true CN107665599A (zh) | 2018-02-06 |
Family
ID=61115792
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610614897.6A Withdrawn CN107665599A (zh) | 2016-07-28 | 2016-07-28 | 基于视觉检测的停车场车位自动识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107665599A (zh) |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108418552A (zh) * | 2018-03-20 | 2018-08-17 | 苏州巨能图像检测技术有限公司 | 应用于电池片黑心检测的圆环投影方法 |
CN108898877A (zh) * | 2018-07-02 | 2018-11-27 | 聂影 | 一种基于北斗定位的大型地下停车场停车位的智能搜索*** |
CN110334625A (zh) * | 2019-06-25 | 2019-10-15 | 河北工业大学 | 一种面向自动泊车的停车位视觉识别***及其识别方法 |
CN110427942A (zh) * | 2019-08-09 | 2019-11-08 | 上海天诚比集科技有限公司 | 一种检测区域确定方法 |
CN110766006A (zh) * | 2019-10-24 | 2020-02-07 | 吉林大学 | 一种基于视觉人工智能的无人监管智能停车计费方法 |
CN111428547A (zh) * | 2019-06-24 | 2020-07-17 | 杭州海康威视数字技术股份有限公司 | 车位确定方法及装置 |
CN111739175A (zh) * | 2020-08-11 | 2020-10-02 | 上海高德威智能交通***有限公司 | 一种车辆停车监控方法和装置 |
CN111754468A (zh) * | 2020-06-10 | 2020-10-09 | 深圳南方德尔汽车电子有限公司 | 基于投影的车位检测方法、装置、计算机设备及存储介质 |
CN111814560A (zh) * | 2020-06-10 | 2020-10-23 | 河南观潮智能科技有限公司 | 一种车位状态识别方法、***、介质及设备 |
CN112016517A (zh) * | 2020-09-14 | 2020-12-01 | 西安莱奥信息科技有限公司 | 一种基于机器视觉的车位识别的方法及装置 |
CN112084900A (zh) * | 2020-08-26 | 2020-12-15 | 浙江工业大学 | 一种基于视频分析的地下车库乱停检测方法 |
CN113129634A (zh) * | 2019-12-31 | 2021-07-16 | 中移物联网有限公司 | 一种停车位的获取方法、***及通信设备 |
CN115376356A (zh) * | 2022-07-01 | 2022-11-22 | 国网北京市电力公司 | 车位管理方法、***、电子设备及非易失性存储介质 |
CN117649559A (zh) * | 2023-12-12 | 2024-03-05 | 兰州交通大学 | 一种基于深度学习的智能停车场车位检测*** |
-
2016
- 2016-07-28 CN CN201610614897.6A patent/CN107665599A/zh not_active Withdrawn
Non-Patent Citations (1)
Title |
---|
夏菲: "基于视觉检测的停车场车位自动识别技术研究", 《中国优秀硕士学位论文全文数据库 信息科技辑(月刊)》 * |
Cited By (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108418552A (zh) * | 2018-03-20 | 2018-08-17 | 苏州巨能图像检测技术有限公司 | 应用于电池片黑心检测的圆环投影方法 |
CN108898877A (zh) * | 2018-07-02 | 2018-11-27 | 聂影 | 一种基于北斗定位的大型地下停车场停车位的智能搜索*** |
CN111428547A (zh) * | 2019-06-24 | 2020-07-17 | 杭州海康威视数字技术股份有限公司 | 车位确定方法及装置 |
CN111428547B (zh) * | 2019-06-24 | 2024-03-01 | 杭州海康威视数字技术股份有限公司 | 车位确定方法及装置 |
CN110334625A (zh) * | 2019-06-25 | 2019-10-15 | 河北工业大学 | 一种面向自动泊车的停车位视觉识别***及其识别方法 |
CN110427942A (zh) * | 2019-08-09 | 2019-11-08 | 上海天诚比集科技有限公司 | 一种检测区域确定方法 |
CN110766006A (zh) * | 2019-10-24 | 2020-02-07 | 吉林大学 | 一种基于视觉人工智能的无人监管智能停车计费方法 |
CN110766006B (zh) * | 2019-10-24 | 2022-07-12 | 吉林大学 | 一种基于视觉人工智能的无人监管智能停车计费方法 |
CN113129634A (zh) * | 2019-12-31 | 2021-07-16 | 中移物联网有限公司 | 一种停车位的获取方法、***及通信设备 |
CN113129634B (zh) * | 2019-12-31 | 2022-05-20 | 中移物联网有限公司 | 一种停车位的获取方法、***及通信设备 |
CN111754468A (zh) * | 2020-06-10 | 2020-10-09 | 深圳南方德尔汽车电子有限公司 | 基于投影的车位检测方法、装置、计算机设备及存储介质 |
CN111814560A (zh) * | 2020-06-10 | 2020-10-23 | 河南观潮智能科技有限公司 | 一种车位状态识别方法、***、介质及设备 |
CN111814560B (zh) * | 2020-06-10 | 2023-12-26 | 河南观潮智能科技有限公司 | 一种车位状态识别方法、***、介质及设备 |
CN111739175A (zh) * | 2020-08-11 | 2020-10-02 | 上海高德威智能交通***有限公司 | 一种车辆停车监控方法和装置 |
CN112084900A (zh) * | 2020-08-26 | 2020-12-15 | 浙江工业大学 | 一种基于视频分析的地下车库乱停检测方法 |
CN112016517A (zh) * | 2020-09-14 | 2020-12-01 | 西安莱奥信息科技有限公司 | 一种基于机器视觉的车位识别的方法及装置 |
CN115376356B (zh) * | 2022-07-01 | 2023-11-17 | 国网北京市电力公司 | 车位管理方法、***、电子设备及非易失性存储介质 |
CN115376356A (zh) * | 2022-07-01 | 2022-11-22 | 国网北京市电力公司 | 车位管理方法、***、电子设备及非易失性存储介质 |
CN117649559A (zh) * | 2023-12-12 | 2024-03-05 | 兰州交通大学 | 一种基于深度学习的智能停车场车位检测*** |
CN117649559B (zh) * | 2023-12-12 | 2024-06-14 | 兰州交通大学 | 一种基于深度学习的智能停车场车位检测*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107665599A (zh) | 基于视觉检测的停车场车位自动识别方法 | |
Guo et al. | License plate localization and character segmentation with feedback self-learning and hybrid binarization techniques | |
CN104657735B (zh) | 车道线检测方法、***、车道偏离预警方法及*** | |
CN108038416A (zh) | 车道线检测方法及*** | |
CN104700072B (zh) | 基于车道线历史帧的识别方法 | |
CN104933409A (zh) | 一种基于全景图像点线特征的车位识别方法 | |
CN107862290A (zh) | 车道线检测方法及*** | |
CN111291603B (zh) | 车道线检测方法、装置、***及存储介质 | |
CN103177259A (zh) | 色块识别方法及装置 | |
CN106887004A (zh) | 一种基于块匹配的车道线检测方法 | |
CN107527370B (zh) | 一种基于camshift的目标跟踪方法 | |
CN101408981A (zh) | 一种红外弱小目标检测方法 | |
CN103530622B (zh) | 一种车辆车标识别方法 | |
CN103049788B (zh) | 基于计算机视觉的待过行人数目的检测***及方法 | |
CN106845444A (zh) | 一种基于弧‑点结合的车载井盖检测方法 | |
CN104036516A (zh) | 基于对称性分析的摄像机标定棋盘图像角点检测方法 | |
CN106970360A (zh) | 一种导航雷达多次反射假回波抑制方法 | |
CN105913067A (zh) | 图像轮廓特征的提取方法及其装置 | |
CN105354570A (zh) | 一种车牌左右边界精确定位的方法及*** | |
US7116824B2 (en) | Detection of a pattern in a digital image | |
CN110991255B (zh) | 一种基于深度学习算法的检测***的方法 | |
CN105740796B (zh) | 一种基于灰度直方图的透视变换后车道线图像二值化方法 | |
CN108944926A (zh) | 车外环境识别装置 | |
CN106384103A (zh) | 一种车脸识别方法及装置 | |
Liu et al. | An effective lane detection algorithm for structured road in urban |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20180206 |
|
WW01 | Invention patent application withdrawn after publication |