CN111814560B - 一种车位状态识别方法、***、介质及设备 - Google Patents
一种车位状态识别方法、***、介质及设备 Download PDFInfo
- Publication number
- CN111814560B CN111814560B CN202010523649.7A CN202010523649A CN111814560B CN 111814560 B CN111814560 B CN 111814560B CN 202010523649 A CN202010523649 A CN 202010523649A CN 111814560 B CN111814560 B CN 111814560B
- Authority
- CN
- China
- Prior art keywords
- frame
- image frame
- occupied state
- parking space
- difference
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 30
- 238000012544 monitoring process Methods 0.000 claims abstract description 18
- 238000004364 calculation method Methods 0.000 claims description 8
- 238000004422 calculation algorithm Methods 0.000 claims description 7
- 238000001514 detection method Methods 0.000 claims description 6
- 238000010586 diagram Methods 0.000 description 8
- 230000002085 persistent effect Effects 0.000 description 6
- 238000004590 computer program Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 230000008859 change Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 239000002355 dual-layer Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
- G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
- G06V20/586—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads of parking space
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/123—Traffic control systems for road vehicles indicating the position of vehicles, e.g. scheduled vehicles; Managing passenger vehicles circulating according to a fixed timetable, e.g. buses, trains, trams
- G08G1/127—Traffic control systems for road vehicles indicating the position of vehicles, e.g. scheduled vehicles; Managing passenger vehicles circulating according to a fixed timetable, e.g. buses, trains, trams to a central station ; Indicators in a central station
-
- 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
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Traffic Control Systems (AREA)
Abstract
本公开是关于一种车位状态识别方法、***、介质及设备。该方法包括:获取路边停车位拍摄的监控视频;计算所有图像帧的相邻帧差和平均帧差;选择所有相邻帧差中最大帧差对应的第一图像帧和第二图像帧,以及与前一图像帧帧差最接近于平均帧差的第三图像帧;分别计算第一图像帧与第三图像帧的第一帧差,以及第三图像帧与第二图像帧的第二帧差;识别路边停车位在第三图像帧中的第一占用状态;判断第一图像帧中的第二占用状态和/或在第二图像帧中的第三占用状态。本公开提供的方案,能利用停车位在占用和空闲状态下反映在图像帧的帧差上的明显区别,并结合作为参考的第三个关键图像帧中的车位状态,即可对车位状态进行识别。
Description
技术领域
本公开涉及车位管理技术领域,尤其涉及一种车位状态识别方法、***、介质及设备。
背景技术
相关技术中,对于路边停车位的管理通常采用机器视觉识别的方式来识别车位的停车状态,这种方式需要对路边停车位进行持续识别,消耗的资源较高,且对模型的准确率要求较高,设备成本大。
发明内容
为克服相关技术中存在的问题,本公开提供一种车位状态识别方法、***、介质及设备。
根据本公开实施例的第一方面,提供一种车位状态识别方法,包括:
获取当前时刻之前预设时间段摄像头对路边停车位拍摄的监控视频;
计算所述监控视频中所有图像帧的相邻帧差和平均帧差;
选择所有相邻帧差中最大帧差对应的第一图像帧和第二图像帧,以及与前一图像帧帧差最接近于平均帧差的第三图像帧,作为三个候选关键帧;
分别计算所述第一图像帧与第三图像帧的第一帧差,以及所述第三图像帧与第二图像帧的第二帧差;
通过目标检测算法识别路边停车位在所述第三图像帧中的第一占用状态;
根据所述第一帧差、第二帧差以及第一占用状态,判断路边停车位所述第一图像帧中的第二占用状态和/或在所述第二图像帧中的第三占用状态。
根据本公开实施例的第二方面,提供一种车位状态识别***,包括:
获取模块,用于获取当前时刻之前预设时间段摄像头对路边停车位拍摄的监控视频;
第一计算模块,用于计算所述监控视频中所有图像帧的相邻帧差和平均帧差;
选择模块,用于选择所有相邻帧差中最大帧差对应的第一图像帧和第二图像帧,以及与前一图像帧帧差最接近于平均帧差的第三图像帧,作为三个候选关键帧;
第二计算模块,用于分别计算所述第一图像帧与第三图像帧的第一帧差,以及所述第三图像帧与第二图像帧的第二帧差;
识别模块,用于通过目标检测算法识别路边停车位在所述第三图像帧中的第一占用状态;
第一判断模块,用于根据所述第一帧差、第二帧差以及第一占用状态,判断路边停车位所述第一图像帧中的第二占用状态和/或在所述第二图像帧中的第三占用状态。
根据本公开实施例的第三方面,提供一种终端设备,包括:
处理器;以及
存储器,其上存储有可执行代码,当所述可执行代码被所述处理器执行时,使所述处理器执行如上所述的方法。
根据本公开实施例的第四方面,提供一种非暂时性机器可读存储介质,其上存储有可执行代码,当所述可执行代码被电子设备的处理器执行时,使所述处理器执行如上所述的方法。
本公开的实施例提供的技术方案可以包括以下有益效果:利用停车位在占用和空闲状态下在视频中的明显区别,利用最大的相邻帧差来定位发生占用状态变化的两个关键图像帧,不必持续对车位中的车辆进行识别,另外,通过作为参考的第三个关键图像帧中的车位状态,即可对另外两个关键图像帧中的车位状态进行识别。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本公开。
附图说明
通过结合附图对本公开示例性实施方式进行更详细的描述,本公开的上述以及其它目的、特征和优势将变得更加明显,其中,在本公开示例性实施方式中,相同的参考标号通常代表相同部件。
图1是根据本公开一示例性实施例示出的一种车位状态识别方法的流程示意图;
图2是根据本公开一示例性实施例示出的一种车位状态识别***的结构示意图;
图3是根据本公开一示例性实施例示出的一种计算设备的结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的优选实施方式。虽然附图中显示了本公开的优选实施方式,然而应该理解,可以以各种形式实现本公开而不应被这里阐述的实施方式所限制。相反,提供这些实施方式是为了使本公开更加透彻和完整,并且能够将本公开的范围完整地传达给本领域的技术人员。
在本公开使用的术语是仅仅出于描述特定实施例的目的,而非旨在限制本公开。在本公开和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式,除非上下文清楚地表示其他含义。还应当理解,本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
应当理解,尽管在本公开可能采用术语“第一”、“第二”、“第三”等来描述各种信息,但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如,在不脱离本公开范围的情况下,第一信息也可以被称为第二信息,类似地,第二信息也可以被称为第一信息。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本公开的描述中,“多个”的含义是两个或两个以上,除非另有明确具体的限定。
以下结合附图详细描述本公开实施例的技术方案。
图1是根据本公开一示例性实施例示出的一种车位状态识别方法的流程示意图。
参见图1,该方法包括:
S11、获取当前时刻之前预设时间段摄像头对路边停车位拍摄的监控视频;
S12、计算所述监控视频中所有图像帧的相邻帧差和平均帧差;
S13、选择所有相邻帧差中最大帧差对应的第一图像帧和第二图像帧,以及与前一图像帧帧差最接近于平均帧差的第三图像帧,作为三个候选关键帧;
S14、分别计算所述第一图像帧与第三图像帧的第一帧差,以及所述第三图像帧与第二图像帧的第二帧差;
S15、通过目标检测算法识别路边停车位在所述第三图像帧中的第一占用状态;
S16、根据所述第一帧差、第二帧差以及第一占用状态,判断路边停车位所述第一图像帧中的第二占用状态和/或在所述第二图像帧中的第三占用状态。
本公开的实施例提供的技术方案,利用停车位在占用和空闲状态下在视频中的明显区别,利用最大的相邻帧差来定位发生占用状态变化的两个关键图像帧,不必持续对车位中的车辆进行识别,另外,通过作为参考的第三个关键图像帧中的车位状态,即可对另外两个关键图像帧中的车位状态进行识别。
其中,步骤S16具体包括:
当所述第一帧差处于设定范围内,第二帧差处于设定范围外,并且第一占用状态为占用时,所述第二占用状态为占用,第三占用状态为空闲;
当所述第一帧差处于设定范围内,第二帧差处于设定范围外,并且第一占用状态为空闲时,所述第二占用状态为空闲,第三占用状态为占用;
当所述第一帧差处于设定范围外,第二帧差处于设定范围内,并且第一占用状态为占用时,所述第二占用状态为空闲,第三占用状态为占用;
当所述第一帧差处于设定范围内,第二帧差处于设定范围外,并且第一占用状态为空闲时,所述第二占用状态为占用,第三占用状态为空闲。
具体的,当所述第一帧差处于设定范围内,第二帧差处于设定范围外时,说明第一图像帧与第三图像帧的占用状态相同,反之,当所述第一帧差处于设定范围外,第二帧差处于设定范围内时,,说明第二图像帧与第三图像帧的占用状态相同,从而可以相应确定第一图像帧和第二图像帧中的占用状态。
在上述方法中,还包括:
S17、识别并标记图像帧中物体的轮廓,所述物体至少包括车辆;
在步骤S16之前,还包括:
S18、将在所述第三图像帧的上一图像帧中占用同一停车位的车辆的轮廓放置在第三图像帧中相同的位置,判断在上一图像帧中占用同一泊位的车辆的轮廓与第三图像帧中其他物体的轮廓的重叠部分与在上一图像帧中占用同一泊位的车辆的轮廓的比值是否低于预设比例,若是则执行根据所述第一帧差、第二帧差以及第一占用状态,判断所述第一图像帧或第二图像帧中路边停车位的第二占用状态,否则不执行,并选择与前一图像帧帧差次接近于平均帧差的第四图像帧来替代所述第三图像帧,直至比值低于预设比例。
由于视频中除车位中的车辆外,还有过往的行人车辆等物体,会对占用状态的判断的准确率产生干扰,通过比较上述轮廓重叠部分的比值,当比值较小时,说明干扰物对车位的遮挡程度较小,能够用于判断占用状态,否则就需要重新选取图像帧。
在上述方法中,还包括:
S19、从所述监控视频中截取预先划定的虚拟停车位区域的图像帧;
步骤S12,具体包括:
计算所有所述虚拟停车位区域的图像帧的相邻帧差和平均帧差。
具体的,为了减少计算量,可仅截取预先划定的虚拟停车位区域的图像帧进行帧差计算。
与前述应用功能实现方法实施例相对应,本公开还提供了一种车位状态识别***、终端设备及相应的实施例。
图2是根据本公开一示例性实施例示出的一种车位状态识别***的结构示意图。
参见图2,该***包括:
获取模块,用于获取当前时刻之前预设时间段摄像头对路边停车位拍摄的监控视频;
第一计算模块,用于计算所述监控视频中所有图像帧的相邻帧差和平均帧差;
选择模块,用于选择所有相邻帧差中最大帧差对应的第一图像帧和第二图像帧,以及与前一图像帧帧差最接近于平均帧差的第三图像帧,作为三个候选关键帧;
第二计算模块,用于分别计算所述第一图像帧与第三图像帧的第一帧差,以及所述第三图像帧与第二图像帧的第二帧差;
识别模块,用于通过目标检测算法识别路边停车位在所述第三图像帧中的第一占用状态;
第一判断模块,用于根据所述第一帧差、第二帧差以及第一占用状态,判断路边停车位所述第一图像帧中的第二占用状态和/或在所述第二图像帧中的第三占用状态。
上述***中,所述第一判断模块,具体用于:
当所述第一帧差处于设定范围内,第二帧差处于设定范围外,并且第一占用状态为占用时,所述第二占用状态为占用,第三占用状态为空闲;
当所述第一帧差处于设定范围内,第二帧差处于设定范围外,并且第一占用状态为空闲时,所述第二占用状态为空闲,第三占用状态为占用;
当所述第一帧差处于设定范围外,第二帧差处于设定范围内,并且第一占用状态为占用时,所述第二占用状态为空闲,第三占用状态为占用;
当所述第一帧差处于设定范围内,第二帧差处于设定范围外,并且第一占用状态为空闲时,所述第二占用状态为占用,第三占用状态为空闲。
上述***中,还包括:
识别标记模块,用于识别并标记图像帧中物体的轮廓,所述物体至少包括车辆;
第二判断模块,用于在所述第一判断模块根据所述第一帧差、第二帧差以及第一占用状态,判断路边停车位所述第一图像帧中的第二占用状态和/或在所述第二图像帧中的第三占用状态之前,将在所述第三图像帧的上一图像帧中占用同一停车位的车辆的轮廓放置在第三图像帧中相同的位置,判断在上一图像帧中占用同一泊位的车辆的轮廓与第三图像帧中其他物体的轮廓的重叠部分与在上一图像帧中占用同一泊位的车辆的轮廓的比值是否低于预设比例,若是则调用所述第一判断模块,否则不调用,并选择与前一图像帧帧差次接近于平均帧差的第四图像帧来替代所述第三图像帧,直至比值低于预设比例。
上述***中,还包括:
截取模块,用于从所述监控视频中截取预先划定的虚拟停车位区域的图像帧;
所述第一计算模块,具体用于:
计算所有所述虚拟停车位区域的图像帧的相邻帧差和平均帧差。关于上述实施例中的装置,其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述,此处将不再做详细阐述说明。
图3是根据本公开一示例性实施例示出的一种计算设备的结构示意图。
参见图3,计算设备300包括存储器310和处理器320。
处理器320可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
存储器310可以包括各种类型的存储单元,例如***内存、只读存储器(ROM),和永久存储装置。其中,ROM可以存储处理器320或者计算机的其他模块需要的静态数据或者指令。永久存储装置可以是可读写的存储装置。永久存储装置可以是即使计算机断电后也不会失去存储的指令和数据的非易失性存储设备。在一些实施方式中,永久性存储装置采用大容量存储装置(例如磁或光盘、闪存)作为永久存储装置。另外一些实施方式中,永久性存储装置可以是可移除的存储设备(例如软盘、光驱)。***内存可以是可读写存储设备或者易失性可读写存储设备,例如动态随机访问内存。***内存可以存储一些或者所有处理器在运行时需要的指令和数据。此外,存储器310可以包括任意计算机可读存储媒介的组合,包括各种类型的半导体存储芯片(DRAM,SRAM,SDRAM,闪存,可编程只读存储器),磁盘和/或光盘也可以采用。在一些实施方式中,存储器310可以包括可读和/或写的可移除的存储设备,例如激光唱片(CD)、只读数字多功能光盘(例如DVD-ROM,双层DVD-ROM)、只读蓝光光盘、超密度光盘、闪存卡(例如SD卡、min SD卡、Micro-SD卡等等)、磁性软盘等等。计算机可读存储媒介不包含载波和通过无线或有线传输的瞬间电子信号。
存储器310上存储有可执行代码,当可执行代码被处理器320处理时,可以使处理器320执行上文述及的方法中的部分或全部。
上文中已经参考附图详细描述了本公开的方案。在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详细描述的部分,可以参见其他实施例的相关描述。本领域技术人员也应该知悉,说明书中所涉及的动作和模块并不一定是本发明所必须的。另外,可以理解,本公开实施例方法中的步骤可以根据实际需要进行顺序调整、合并和删减,本公开实施例装置中的模块可以根据实际需要进行合并、划分和删减。
此外,根据本公开的方法还可以实现为一种计算机程序或计算机程序产品,该计算机程序或计算机程序产品包括用于执行本公开的上述方法中部分或全部步骤的计算机程序代码指令。
或者,本公开还可以实施为一种非暂时性机器可读存储介质(或计算机可读存储介质、或机器可读存储介质),其上存储有可执行代码(或计算机程序、或计算机指令代码),当所述可执行代码(或计算机程序、或计算机指令代码)被电子设备(或计算设备、服务器等)的处理器执行时,使所述处理器执行根据本公开的上述方法的各个步骤的部分或全部。
本领域技术人员还将明白的是,结合这里的公开所描述的各种示例性逻辑块、模块、电路和算法步骤可以被实现为电子硬件、计算机软件或两者的组合。
附图中的流程图和框图显示了根据本公开的多个实施例的***和方法的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分,所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标记的功能也可以以不同于附图中所标记的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的***来实现,或者可以用专用硬件与计算机指令的组合来实现。
以上已经描述了本公开的各实施例,上述说明是示例性的,并非穷尽性的,并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下,对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择,旨在最好地解释各实施例的原理、实际应用或对市场中的技术的改进,或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。
Claims (8)
1.一种车位状态识别方法,其特征在于,包括:
获取当前时刻之前预设时间段摄像头对路边停车位拍摄的监控视频;
计算所述监控视频中所有图像帧的相邻帧差和平均帧差;
选择所有相邻帧差中最大帧差对应的第一图像帧和第二图像帧,以及与前一图像帧帧差最接近于平均帧差的第三图像帧,作为三个候选关键帧;
分别计算所述第一图像帧与第三图像帧的第一帧差,以及所述第三图像帧与第二图像帧的第二帧差;
通过目标检测算法识别路边停车位在所述第三图像帧中的第一占用状态;
根据所述第一帧差、第二帧差以及第一占用状态,判断路边停车位所述第一图像帧中的第二占用状态和/或在所述第二图像帧中的第三占用状态;
还包括:识别并标记图像帧中物体的轮廓,所述物体至少包括车辆;
在根据所述第一帧差、第二帧差以及第一占用状态,判断路边停车位所述第一图像帧中的第二占用状态和/或在所述第二图像帧中的第三占用状态之前,还包括:
将在所述第三图像帧的上一图像帧中占用同一停车位的车辆的轮廓放置在第三图像帧中相同的位置,判断在上一图像帧中占用同一泊位的车辆的轮廓与第三图像帧中其他物体的轮廓的重叠部分与在上一图像帧中占用同一泊位的车辆的轮廓的比值是否低于预设比例,若是则执行根据所述第一帧差、第二帧差以及第一占用状态,判断所述第一图像帧或第二图像帧中路边停车位的第二占用状态,否则不执行,并选择与前一图像帧帧差次接近于平均帧差的第四图像帧来替代所述第三图像帧,直至比值低于预设比例。
2.根据权利要求1所述的一种车位状态识别方法,其特征在于,所述根据所述第一帧差、第二帧差以及第一占用状态,判断路边停车位所述第一图像帧中的第二占用状态和/或在所述第二图像帧中的第三占用状态,具体包括:
当所述第一帧差处于设定范围内,第二帧差处于设定范围外,并且第一占用状态为占用时,所述第二占用状态为占用,第三占用状态为空闲;
当所述第一帧差处于设定范围内,第二帧差处于设定范围外,并且第一占用状态为空闲时,所述第二占用状态为空闲,第三占用状态为占用;
当所述第一帧差处于设定范围外,第二帧差处于设定范围内,并且第一占用状态为占用时,所述第二占用状态为空闲,第三占用状态为占用;
当所述第一帧差处于设定范围内,第二帧差处于设定范围外,并且第一占用状态为空闲时,所述第二占用状态为占用,第三占用状态为空闲。
3.根据权利要求1或2所述的一种车位状态识别方法,其特征在于,还包括:
从所述监控视频中截取预先划定的虚拟停车位区域的图像帧;
所述计算所述监控视频中所有图像帧的相邻帧差和平均帧差,具体包括:
计算所有所述虚拟停车位区域的图像帧的相邻帧差和平均帧差。
4.一种车位状态识别***,其特征在于,包括:
获取模块,用于获取当前时刻之前预设时间段摄像头对路边停车位拍摄的监控视频;
第一计算模块,用于计算所述监控视频中所有图像帧的相邻帧差和平均帧差;
选择模块,用于选择所有相邻帧差中最大帧差对应的第一图像帧和第二图像帧,以及与前一图像帧帧差最接近于平均帧差的第三图像帧,作为三个候选关键帧;
第二计算模块,用于分别计算所述第一图像帧与第三图像帧的第一帧差,以及所述第三图像帧与第二图像帧的第二帧差;
识别模块,用于通过目标检测算法识别路边停车位在所述第三图像帧中的第一占用状态;
第一判断模块,用于根据所述第一帧差、第二帧差以及第一占用状态,判断路边停车位所述第一图像帧中的第二占用状态和/或在所述第二图像帧中的第三占用状态;
还包括:
识别标记模块,用于识别并标记图像帧中物体的轮廓,所述物体至少包括车辆;
第二判断模块,用于在所述第一判断模块根据所述第一帧差、第二帧差以及第一占用状态,判断路边停车位所述第一图像帧中的第二占用状态和/或在所述第二图像帧中的第三占用状态之前,将在所述第三图像帧的上一图像帧中占用同一停车位的车辆的轮廓放置在第三图像帧中相同的位置,判断在上一图像帧中占用同一泊位的车辆的轮廓与第三图像帧中其他物体的轮廓的重叠部分与在上一图像帧中占用同一泊位的车辆的轮廓的比值是否低于预设比例,若是则调用所述第一判断模块,否则不调用,并选择与前一图像帧帧差次接近于平均帧差的第四图像帧来替代所述第三图像帧,直至比值低于预设比例。
5.根据权利要求4所述的一种车位状态识别***,其特征在于,所述第一判断模块,具体用于:
当所述第一帧差处于设定范围内,第二帧差处于设定范围外,并且第一占用状态为占用时,所述第二占用状态为占用,第三占用状态为空闲;
当所述第一帧差处于设定范围内,第二帧差处于设定范围外,并且第一占用状态为空闲时,所述第二占用状态为空闲,第三占用状态为占用;
当所述第一帧差处于设定范围外,第二帧差处于设定范围内,并且第一占用状态为占用时,所述第二占用状态为空闲,第三占用状态为占用;
当所述第一帧差处于设定范围内,第二帧差处于设定范围外,并且第一占用状态为空闲时,所述第二占用状态为占用,第三占用状态为空闲。
6.根据权利要求4或5所述的一种车位状态识别***,其特征在于,还包括:
截取模块,用于从所述监控视频中截取预先划定的虚拟停车位区域的图像帧;
所述计算模块,具体用于:
计算所有所述虚拟停车位区域的图像帧的相邻帧差和平均帧差。
7.一种终端设备,其特征在于,包括:
处理器;以及
存储器,其上存储有可执行代码,当所述可执行代码被所述处理器执行时,使所述处理器执行如权利要求1-3中任一项所述的方法。
8.一种非暂时性机器可读存储介质,其上存储有可执行代码,当所述可执行代码被电子设备的处理器执行时,使所述处理器执行如权利要求1-3中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010523649.7A CN111814560B (zh) | 2020-06-10 | 2020-06-10 | 一种车位状态识别方法、***、介质及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010523649.7A CN111814560B (zh) | 2020-06-10 | 2020-06-10 | 一种车位状态识别方法、***、介质及设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111814560A CN111814560A (zh) | 2020-10-23 |
CN111814560B true CN111814560B (zh) | 2023-12-26 |
Family
ID=72845694
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010523649.7A Active CN111814560B (zh) | 2020-06-10 | 2020-06-10 | 一种车位状态识别方法、***、介质及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111814560B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101656023A (zh) * | 2009-08-26 | 2010-02-24 | 西安理工大学 | 一种视频监视模式下的室内停车场管理方法 |
CN101978696A (zh) * | 2008-03-18 | 2011-02-16 | 英特尔公司 | 使用数字摄像机捕获事件信息 |
KR101031995B1 (ko) * | 2010-08-16 | 2011-05-02 | (유)티에스산업개발 | 어린이보호구역내 명시적 안전교통 지도시스템 |
CN104236866A (zh) * | 2014-09-01 | 2014-12-24 | 南京林业大学 | 基于行车方向的汽车前照灯检测数据误差纠正方法 |
JP2015185135A (ja) * | 2014-03-26 | 2015-10-22 | 株式会社Jvcケンウッド | 停車認識装置、停車認識方法及びプログラム |
JP2017001638A (ja) * | 2015-06-16 | 2017-01-05 | 西日本旅客鉄道株式会社 | 画像処理を利用した列車位置検出システムならびに画像処理を利用した列車位置および環境変化検出システム |
CN106504580A (zh) * | 2016-12-07 | 2017-03-15 | 深圳市捷顺科技实业股份有限公司 | 一种车位检测方法及装置 |
CN106677094A (zh) * | 2017-03-27 | 2017-05-17 | 深圳市捷顺科技实业股份有限公司 | 一种道闸控制方法及装置 |
CN107665599A (zh) * | 2016-07-28 | 2018-02-06 | 北海和思科技有限公司 | 基于视觉检测的停车场车位自动识别方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TW201221391A (en) * | 2010-11-26 | 2012-06-01 | Hon Hai Prec Ind Co Ltd | Vehicle and backing up method thereof |
-
2020
- 2020-06-10 CN CN202010523649.7A patent/CN111814560B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101978696A (zh) * | 2008-03-18 | 2011-02-16 | 英特尔公司 | 使用数字摄像机捕获事件信息 |
CN101656023A (zh) * | 2009-08-26 | 2010-02-24 | 西安理工大学 | 一种视频监视模式下的室内停车场管理方法 |
KR101031995B1 (ko) * | 2010-08-16 | 2011-05-02 | (유)티에스산업개발 | 어린이보호구역내 명시적 안전교통 지도시스템 |
JP2015185135A (ja) * | 2014-03-26 | 2015-10-22 | 株式会社Jvcケンウッド | 停車認識装置、停車認識方法及びプログラム |
CN104236866A (zh) * | 2014-09-01 | 2014-12-24 | 南京林业大学 | 基于行车方向的汽车前照灯检测数据误差纠正方法 |
JP2017001638A (ja) * | 2015-06-16 | 2017-01-05 | 西日本旅客鉄道株式会社 | 画像処理を利用した列車位置検出システムならびに画像処理を利用した列車位置および環境変化検出システム |
CN107665599A (zh) * | 2016-07-28 | 2018-02-06 | 北海和思科技有限公司 | 基于视觉检测的停车场车位自动识别方法 |
CN106504580A (zh) * | 2016-12-07 | 2017-03-15 | 深圳市捷顺科技实业股份有限公司 | 一种车位检测方法及装置 |
CN106677094A (zh) * | 2017-03-27 | 2017-05-17 | 深圳市捷顺科技实业股份有限公司 | 一种道闸控制方法及装置 |
Non-Patent Citations (4)
Title |
---|
基于数字图像处理技术的汽车轮廓提取;刘光蓉, 管庶安, 周红;计算机与数字工程(04);全文 * |
基于机器视觉的高速公路车辆停车检测;颜江峰;毛恩荣;;计算机工程与设计(16);全文 * |
物联模式下的停车引导***;屈俞岐;曹佳乐;杨彭晨;;物联网技术(12);第43-45页 * |
视觉的车位智能识别研究;杨泷迪;姜月秋;高宏伟;;沈阳理工大学学报(01);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN111814560A (zh) | 2020-10-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111627009A (zh) | 一种屏幕检测方法、装置及头戴显示设备 | |
CN110689134A (zh) | 执行机器学习过程的方法、装置、设备以及存储介质 | |
CN111930874A (zh) | 一种数据采集方法及电子设备 | |
CN112991349B (zh) | 图像处理方法、装置、设备和存储介质 | |
CN109102026A (zh) | 一种车辆图像检测方法、装置及*** | |
CN111814560B (zh) | 一种车位状态识别方法、***、介质及设备 | |
CN111562973B (zh) | 一种地图数据任务执行方法及电子设备 | |
CN113160572A (zh) | 一种租车违章管理方法、装置和计算设备 | |
CN117197796A (zh) | 一种车辆遮挡识别方法及相关装置 | |
CN112330376A (zh) | 广告投放方法、广告投放***、电子设备和存储介质 | |
CN111928868A (zh) | 导航地图道路名称显示方法、装置及电子设备 | |
CN110555344B (zh) | 车道线识别方法、装置、电子设备、存储介质 | |
CN113642521B (zh) | 红绿灯识别质量的评价方法、装置和电子设备 | |
CN111856468A (zh) | 检测方法、装置、设备、***及存储介质 | |
CN114397671A (zh) | 目标的航向角平滑方法、装置及计算机可读存储介质 | |
CN116092039B (zh) | 自动驾驶仿真***的显示控制方法及装置 | |
CN112749677A (zh) | 玩手机行为识别方法、装置和电子设备 | |
CN111882519A (zh) | 一种车灯识别的方法及装置 | |
CN111046820A (zh) | 汽车滚装船中车辆的统计方法、装置及智能终端 | |
CN113538546B (zh) | 用于自动驾驶的目标检测方法、装置及设备 | |
CN114152262B (zh) | 导流带的生成方法、装置及设备 | |
CN112906424B (zh) | 图像识别方法、装置及设备 | |
CN113313770A (zh) | 行车记录仪的标定方法及其装置 | |
CN112288908B (zh) | 一种行车记录仪的时间生成方法及装置 | |
CN116448140A (zh) | 基于道路边缘检测的导航线生成方法及相关装置 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |