CN112560814A - 一种车辆进出停车位的识别方法 - Google Patents

一种车辆进出停车位的识别方法 Download PDF

Info

Publication number
CN112560814A
CN112560814A CN202110192625.2A CN202110192625A CN112560814A CN 112560814 A CN112560814 A CN 112560814A CN 202110192625 A CN202110192625 A CN 202110192625A CN 112560814 A CN112560814 A CN 112560814A
Authority
CN
China
Prior art keywords
vehicle
coordinate
parking space
coordinates
area
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.)
Pending
Application number
CN202110192625.2A
Other languages
English (en)
Inventor
徐慧婷
钟富群
何松山
程富超
郭良刚
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Chengdu Shenya Technology Co ltd
Original Assignee
Chengdu Shenya Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Chengdu Shenya Technology Co ltd filed Critical Chengdu Shenya Technology Co ltd
Priority to CN202110192625.2A priority Critical patent/CN112560814A/zh
Publication of CN112560814A publication Critical patent/CN112560814A/zh
Pending legal-status Critical Current

Links

Images

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
    • 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
    • G06V20/584—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads of vehicle lights or traffic lights
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/017—Detecting movement of traffic to be counted or controlled identifying vehicles
    • G08G1/0175—Detecting movement of traffic to be counted or controlled identifying vehicles by photographing vehicles, e.g. when violating traffic rules
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V2201/00—Indexing scheme relating to image or video recognition or understanding
    • G06V2201/08—Detecting or categorising vehicles

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明公开了一种车辆进出停车位的识别方法，包括获取监控影像，建立二维坐标系；确定责任停车位，每个责任停车位获得对应的坐标区域；每间隔预设周期从现场视频中截取现场图像，获得每个现场图像中每个车辆的车辆二维坐标；判断每个现场图像中车辆二维坐标是否与停车位坐标集合具有交点，获得坐标交集，并计算出坐标交集面积，即车辆与停车位的重合面积；根据坐标交集面积和车辆面积的比例，计算车辆与停车位坐标集合的重合度，并从连续多帧图像中重合度的变化趋势判断车辆的状态。本发明识别车辆进出停车场的方法是通过摄像机和分析模块完成的，不需要在现场配置管理人员，能够大大降低人力管理成本，具有更高的识别效率。

Description

一种车辆进出停车位的识别方法
技术领域
本发明涉及智能停车技术领域，具体涉及到一种车辆进出停车位的识别方法。
背景技术
随着城市化进程的完善，城市中的停车位也越来越多，大部分停车位属于付费停车，即在规定时间段内或者所有时间段内进行停车均会发生停车费用。现有的停车收费***根据车位所在位置有显著不同，例如道路两边的停车位，往往是在停车位上安装地磁装置，停车位附近安排有至少一名停车管理员，由停车管理员进行拍照，确认入场时间和出场时间。另一种是停车场的停车位，这类停车位往往是设置在地下车库或者地面车库，设置有停车场入口和停车场出口，通过在出入口出设置闸机来检测车辆的进入和离场时间，进而计算出相关费用。
由此可见，无论是路侧停车位还是具有出入口的封闭停车场，均需要通过一定手段来获取车辆进出场的信息，进而根据进出场的时间差来计算对应的停车时间。
针对于路侧停车，现有技术中常规方法是通过地磁感应和管理员人工操作来确认车辆的出入场时间；这种方法的自动化程度较低，需要耗费大量的人力成本。
发明内容
本发明的目的是提供一种车辆进出停车位的识别方法。
为达上述目的，本发明的一个实施例中提供了一种车辆进出停车位的识别方法，包括以下步骤：
步骤（1）在停车位周边部署摄像机；获取监控区域的监控影像，将监控影像映射到二维坐标中，建立二维坐标系；
步骤（2）从监控影像中的所有停车位中确定责任停车位，在二维坐标系中将所有责任停车位进行标记，每个责任停车位获得对应的坐标区域，所有责任停车位的坐标区域标记为停车位坐标集合，其余坐标区域标记为非停车位坐标集合；
步骤（3）获取现场视频信息，并对视频中的物体进行分析，识别出车辆和非车辆物体，将识别出的车辆进行标记；
步骤（4）每间隔预设周期从现场视频中截取现场图像，并将每个现场图像中被标记的车辆从三维映射到二维模型，获得每个现场图像中每个车辆的车辆二维坐标；
步骤（5）判断每个现场图像中车辆二维坐标是否与停车位坐标集合具有交点，识别交点坐标中的拐点坐标，获得坐标交集，并计算出坐标交集面积，即车辆与停车位的重合面积；
步骤（6）根据坐标交集面积和车辆面积的比例，计算车辆与停车位坐标集合的重合度，并从连续多帧图像中重合度的变化趋势判断车辆的状态；
当重合度逐渐增加且未达到最高阈值时，判断车辆入场，此时持续抓取入场动作，持续获取车牌信息；
当重合度达到最高阈值且车辆未移动时，判断车辆停车成功，记录车辆的入场信息；
当重合度从最高阈值逐渐降低时，判断车辆出场，此时持续抓取出场动作，持续获取车牌信息；
当重合度达到最低阈值时，判断车辆出场成功，记录车辆的出场信息。
本发明优选的，步骤（2）中的二维坐标系，以停车位的长度方向为横坐标，宽度方向为纵坐标。
本发明优选的，步骤（5）中车辆二维坐标与停车位坐标集合的拐点坐标与相邻的交点坐标的横坐标和纵坐标均不相同；坐标交集面积或者车辆与停车位的重合面积的算法为：
Figure 100002_DEST_PATH_IMAGE001
坐标交集中包括n个拐点坐标，依次为第1个拐点坐标、第2个拐点坐标、第
Figure 386303DEST_PATH_IMAGE002
个拐点坐标至第n个拐点坐标；
其中，S为坐标交集面积，
Figure 100002_DEST_PATH_IMAGE003
为第
Figure 837532DEST_PATH_IMAGE002
个拐点坐标
Figure 617269DEST_PATH_IMAGE002
的横坐标，
Figure 809216DEST_PATH_IMAGE004
为第
Figure 358009DEST_PATH_IMAGE002
个拐点坐标
Figure 977209DEST_PATH_IMAGE002
的纵坐标。
本发明优选的，步骤（6）中车辆的入场信息包括车辆的车牌信息、入场时间、入场照片。
本发明优选的，步骤（6）中重合度的最高阈值为100%，最低阈值为0%。
综上，本发明具有以下优点：
本发明通过将车辆从三维映射到二维，构建二维坐标系；通过车辆的二维坐标系来判断车辆与停车位的重合区域面积，进而判断车辆是否进入停车位，通过判断重合度的变化趋势，能够判断车辆的停车状态，同时对车辆的信息进行识别，从而能够获取车辆进场和出场的相关信息，便于完成车辆的计费。
本发明识别车辆进出停车场的方法是通过摄像机和分析模块完成的，不需要在现场配置管理人员，能够大大降低人力管理成本，具有更高的识别效率。
附图说明
图1为本发明一个实施例中车辆进出停车位的识别方法的流程图；
图2为本发明一个实施例中摄像机的安装示意图；
图3为本发明一个实施例中三个处于不同入场状态时的车辆重合度的示意图；
图4为本发明一个实施例中三个处于不同离场状态时的车辆重合度的示意图；
图5为本发明一个实施例中拐点的示意图。
具体实施方式
参考图1和图2，本发明提供了本发明的一个实施例中提供了一种车辆进出停车位的识别方法，包括以下步骤：
步骤（1）在停车位周边部署摄像机；获取监控区域的监控影像，将监控影像映射到二维坐标中，建立二维坐标系。
本发明适用于开放的停车场，即未设置进出口、未在进出口设置闸机的停车场，例如路侧的停车场。摄像机和配置的存储模块和数据分析模块通过龙门架安装后，需要对每个摄像机的安装角度进行调节。
本发明的二维坐标系，可以以停车位的长度方向或者街道路沿为横坐标，以停车位的宽度方向或者道路的轴向方向为纵坐标；以道路路沿和停车位内侧的交点处为原点。
二维坐标系的建立方法，可以是安装摄像机确定安装角度后，拍摄一张图像，然后对该图像进行识别和处理，由于停车位往往是划线标记，往往是平面的，因此可以直接对拍摄的图像进行二维处理后，建立二维坐标系。
步骤（2）从监控影像中的所有停车位中确定责任停车位，在二维坐标系中将所有责任停车位进行标记，每个责任停车位获得对应的坐标区域，所有责任停车位的坐标区域标记为停车位坐标集合，其余坐标区域标记为非停车位坐标集合。
步骤（3）获取现场视频信息，并对视频中的物体进行分析，识别出车辆和非车辆物体，将识别出的车辆进行标记。
本发明的视频分析终端首先需要从监控影像中选择该视频分析终端负责监控的责任停车位，在二维坐标系中将所有责任停车位进行标记，每个责任停车位获得对应的坐标区域。
所有责任停车位的坐标区域标记为停车位坐标集合，其余坐标区域标记为非停车位坐标集合。这个停车位坐标集合可以是连续的，也可以是非连续的，当停车位本身是连续设置的情况下，则停车位坐标集合是连续的。对于常规情况，停车位大多是连续设置的，因此停车位坐标集合在这种情况下也是连续的。
现有技术中的摄像机等前端设备大多仅仅具有信息采集功能，将采集到的信息发送至服务器，然后通过服务器来进行识别、逻辑运算等处理过程；然而这种处理方式将会大大增加服务器平台的运算压力，同时不方便前端调节。
例如，前端的硬件设备摄像机等可能需要更换或者调试，摄像机的更换、调整和调试将会影响拍摄角度，进而需要调节二维坐标系。现有技术的这种处理方式，若是摄像机发送了调节，则需要通过服务器平台或者后台来进行调整，由于后台服务器往往与前端摄像机不在同一场地，摄像机的安装地点也不固定，分布非常广泛；因此，现有技术不能够解决方便快速的调节摄像机，本发明在前端将摄像机和视频分析模块共同安装在停车场区域，将涉及到视频图像的分析和处理模块放置在前端，能够在摄像机调整的时候同时调整相关问题，使得输出结果能够与调试前保持一致，避免出现误差。
同时，本发明前端的视频分析终端采用的二维坐标体系可以使用同样的方法建立，但是每个视频分析终端的计算是独立的，这样便于数据的调取和测试。
步骤（4）每间隔预设周期从现场视频中截取现场图像，并将每个现场图像中被标记的车辆从三维映射到二维模型，获得每个现场图像中每个车辆的车辆二维坐标。
本发明的视频分析终端包括摄像机、存储模块和分析模块，本发明的所有分析逻辑运算部分可以通过分析模块完成。
分析模块每间隔预设周期从现场视频中截取现场图像，并将每个现场图像中的车辆从三维映射到二维模型，获得每个现场图像中每个车辆的车辆二维坐标。这个周期可以按照每间隔几秒进行截取现场图像，也可以设置更小的间隔时间，将每祯图像都获取；这样就可以实时获得每张图像，不会发生误差，但是计算量会增加。
每张截取的现场图像中，车辆是三维的，因此需要将标记出来的车辆进行三维模型到二维模型的映射，即将三维模型的俯视图作为二维模型；这样即能够将车辆关联到二维坐标系中。
步骤（5）判断每个现场图像中车辆二维坐标是否与停车位坐标集合具有交点，识别交点坐标中的拐点坐标，获得坐标交集，并计算出坐标交集面积，即车辆与停车位的重合面积。
每张现场图像中，车辆可以看作一个二维坐标的集合，这个二维坐标集合中具有很多具体的坐标点。当车辆与停车位重合后，车辆的二维坐标集合将会与停车位坐标集合出现重合点，即交点。当车辆与停车位的重合度越高时，则两者的交点将会越高。
车辆的二维坐标集合形成的曲线与车辆的外形是对应的，车辆俯视图或者映射二维图一般近似于长方形。本发明中的拐点可以理解为曲线上切线角度发生变化的点。当一条线是直线时，其X轴或者Y轴上至少有一个值是不变的，当一条线是曲线时，其X轴和Y轴上的坐标值均是变化的。因此，拐点应该是非直线上的点。为了适当减少拐点，减少运算量，可以在建立车辆的二维坐标时，将车辆矩形化，即将车辆圆弧形的部分修正为直线段即可。
例如本发明的附图5中，对拐点进行了解释。图5中为车辆进入车位过程中的现场图像，其中坐标a、b、c、d，这四个坐标的横纵坐标值与车辆的其他坐标都不相同，且是两个直线的交接处，此处的切线角度也发生变化，因此上述坐标点为拐点。
步骤（6）根据坐标交集面积和车辆面积的比例，计算车辆与停车位坐标集合的重合度，并从连续多帧图像中重合度的变化趋势判断车辆的状态。
参考图3和图4，车辆进入到停车位后，由于停车位的大小是固定的，但是车辆的大小是不相同的，因此本发明的重合度计算是以车辆面积作为分母，坐标交集面积作为分子，两者的比值即可得到重合度数据。当车辆的重合度越高时，表示车辆进入车位的面积更大。
当重合度逐渐增加且未达到最高阈值时，判断车辆入场，此时持续抓取入场动作，持续获取车牌信息。
此时则表明车辆进行入场动作，此时可以将对应的现场图像截取后进行存档，以获取车牌信息，并可以根据多张现在图像来对比确定车牌信息。
当重合度达到最高阈值且车辆未移动时，判断车辆停车成功，记录车辆的入场信息；
当重合度从最高阈值逐渐降低时，判断车辆出场，此时持续抓取出场动作，持续获取车牌信息；
当重合度达到最低阈值时，判断车辆出场成功，记录车辆的出场信息。
本发明中，步骤（2）中的二维坐标系，以停车位的长度方向为横坐标，宽度方向为纵坐标。
本发明中，步骤（5）中车辆二维坐标与停车位坐标集合的拐点坐标与相邻的交点坐标的横坐标和纵坐标均不相同；坐标交集面积或者车辆与停车位的重合面积的算法为：
Figure 244242DEST_PATH_IMAGE001
坐标交集中包括n个拐点坐标，依次为第1个拐点坐标、第2个拐点坐标、第
Figure 177563DEST_PATH_IMAGE002
个拐点坐标至第n个拐点坐标；
其中，S为坐标交集面积，
Figure 643180DEST_PATH_IMAGE003
为第
Figure 370964DEST_PATH_IMAGE002
个拐点坐标
Figure 922031DEST_PATH_IMAGE002
的横坐标，
Figure 659043DEST_PATH_IMAGE004
为第
Figure 916849DEST_PATH_IMAGE002
个拐点坐标
Figure 143431DEST_PATH_IMAGE002
的纵坐标。
本发明中，步骤（6）中车辆入场信息包括车辆的车牌信息、入场时间、入场照片。
本发明中，步骤（6）中重合度的最高阈值为100%，最低阈值为0%。

Claims (5)

1.一种车辆进出停车位的识别方法，其特征在于，包括以下步骤：
步骤（1）在停车位周边部署摄像机；获取监控区域的监控影像，将监控影像映射到二维坐标中，建立二维坐标系；
步骤（2）从监控影像中的所有停车位中确定责任停车位，在二维坐标系中将所有责任停车位进行标记，每个责任停车位获得对应的坐标区域，所有责任停车位的坐标区域标记为停车位坐标集合，其余坐标区域标记为非停车位坐标集合；
步骤（3）获取现场视频信息，并对视频中的物体进行分析，识别出车辆和非车辆物体，将识别出的车辆进行标记；
步骤（4）每间隔预设周期从现场视频中截取现场图像，并将每个现场图像中被标记的车辆从三维映射到二维模型，获得每个现场图像中每个车辆的车辆二维坐标；
步骤（5）判断每个现场图像中车辆二维坐标是否与停车位坐标集合具有交点，识别交点坐标中的所有拐点坐标，获得坐标交集，并计算出坐标交集面积，即车辆与停车位的重合面积；
步骤（6）根据坐标交集面积和车辆面积的比例，计算车辆与停车位坐标集合的重合度，并从连续多帧图像中重合度的变化趋势判断车辆的状态；
当重合度逐渐增加且未达到最高阈值时，判断车辆入场，此时持续抓取入场动作，持续获取车牌信息；
当重合度达到最高阈值且车辆未移动时，判断车辆停车成功，记录车辆的入场信息；
当重合度从最高阈值逐渐降低时，判断车辆出场，此时持续抓取出场动作，持续获取车牌信息；
当重合度达到最低阈值时，判断车辆出场成功，记录车辆的出场信息。
2.如权利要求1所述的车辆进出停车位的识别方法，其特征在于：所述步骤（2）中的二维坐标系，以停车位的长度方向为横坐标，宽度方向为纵坐标。
3.如权利要求1所述的车辆进出停车位的识别方法，其特征在于：所述步骤（5）中车辆二维坐标与停车位坐标集合的拐点坐标与相邻的交点坐标的横坐标和纵坐标均不相同；所述坐标交集面积或者车辆与停车位的重合面积的算法为：
Figure DEST_PATH_IMAGE001
坐标交集中包括n个拐点坐标，依次为第1个拐点坐标、第2个拐点坐标、第
Figure 888638DEST_PATH_IMAGE002
个拐点坐标至第n个拐点坐标；
其中，S为坐标交集面积，
Figure DEST_PATH_IMAGE003
为第
Figure 274620DEST_PATH_IMAGE002
个拐点坐标
Figure 54357DEST_PATH_IMAGE002
的横坐标，
Figure 666210DEST_PATH_IMAGE004
为第
Figure 480583DEST_PATH_IMAGE002
个拐点坐标
Figure 771887DEST_PATH_IMAGE002
的纵坐标。
4.如权利要求1所述的车辆进出停车位的识别方法，其特征在于：所述步骤（6）中车辆的入场信息包括车辆的车牌信息、入场时间、入场照片。
5.如权利要求1所述的车辆进出停车位的识别方法，其特征在于：所述步骤（6）中重合度的最高阈值为100%，最低阈值为0%。
CN202110192625.2A 2021-02-20 2021-02-20 一种车辆进出停车位的识别方法 Pending CN112560814A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110192625.2A CN112560814A (zh) 2021-02-20 2021-02-20 一种车辆进出停车位的识别方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110192625.2A CN112560814A (zh) 2021-02-20 2021-02-20 一种车辆进出停车位的识别方法

Publications (1)

Publication Number Publication Date
CN112560814A true CN112560814A (zh) 2021-03-26

Family

ID=75036002

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110192625.2A Pending CN112560814A (zh) 2021-02-20 2021-02-20 一种车辆进出停车位的识别方法

Country Status (1)

Country Link
CN (1) CN112560814A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113205691A (zh) * 2021-04-26 2021-08-03 超级视线科技有限公司 一种识别车辆位置的方法及装置
CN113516852A (zh) * 2021-07-22 2021-10-19 珠海小可乐科技有限公司 一种多车位多目标车辆停车识别方法及其***

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105869182A (zh) * 2016-06-17 2016-08-17 北京精英智通科技股份有限公司 一种停车位状态检测方法和***
CN106297400A (zh) * 2016-10-13 2017-01-04 北京悦畅科技有限公司 一种停车场车位信息处理方法、服务器和***
CN107195198A (zh) * 2017-07-31 2017-09-22 重庆酷贝科技发展有限公司 一种基于图像识别技术的路边停车管理方法及其***
CN108766022A (zh) * 2018-06-11 2018-11-06 青岛串并联电子科技有限公司 基于机器学习的停车场车位状态识别方法及***
CN111325858A (zh) * 2020-03-06 2020-06-23 赛特斯信息科技股份有限公司 针对路边临时停车位实现自动计费管理的方法
CN111768648A (zh) * 2020-06-10 2020-10-13 浙江大华技术股份有限公司 车辆出入确定方法及***
CN112017467A (zh) * 2019-05-28 2020-12-01 杭州海康威视数字技术股份有限公司 车位检测方法及装置

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105869182A (zh) * 2016-06-17 2016-08-17 北京精英智通科技股份有限公司 一种停车位状态检测方法和***
CN106297400A (zh) * 2016-10-13 2017-01-04 北京悦畅科技有限公司 一种停车场车位信息处理方法、服务器和***
CN107195198A (zh) * 2017-07-31 2017-09-22 重庆酷贝科技发展有限公司 一种基于图像识别技术的路边停车管理方法及其***
CN108766022A (zh) * 2018-06-11 2018-11-06 青岛串并联电子科技有限公司 基于机器学习的停车场车位状态识别方法及***
CN112017467A (zh) * 2019-05-28 2020-12-01 杭州海康威视数字技术股份有限公司 车位检测方法及装置
CN111325858A (zh) * 2020-03-06 2020-06-23 赛特斯信息科技股份有限公司 针对路边临时停车位实现自动计费管理的方法
CN111768648A (zh) * 2020-06-10 2020-10-13 浙江大华技术股份有限公司 车辆出入确定方法及***

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
孟焱等: "基于机器视觉的停车位状态检测技术研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 *
李芹芳，张艳主编: "《地籍与房产测量》", 28 February 2017, 武汉大学出版社 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113205691A (zh) * 2021-04-26 2021-08-03 超级视线科技有限公司 一种识别车辆位置的方法及装置
CN113516852A (zh) * 2021-07-22 2021-10-19 珠海小可乐科技有限公司 一种多车位多目标车辆停车识别方法及其***

Similar Documents

Publication Publication Date Title
EP3806064B1 (en) Method and apparatus for detecting parking space usage condition, electronic device, and storage medium
CN106373426B (zh) 基于计算机视觉的停车位及违规占道停车监控方法
CN108765976B (zh) 路侧平行停车信息管理***及方法
CN111476169B (zh) 一种基于视频帧的复杂场景路侧停车行为识别方法
CN108765975B (zh) 路侧垂直停车场管理***及方法
CN105913685A (zh) 一种基于视频监控的车位识别及智能引导方法
CN111444798B (zh) 电动自行车驾驶行为的识别方法、装置和计算机设备
CN112560814A (zh) 一种车辆进出停车位的识别方法
CN108154146A (zh) 一种基于图像识别的车辆追踪方法
CN111368615B (zh) 一种违章建筑预警方法、装置及电子设备
CN113205692B (zh) 一种路侧停车泊位异常变动的自动识别方法
CN104376332A (zh) 车牌识别方法及装置
CN112084892B (zh) 一种道路异常事件检测管理装置及其方法
US11580659B2 (en) Method for size estimation by image recognition of specific target using given scale
CN111692978A (zh) 一种基于多源影像数据的违章建筑识别方法
CN113099181A (zh) 基于视频监控的城市交通泊车安全智能分析管理方法
CN113901961A (zh) 车位检测方法、装置、设备及存储介质
CN110826364A (zh) 一种库位识别方法及装置
KR101381580B1 (ko) 다양한 조명 환경에 강인한 영상 내 차량 위치 판단 방법 및 시스템
Shaaban et al. Parking space detection system using video images
CN113158728B (zh) 一种基于灰度共生矩阵的车位状态检测方法
CN115249345A (zh) 一种基于倾斜摄影三维实景地图的交通拥堵检测方法
CN114170578A (zh) 停车出入位变阈值计算方法及停车出入位的判定方法
CN107358170B (zh) 一种基于移动机器视觉的车辆违章压线识别方法
KR101327256B1 (ko) Ptz 카메라에 의한 차량 그림자 영역 탐지를 이용한 차량 검지 시스템 및 방법

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20210326