[发明专利]一种停车状态变化识别方法

权利要求书

1.一种停车状态变化识别方法，其特征在于：包括以下步骤：

步骤1：利用yolov3深度学习模型获得初始图像中的车位框，利用所述车位框判断车位的初始状态；

步骤2：对后续图像中的每一帧图像，利用帧差法运动检测判断是否有运动物体，若有，产生运动框并跳转至步骤3，否则重复步骤2；

步骤3：判断运动框与车位框是否重叠，若重叠，则利用yolov3深度学习模型判断该运动物体是否为车辆，若为车辆，则跳转至步骤4，否则忽略该帧图像；若不重叠，则车位状态保持不变；

步骤4：利用yolov3深度学习模型获得该运动物体的真实轮廓，利用所述真实轮廓与车位框的重合度判断车位状态。

2.根据权利要求1所述的一种停车状态变化识别方法，其特征在于：所述步骤1中车位的初始状态包括无车或者正在停放。

3.根据权利要求1所述的一种停车状态变化识别方法，其特征在于：所述步骤2中，所述帧差法运动检测包括以下步骤：

步骤2.1保存当前帧图像的前两帧历史图像；

步骤2.2将当前帧图像与上一帧历史图像做对比，计算两帧间的区别，若区别小于预设阈值，则判断出当前帧图像中不存在运动物体，不产生运动框，并跳转至步骤2.3；若区别不小于预设阈值，则判断当前帧图像中具有运动物体，产生运动框，跳转至步骤3；

步骤2.3将当前帧图像与另外一帧历史图像做对比，计算两帧间的区别，若区别小于预设阈值，则判断出当前帧图像中不存在运动物体，不产生运动框，重复步骤2；若区别不小于预设阈值，则判断当前帧图像中具有运动物体，产生运动框，跳转至步骤3。

4.根据权利要求1所述的一种停车状态变化识别方法，其特征在于：所述步骤4中，采用状态机判断车位状态，状态机包括四种状态：无车、正在进入、等待和正在停放。

5.根据权利要求4所述的一种停车状态变化识别方法，其特征在于：无车阶段分析步骤为：判断当前帧图像的真实轮廓与车位框的重叠度是否高于重叠度阈值，若高于重叠度阈值，则将该帧图像的重叠度、运动框的坐标、真实轮廓的坐标存入coverage_queue，下一帧状态机进入正在进入阶段进行分析；若不高于重叠度阈值，则下一帧状态机停留在无车阶段进行分析。

6.根据权利要求5所述的一种停车状态变化识别方法，其特征在于：正在进入阶段分析步骤为：

步骤4.2.1计算时间T内图像的重叠度，判断是否具有重叠度高于重叠度阈值的图像，若有，则将该帧图像的重叠度数值、运动框的坐标、真实轮廓的坐标存入coverage_queue，并跳转至步骤4.2.2；若没有，否则清空coverage_queue，下一帧状态机返回无车阶段进行分析；

步骤4.2.2判断coverage_queue中是否具有三个呈递增状态的重叠度，若没有，则下一帧状态机保留在正在进入阶段进行分析；若有，下一帧状态机进入等待阶段进行分析。

7.根据权利要求6所述的一种停车状态变化识别方法，其特征在于：所述等待阶段分析步骤如下：

步骤4.3.1判断当前帧图像的真实轮廓与车位框的重叠度是否高于重叠度阈值，若高于重叠度阈值，将该帧图像的重叠度、运动框的坐标、真实轮廓的坐标存入coverage_queue；否则跳转至步骤4.3.2；

步骤4.3.2计算时间T内图像的重叠度，判断是否具有重叠度高于重叠度阈值的图像，若有，则重新计时；若没有，跳转至步骤4.3.3；

步骤4.3.3利用coverage_queue存入的真实轮廓的坐标值，判断车辆是停车还是路过，若为路过，则清空coverage_queue，下一帧状态机进入无车阶段进行分析；若为停车，则下一帧状态机进入正在停放阶段进行分析。

8.根据权利要求7所述的一种停车状态变化识别方法，其特征在于：所述正在停放阶段分析步骤如下：

步骤4.4.1判断当前帧图像的真实轮廓与车位框的重叠度是否高于重叠度阈值，若高于重叠度阈值，将该帧图像的重叠度、运动框的坐标、真实轮廓的坐标存入coverage_queue，并跳转至步骤4.4.2，否则下一帧状态机停留在正在停放阶段进行分析；

步骤4.4.2计算时间T内图像的重叠度，判断是否具有重叠度高于重叠度阈值的图像，若没有，则清空coverage_queue，下一帧状态机停留在正在停放阶段进行分析；若有，则跳转至步骤4.4.3；

步骤4.4.3；判断coverage_queue中是否具有三个呈递减状态的重叠度，若没有，下一帧状态机停留在正在停放阶段进行分析；若有，则判断车辆是路过还是离开，若为路过，则清空coverage_queue，下一帧状态机停留在正在停放阶段进行分析；若为离开，则下一帧状态机进入无车阶段进行分析。