[发明专利]一种基于深度学习算法的停车位上车辆换车检测方法及系统

说明书

本发明公开一种基于深度学习算法的停车位上车辆换车检测方法及系统，涉及智能车辆识别领域，包括如下步骤：获取待检测车位特写图像，并从所述车位特写图像中获取车辆目标和非车辆目标分别对应的矩形框坐标信息；根据所述车辆目标和非车辆目标的矩形框坐标信息，判断所述车位上的车辆目标是否存在遮挡；根据所述车位上的车辆目标的遮挡判定结果，从所述车位特写图像中选择车辆换车待比较图像区域；根据待比较图像区域的图像特征值，确定所述车位上是否存在车辆换车。本发明可以提升车辆停车管理的准确性和可靠性，弥补了在车位上的车辆驶出车位后，另一辆车迅速驶入车位的场景下，车辆停车管理方式存在的较大漏洞。

技术领域

本发明涉及智能车辆识别领域，特别涉及一种基于深度学习算法的停车位上车辆换车检测方法及系统。

背景技术

近年来，随着社会经济不断发展，民众生活水平提高，我国机动车保有量逐年增加。随着城市规模扩大，停车难这一问题也随之而来。其中，管理停车问题，对城市交通的健康发展尤为重要，用传统人工方式管理停车问题，运营成本高，效率低下，因此依托互联网与人工智能技术的智慧停车管理方式开始快速发展。

目前在进行车辆管理时，通常是基于深度学习的目标检测，可以判断车位上是否有车辆停泊，但是如果车位上的车辆驶出车位后，另一辆车迅速驶入车位，在这种场景下，单独依靠车辆检测无法判断出车位上存在换车这种现象，从而导致现有车辆停车管理方式存在较大漏洞，进而导致车辆停车管理的准确性和可靠性较差。

发明内容

为解决上述技术问题，本发明一种基于深度学习算法的停车位上车辆换车检测方法及系统，可以解决车辆停车管理方式存在较大漏洞，进而导致车辆停车管理的准确性和可靠性较差的问题。

为实现上述目的，一方面，本发明一种基于深度学习算法的停车位上车辆换车检测方法，所述方法包括：

获取待检测车位特写图像，并从所述车位特写图像中获取车辆目标和非车辆目标分别对应的矩形框坐标信息；

根据所述车辆目标和非车辆目标的矩形框坐标信息，判断所述车位上的车辆目标是否存在遮挡；

根据所述车位上的车辆目标的遮挡判定结果，从所述车位特写图像中选择车辆换车待比较图像区域；

根据待比较图像区域的图像特征值，确定所述车位上是否存在车辆换车。

进一步地，所述从所述车位特写图像中获取车辆目标和非车辆目标分别对应的矩形框坐标信息的步骤包括：

根据预置深度学习目标检测算法，识别所述车位特写图像中所有目标的矩形框坐标信息，并标记停在所述车位上的车辆目标矩形框坐标信息。

进一步地，所述根据所述车辆目标和非车辆目标的矩形框坐标信息，判断所述车位上的车辆目标是否存在遮挡的步骤包括：

根据所述车辆目标和非车辆目标的矩形框坐标信息，计算所有目标矩形框与车位上所述车辆目标矩形框的相交面积；

若所述相交面积等于0，则确认不存在遮挡；

若所述相交面积大于0，则根据车辆目标和除所述车辆目标的其他目标分别对应的矩形框的位置关系，判断是否存在遮挡。

进一步地，所述根据车辆目标和除所述车辆目标的其他目标分别对应的矩形框的位置关系，判断是否存在遮挡的步骤包括：

若其他目标矩形框下边缘大于所述车辆目标矩形框下边缘，则确认所述车位上的车辆被所述目标遮挡。

进一步地，所述根据所述车位上的车辆目标的遮挡判定结果，从所述车位特写图像中选择车辆换车待比较图像区域的步骤包括：

若所述车位特写图像中车位上的车辆目标未被其他目标遮挡，则将车位上的车辆目标对应的矩形框区域，标记为待比较区域；