[发明专利]一种路侧停车的管理方法及装置

说明书

本发明实施例提供了一种路侧停车的管理方法及装置，该方法包括：获取多个摄像机采集的视频图像信息，确定各视频帧中的泊位区域检测框；检测各视频帧中是否存在车辆，若存在，确定所述泊位区域检测框的坐标信息，通过多层卷积神经网络对各图像帧进行车辆特征提取，得到所述车辆的第一特征表示向量；通过多层卷积神经网络，对所述第一特征表示向量进行特征融合，得到第二特征表示向量，计算每一帧图像中所述车辆的运动矢量方向和运动距离大小；根据所述泊位区域检测框的坐标信息，分析预定时长内所述车辆的运动矢量方向和运动距离大小，得到分析结果，确定所述车辆的停车事件。通过本发明，实现了精确、高效地识别车辆的出入场事件。

技术领域

本发明涉及智能停车管理技术领域，尤其涉及一种路侧停车的管理方法及装置。

背景技术

基于高位视频的停车管理已成为近年来智慧城市建设和发展中的重要课题，该停车管理方式首先通过摄像机对车辆和停车位信息进行图像视频采集，随后再通过计算机视觉技术对车辆信息和车辆行为进行分析与理解，从而实现对路侧停车进行监控与管理。但是，现有技术中的高位视频技术，易受复杂场景、天气、物体遮挡等因素的影响，从而使准确率无法达到场景的应用需求；另一方面，近年来随着深度学习的发展，基于卷积神经网络的深度学习在图像识别、图像检测和图像分割等领域都取得了显著成就，但是，现有技术的深度学习检测车辆的方式中，往往通过对车辆标注检测框来进行检测，若视频采集到的图像中背景较为复杂时，通常无法识别到精确的图像信息，从而影响后续车辆识别或车辆行为分析等结果的准确度。

因此，急需一种能够高效、精确地检测泊位车辆，同时管理成本较低的路侧停车管理方法。

发明内容

本发明实施例提供一种路侧停车的管理方法及装置，实现了精确、高效地识别车辆的出入场事件。

一方面，本发明实施例提供了一种路侧停车的管理方法，包括：

获取多个摄像机采集的视频图像信息，确定各视频帧中的泊位区域检测框；

检测各视频帧中是否存在车辆，若存在，确定所述泊位区域检测框的坐标信息，通过多层卷积神经网络对各图像帧进行车辆特征提取，得到所述车辆的第一特征表示向量；

通过多层卷积神经网络，对所述第一特征表示向量进行特征融合，得到第二特征表示向量，并根据所述第二特征表示向量，计算每一帧图像中所述车辆的运动矢量方向和运动距离大小；

根据所述泊位区域检测框的坐标信息，分析预定时长内所述车辆的运动矢量方向和运动距离大小，得到分析结果，并根据分析结果确定所述车辆的停车事件。

进一步地，所述获取多个摄像机采集的视频图像信息，确定各视频帧中的泊位区域检测框，包括：

确定预定图像采集区域内车辆泊位的各个顶点在各个图像中的坐标；

根据所述坐标，确定各个摄像机视频采集视频帧图像中的泊位区域检测框。

进一步地，所述检测各视频帧中是否存在车辆，若存在，确定所述泊位区域检测框的坐标信息，包括：

通过预定目标检测算法检测所述图像帧中是否存在车辆；

若存在，确定所述泊位区域检测框各顶点的像素坐标信息。

进一步地，所述通过多层卷积神经网络对各图像帧进行车辆特征提取，得到所述车辆的第一特征表示向量，包括：

根据所述泊位区域检测框各顶点的像素坐标信息，将所述图像帧输入至多层卷积神经网络；

通过多个卷积层的编码运算，提取得到所述车辆在所述多个卷积层中的高层第一特征表示向量和低层第一特征表示向量。

进一步地，所述通过多层卷积神经网络，对所述第一特征表示向量进行特征融合，得到第二特征表示向量，包括：