[发明专利]一种基于深度学习检测路侧停车场泊位的方法及装置

权利要求书

1.一种基于深度学习检测路侧停车场泊位的方法，其特征在于，包括：

获取预定监控区域中包含至少一个泊位的图像，通过角点检测模型检测所述图像，得到所述图像中的各个可见泊位角点的位置与类型；

通过语义分割模型分割所述图像，得到包含各泊位边线区域的分割图；

根据所述各个可见泊位角点的位置与类型以及所述分割图中的各泊位边线区域，分析所述图像中各个可见泊位角点与所述各泊位边线区域的位置关系；

根据所述位置关系，确定所述图像中各个泊位的位置。

2.根据权利要求1所述的方法，其特征在于，所述获取预定监控区域中包含至少一个泊位的图像，通过角点检测模型检测所述图像，得到所述图像中的各个可见泊位角点的位置与类型，包括：

获取预定监控区域中包含至少一个泊位的图像，通过角点检测模型获取所述图像中的各个可见泊位角点的位置，并截取每个泊位角点在所述图像中的角点区域；

通过预定层数组成的卷积神经网络，确定所述角点区域中各个可见泊位角点的类型；

其中，所述泊位角点的类型包括“L”型角点、“T”型角点、“I”型角点和非角点中的任一项。

3.根据权利要求1-2任一项所述的方法，其特征在于，在所述通过角点检测模型检测所述图像，得到所述图像中的各个可见泊位角点的位置与类型的步骤之前，包括：

获取角点训练集，并标注所述角点训练集中各个图像中的泊位角点矩形框区域和泊位角点类型；

通过梯度下降算法训练标注后的所述角点训练集，得到角点检测模型。

4.根据权利要求3所述的方法，其特征在于，所述通过角点检测模型获取所述图像中的各个可见泊位角点的位置，并截取每个泊位角点在所述图像中的角点区域，包括：

通过预定目标检测模型和预定网络结构，得到所述图像的多个不同尺度的特征，并根据所述多个不同尺度的特征，分别获取不同大小的目标物体；

识别所述目标物体中的泊位角点，确定包含每个泊位角点在所述图像中的矩形框区域，并截取所述矩形框区域中的角点区域。

5.根据权利要求4所述的方法，其特征在于，所述通过语义分割模型分割所述图像，得到包含各泊位边线区域的分割图，包括：

将所述图像输入所述语义分割模型，得所述图像的特征图；

确定所述特征图中的每个像素各自对应的像素区域，并分析各像素区域的语义类别；

根据各像素区域的语义类别，确定语义类别为泊位边线区域的各像素，得到包含各泊位边线区域的分割图；

其中，所述语义类别包括背景和地面实线中的任一项，所述地面实线包括车道线和泊位线中的至少一项。

6.根据权利要求5所述的方法，其特征在于，所述根据所述各个可见泊位角点的位置与类型以及所述分割图中的各泊位边线区域，分析所述图像中各个可见泊位角点与所述各泊位边线区域的位置关系，包括：

判断所述各个可见泊位角点中每两个泊位角点之间的线段是否为地面实线；

若是，根据所述分割图，确定每两个泊位角点之间的线段为地面实线的线段集合，得到角点连接图。

7.根据权利要求6所述的方法，其特征在于，所述根据所述位置关系，确定所述图像中各个泊位的位置，包括：

判断所述连接图中是否至少含有三条线段相连接的待检测区域；

若是，判断所述待检测区域中的泊位角点类型是否为“L”型角点或“T”型角点；

若是，确定所述待检测区域为泊位。