[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

说明书

本发明实施例提供了基于深度学习检测路侧停车场泊位的方法，该方法包括：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。通过本发明，实现了通过分析图像中各个可见泊位角点与各泊位边线区域的位置关系，无需人工操作，即可针对复杂的路侧停车场景，精确地定位泊位的位置。

技术领域

本发明涉及智能交通技术领域，尤其涉及一种基于深度学习检测路侧停车场泊位的方法及装置。

背景技术

现有技术中基于高位视频的路侧停车场管理系统，一般是由网络相机、云计算和停车场管理设备搭建而成的，针对路侧停车位的车辆驶出和驶入的信息化服务系统。该路侧停车场管理系统通过摄像机对车辆信息进行图像视频采集，再通过计算机视觉技术对采集的图像进行分析与处理，实现对车辆的动态和静态的综合管理。在该视觉场景下，车辆和泊位成了两个主要管理的目标对象，其中泊位管理包括泊位定位，泊位占位情况等。而泊位的定位的检测精度直接影响了泊位占位的检测。

现有的泊位定位方法包括采用人工标定方法，该方式的定位精度虽然高，但是，随着停车系统业务的大规模拓展，人工成本极大，如一个拥有百万停车泊位的城市级规模，其人工标定成本极高；另外，相机不可避免地会受外力干扰，造成相机移动，则已标定的泊位位置也得重新定位，人工成本将成倍提高。因此自动化标定泊位的方法逐步替代了人工标定的方法，目前自动化标定泊位的方法，如基于霍夫直线检测等方法，不适用于复杂场景下的应用。因此，亟需一种适用于复杂场景下的自动化标定泊位的方法。

发明内容

本发明实施例提供一种基于深度学习检测路侧停车场泊位的方法及装置，实现了无需人工操作，即可针对复杂的路侧停车场景，精确地定位泊位的位置。

一方面，本发明实施例提供了一种基于深度学习检测路侧停车场泊位的方法，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。

进一步地，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。

进一步地，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。

进一步地，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：