[发明专利]一种基于视觉感知和AIOT的路边停车事件判断方法及系统

权利要求书

1.一种基于视觉感知和AIOT的路边停车事件判断方法，其特征在于，包括如下步骤：

S1:当车位上的地磁传感器示数发生变化时，调用该地磁传感器对应车位的视频数据；

S2:对视频数据中每一个视频数据中感兴趣区域置信度进行判断，获得符合置信度标准的视频数据；

S3:对符合置信度标准的视频数据进行追踪，用帧差法处理该视频数据得到差值图，对差值图进行阈值分割，得到前景区域面积，通过该前景区域面积判断停车结果，将该停车结果与车位对应的地磁传感器显示的示数进行标记，获得电磁传感器显示数与停车结果对应的标签数据；

S4:利用S3获得的停车结果对应的标签数据，并结合电磁传感器标签数据对应的显示示数进行全连接分类网络训练，将地磁传感器的示数序列长度的最大值作为全连接网络的输出尺寸；

所述S1中获得的视频数据包括覆盖车位所有的视频数据为P₁,P₂…P_n，其中n为视频数据的数量；

所述视频数据置信度判断方法如下：

对n条视频数据中的初始帧图像I_n进行视频质量判断，获得n条视频数据中每一视频数据的质量评分Q_n，当max{Q₁,Q₂,…Q_n}≥Q₀，选取质量评分Q_n最高的视频数据作为获得符合置信度标准的视频数据,所述Q₀是视频质量阈值；

所述视频质量判断方法如下：

获取初始帧图像I_n中的感兴趣区域ROI_n；

对ROI_n进行视频质量分析获取质量指标，该质量指标包括视频数据n因遮挡引起的视频质量下降的视频质量指标Z_n和视频数据n中环境指标H_n；

按照如下表达式计算视频数据n的质量Q_n：

Q_n＝(1-Z_n)×H_n

当max{Q₁,Q₂,…Q_n}≥Q₀，选取质量评分Q_n最高的视频数据作为获得符合置信度标准的视频数据；

所述视频质量指标Z_n是按照如下方法确认：

对ROI_n内的图像进行聚类操作，聚类算法采用基于密度的DBSCAN聚类算法，定义ROI_n中位置(x₀,y₀)处的密度公式为：

式中：G(x_i,y_i)表示像素(x₀,y₀)八邻域内的像素值；

当得到的密度值等于设定的密度阈值时，该视频数据中的停车位完全被遮挡，该视频数据被删除；

获取剩余视频数据中的第n₀帧图像，将第n₀帧图像与初始帧图像中各簇内的像素值进行作差处理，获取视频质量指标Z_n；

式中：表示像素值作差后，50％以上像素值发生变化的簇对应的面积之和，为感兴趣区域的面积。

2.根据权利要求1所述一种基于视觉感知和AIOT的路边停车事件判断方法，其特征在于，所述环境指标H_n的表达式如下：

式中：表示第Num个簇内梯度均值，为经验梯度阈值。

3.根据权利要求1所述一种基于视觉感知和AIOT的路边停车事件判断方法，其特征在于，所述前景区域面积为S，当S0时，车辆在目标车位处进行入车出车的动作；当S＝0时，视频中没有运动物体，此时说明车辆完成入车、出车运动。

4.根据权利要求3所述一种基于视觉感知和AIOT的路边停车事件判断方法，其特征在于，当S＝0时，对应的图像帧与视频的初始帧作差，经阈值化后获得面积变化Δs₀，当时表示车位上有车辆停车或出车；当时表示车位上有其他车辆路过。

5.根据权利要求1所述一种基于视觉感知和AIOT的路边停车事件判断方法，其特征在于，所述全连接分类网络训练，包括输入层、隐藏层和输出层，将S3获得的停车结果对应的标签数据和电磁传感器标签数据对应的显示示数作为输入，进行全连接网络训练，将地磁传感器的示数序列长度的最大值作为全连接网络的输出尺寸。