[发明专利]一种智能停车车位检测方法

说明书

本发明提供了一种智能停车车位检测方法，其在服务器端先利用深度学习中卷积神经网络算法精确度高的优势，对现有监控系统采集的不同场景中停车场图像进行训练。然后根据训练得到的CNN模型，对当前采集的停车场图像进行分类识别，获得当前车位的检测结果。最后，服务器端把停车场当前车位状态信息和位置信息传送到用户端，用户利用应用软件根据当前车位状态信息选择车位，并根据车位位置对车辆导航到所选择的未被占用车位。与现有停车位检测及车位诱导方法相比，本发明提出的方法能够在复杂环境下克服天气变化、光照强度、阴影及行人杂物等因素的影响，提高车位检测正确率，同时降低停车场管理成本。

技术领域

本发明涉及智能停车管理领域，是一种提高车位利用效率，减少停车场附近路面拥挤的智能停车车位检测方法。

背景技术

随着汽车需求量和保有量的迅速増长，＂停车难＂的问题日益突出。在私人汽车刚刚兴起之时，停车场规模较小且多采用人工进行管理，车主需要长时间占用车道寻找空车位，增加了管理人员的劳动强度且管理效率低。随着停车场越建越大，传统人工管理方式的缺陷更加突出。于是，停车场的管理逐步向非人工方式的智能停车系统发展。

在停车管理系统中，车位检测是实现智能停车的关键。目前，已提出一些空闲车位检测技术，主要包括：地磁传感器的车位检测技术、超声波车位检测技术、射频(RFID)识别技术等。这些停车位检测技术中，需要在每个车位区域的周围或者地面下安装传感器，然后通过有线/无线网络将每个车位的检测信息传送到服务器端。

这几种方法均需要对路面进行施工来安装传感器，直接影响停车场的运营，而且如果有外力导致传感器损坏，维护时也需要对路面施工，直接增加设备成本和维护成本。尤其是室外的大型停车场的车位检测，采用上述几种方法并不合适。

近年来，在视频监控联网技术的推动下，包括停车场在内的诸多地方均已安装了摄像头等图像/视频采集装置。因此人们提出基于图像的空车位检测技术。一般的图像识别的车位检测技术中，采用图像比对的方式进行识别。首先对所要识别区域进行图像采集，对所有车位进行识别，将把它设定为基准图像；然后需要识别停车信息时再次对目标区域进行图像采集并识别。由于环境不同和图像在采集之后压缩过程中存在图像质量的下降和其它噪声干扰，降低车位正确检测率。

考虑到卷积神经网络(CNN)等深度学习算法(DL)在图像、语音和文本多个领域得到了广泛应用，本发明提出利用深度卷积神经网络来检测空闲车位方法，以此为核心设计出对用户进行车位诱导的智能停车管理系统。

发明内容

本发明解决的技术问题是，提供一种智能停车车位检测方法，在复杂环境下，如天气变化、光照强度、阴影及行人杂物等因素的影响，如何提高车位检测正确率。

本发明的基本原理为：先利用深度学习中卷积神经网络算法精确度高的优势，对采集的不同场景中停车场图像进行训练。然后根据训练得到的CNN网络模型，定时对采集的停车场图像进行处理，获得当前车位的检测结果。

一种智能停车车位检测方法，包括以下实施步骤：

步骤1：利用现有视频监控系统，在不同天气条件下，采集不同的停车场的图像，对图像进行分类并生成样本；

所述步骤1包括：

1.1)记采集的所有不同停车场在不同天气条件下为类别j的停车场图像组成集合Cj,其中1≤j≤N，N为类别总数；判断所有采集的图像中是否有彩色图像，如果是，则转入步骤1.2)，如果否，则转入步骤1.3)；

1.2)将所有停车场图像中的彩色图像转换为灰度图像；

1.3)将得到的所有停车场的灰度图像缩放至为W×H像素大小，其中W和H均为整数且W≥32，H≥32；

1.4)本步骤包括以下子步骤：