[发明专利]车位检测装置、电子设备及方法

说明书

本发明实施例提供一种车位检测装置、电子设备及方法，基于车位图像的运动状态进行检测，能够保证检测结果的稳定性；将轮廓法和机器学习法结合起来进行检测，并且在利用机器学习法之前在场景不清晰的情况下进行清晰化处理，能够有效的结合轮廓法和机器学习法的优点，处理速度较快且能够适用于各种场景，且具有较高的检测精度，另外，基于稳态图像进行检测，能够抑制随机噪声，提高检测精度。

技术领域

本发明涉及信息技术领域，尤其涉及一种车位检测装置、电子设备及方法。

背景技术

随着社会经济的发展，汽车数量日益增多。在寸土寸金的城市中，停车一直是困扰车主的一个问题，他们希望能够快速得到周边停车场的车位信息。同样，对于停车场管理方而言，他们也需要时刻了解停车场的车位信息从而能够有效控制车辆进出并实时分享给各位车主。另外，对于某些大型停车场，由于设计的问题，总有部分区域车满为患，而部分区域空位很多，车主需要花费很多精力搜寻空车位，这时候车主也迫切希望能够实时给出停车场各区域的车位信息。这种实时信息的收集显然不能靠人力来完成。

随着科技的进步，越来越多的技术被开发出来用于固定车位的车位状态检测，例如对每个车位安装探测雷达，出入口计数等。但是，使用该方法的成本较高。

近些年来，图像处理技术也被应用到车位状态检测中，相比很多以往的技术，一个视频监控摄像头可以覆盖很多停车位，使得检测所需的成本投入大为降低。现有的车位检测方法通常采用轮廓法或者机器学习法。

应该注意，上面对技术背景的介绍只是为了方便对本发明的技术方案进行清楚、完整的说明，并方便本领域技术人员的理解而阐述的。不能仅仅因为这些方案在本发明的背景技术部分进行了阐述而认为上述技术方案为本领域技术人员所公知。

发明内容

但是发明人发现，当利用上述现有的轮廓法检测车位时，虽然轮廓法适合各种视角场合，但是一旦车位具有丰富细节或者有较多遮挡，则无法进行有效的检测，当利用上述现有的机器学习法检测车位时，虽然机器学习法对于细节能够较好的处理，但是对于视角有较高的要求，同时机器学习法的性能严重依赖于训练结果的好坏，而且对于低对比度、低照度情况下的检测效果较差。并且，由于场景光线变化导致视频图像的变化也会影响检测精度，例如白天，阳光，夜晚，灯光等。另外，行人及车辆的运动也会对检测的稳定性造成很大的影响。

本发明实施例提供一种车位检测装置、电子设备及方法，基于车位图像的运动状态进行检测，能够保证检测结果的稳定性；将轮廓法和机器学习法结合起来进行检测，并且在利用机器学习法之前在场景不清晰的情况下进行清晰化处理，能够有效的结合轮廓法和机器学习法的优点，处理速度较快且能够适用于各种场景，且具有较高的检测精度，另外，基于稳态图像进行检测，能够抑制随机噪声，提高检测精度。

根据本发明实施例的第一方面，提供一种车位检测装置，所述装置对于停车场的监控视频，以预定帧数的图像为单位依次进行检测，所述装置包括：第一检测单元，所述第一检测单元用于在对每个预定帧数的图像进行检测时，对在当前预定帧数内具有运动信息的车位，将所述车位的检测结果确定为维持前一个预定帧数的所述车位的检测结果；第二检测单元，所述第二检测单元用于在对每个预定帧数的图像进行检测时，对在当前预定帧数内没有运动信息的车位的图像逐个进行检测；其中，所述第二检测单元包括：比较单元，所述比较单元用于在对每个在当前预定帧数内没有运动信息的车位的图像进行检测时，将当前预定帧数的所述车位的稳态图像与前一个预定帧数的所述车位的稳态图像进行比较，当比较结果为相似时，将所述车位的检测结果确定为维持前一个预定帧数的所述车位的检测结果，当比较结果为不相似时，根据当前预定帧数的所述车位的稳态图像中的轮廓判断所述车位是否满足空车位的特征；第一处理单元，所述第一处理单元用于当所述车位满足空车位的特征时，将所述车位的检测结果确定为空车位，当所述车位不满足空车位的特征时，检测当前场景是否清晰，在当前场景不清晰的情况下，对当前预定帧数的所述车位的稳态图像进行清晰化处理；第三检测单元，所述第三检测单元用于利用机器学习法对所述车位的稳态图像进行检测，获得所述车位的检测结果。