[发明专利]一种基于图像深度学习的停车位识别及查询方法

说明书

本发明公开了一种基于图像深度学习的停车位识别及查询方法，属于计算机物联网技术领域。本发明的基于图像深度学习的停车位识别及查询方法通过图像采集服务采集停车场图像，将采集的图像传送至服务器存储；图像识别服务采用深度学习算法，建立图像识别训练模型，利用图像识别训练模型对新采集的图像进行识别预测；用户请求查询空余车位时，停车场应用服务查询数据库中最新图像识别结果数据集，根据空余车位的相对位置绘制出车位平面图，标注出空余车位，用户根据图像位置及标志找到空余车位位置。该发明的基于图像深度学习的停车位识别及查询方法提高停车场的利用率，使用户能够快速查询到空余车位，具有很好的推广应用价值。

技术领域

本发明涉及计算机物联网技术领域，具体提供一种基于图像深度学习的停车位识别及查询方法。

背景技术

随着社会经济的飞速发展，人们的生活水平有了很大的提高，汽车保有量迅速增长，停车泊位不足的问题日益突出。对于新建的地下停车场，通常配有车位传感器，可以精确检测到每个车位占用情况，车主可以据此查询空余车位。而对于地面停车场或一些老旧的大型地面停车区域，缺乏车位检测传感器，而且常见到不按车位停车的情况。当车主进入地面停车区域后，需要占用主干道路不断寻找空余的车位，很容易造成拥堵。而如果对每个车位部署传感器，会带来较高的成本。

深度学习是近年来人工智能领域取得的重要突破。它在语音识别、自然语言处理、计算机视觉、图像与视频分析、多媒体等诸多领域的应用取得了巨大的成功。现有的深度学习模型属于神经网络，用较为复杂的模型降低模型偏差，可以通过大量的图像训练不断优化图像识别效果。

发明内容

本发明的技术任务是针对上述存在的问题，提供一种无需部署车位传感器，从而降低停车场智能化改造成本，同时提高停车场的利用率，使用户能够快速查询到空余车位的基于图像深度学习的停车位识别及查询方法。

为实现上述目的，本发明提供了如下技术方案：

一种基于图像深度学习的停车位识别及查询方法，所述方法通过图像采集服务采集停车场图像，将采集的图像传送至服务器存储；图像识别服务采用深度学习算法，收集服务器中存储的图像作为样本，建立图像识别训练模型，利用图像识别训练模型对新采集的图像进行识别预测，评估出空余的车位数量、空余车位在图像中的相对位置的数据集，将数据集存储在服务器数据库中；用户请求查询空余车位时，停车场应用服务查询数据库中最新图像识别结果数据集，根据空余车位的相对位置绘制出车位平面图，标注出空余车位，用户根据图像位置及标志找到空余车位位置。

作为优选，所述图像采集服务通过图像采集设备完成，图像采集设备由摄像头和远焦镜头组成。

根据停车场地大小，在地面停车场高处部署一个或多个图像采集设备，俯瞰各个停车区域，保证所有图像采集设备采集的图像可以覆盖整个停车场。

作为优选，所述图像采集设备自动运行，设定采集图像的参数，包括图像分辨率、图像曝光度和远焦镜头焦距。

作为优选，所述图像识别服务收集服务器中存储的图像作为样本时，图像样本分为数据集和测试集，数据集用于训练图像识别训练模型，测试集用于检验图像识别训练模型的性能。

所述图像识别服务部署在服务器上，采用深度学习算法进行图像识别，包括以下步骤：

1）针对特定停车场，收集大量停车场图像作为样本，图像包含停车场的车位分布、各类障碍物以及已停车辆。把图像中的元素分割为三类：空余车位、障碍物和车辆，得到像识别训练模型。

2）图像分为数据集和样本集，其中数据集用于进行模型训练，测试集用于检验模型的性能，建立图形识别训练模型，对输入数据集进行训练，通过调整参数不断优化训练效果。

3）预测图像包含的元素。使用训练好的图像识别训练模型对采集的图形进行识别，识别结果包含以下内容：