[发明专利]一种基于机器学习的车位状态检测方法

说明书

本发明公开一种基于机器学习的车位状态检测方法，所述方法包括：步骤A，收集车位图片，所述车位图片包括空车车位图片以及非空车车位图片；步骤B，对收集的车位图片进行处理；步骤C，对处理后的图片进行分类；步骤D，建立机器学习模型；步骤E，对建立的机器学习模型进行训练；步骤F，对经过训练后的机器学习模型进行测试；步骤G，对经过测试后的机器学习模型进行使用。本发明提供的基于机器学习的车位状态检测方法具有以下优点：车位只需安装普通摄像机，不需要高清相机，可降低设备购置和维护成本。一个摄像机可检测多个车位，无需每个车位安装一个摄像机。对车辆停放位置无严格要求，车辆只需停入车位即可。

技术领域

本发明涉及车辆停放自动化控制领域，尤其涉及一种基于机器学习的车位状态检测方法。

背景技术

停车场车辆引导系统是引导车辆快速行驶到有空闲车位的系统，目前新建的中大型室内停车场一般均有安装。其基础在于对空闲车位的规划和识别。目前一般的停车场车辆引导系统采用以下几种方法识别车位是否空闲：1、地磁感应装置。安装于车位中。采用电磁感应原理，检测车位是否停有车辆。2、超声波检测装置。安装于车位上方。采用超声反射检测其与地面的距离，通过比较距离检测车位是否停有车辆。3、车辆/车牌识别装置。安装于车位斜上方。智能摄像头识别拍摄照片中的车辆和车牌，来判断车位是否停有车辆。

但是，上述停车场车辆引导系统具有以下的缺点：

1、地磁感应装置。需安装于车位中，对地面有破坏，车辆需规范停放，否则可能感应不到，感应速度较慢、反馈传输速度较慢，一个车位需要一个装置，因此设备购置费和安装维护费较高。

2、超声波检测装置。车辆需规范停放，否则可能检测不到，对车辆高度较为敏感，因此只适用于某一类车型，一个车位需要一个装置，因此设备购置费和安装维护费较高。

3、车辆/车牌识别装置。需安装于车辆斜前方，对摄像机的高度、摄像机与车位的距离和角度均有要求，车辆需规范停放，否则可能识别不到，车牌识别的动态适应性不高，如新型车牌、外国车牌的识别率较低。摄像机需高清且能识别车牌，因此设备购置费和安装维护费高。

鉴于此，需要设计一种基于机器学习的车位状态检测方法，利用此方法可以简单便捷、准确地判断车位的停车状态。

发明内容

本发明针对现有技术中存在的问题，提供一种基于机器学习的车位状态检测方法，所述方法包括：

步骤A，收集车位图片，所述车位图片包括空车车位图片以及非空车车位图片；

步骤B，对收集的车位图片进行处理；

步骤C，对处理后的图片进行分类；

步骤D，建立机器学习模型；

步骤E，对建立的机器学习模型进行训练；

步骤F，对经过训练后的机器学习模型进行测试；

步骤G，对经过测试后的机器学习模型进行使用。

进一步地，所述方法还包括：

步骤H，对使用的机器学习模型进行修正。

进一步地，所述步骤A中收集车位的图片按照相机编号、是否有车进行分类。

进一步地，所述步骤B具体包括：对收集到的车位图片中非车位部分的图像进行删除，留下车位部分的图像，对收集到的车位图片中包含多个车位图像的，对图片进行单车位分割，使每一幅图片只反映一个车位，以及对经过处理后的图片按车位编号、是否有车进行分类。

进一步地，所述步骤C具体包括：对每个车位，将其空车位图片数量的90％作为训练数据集Q，将空车位图片数量的10％作为验证数据集R，将有车图片作为测试数据集Z。