[发明专利]一种基于深度学习的停车位检测方法及系统在审
| 申请号： | 201810824584.2 | 申请日： | 2018-07-25 |
| 公开（公告）号： | CN109086708A | 公开（公告）日： | 2018-12-25 |
| 发明（设计）人： | 田勇;钱令军;田劲东 | 申请（专利权）人： | 深圳大学 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06K9/62;G06N3/08 |
| 代理公司： | 广州嘉权专利商标事务所有限公司 44205 | 代理人： | 唐致明;洪铭福 |
| 地址： | 518060 广东*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 停车位 检测 泊车车位 目标区域 目标图像 训练集 神经网络参数 图像获取模块 标签信息 初始设置 传统图像 环境要求 极端环境 检测系统 控制模块 量化评估 神经网络 训练结果 用户体验 测试集 初始化 鲁棒性 特征点 对位 学习 停车 标签 应用 | ||
1.一种基于深度学习的停车位检测方法，其特征在于，包括以下步骤：
获取停车位的目标图像；
设置所述停车位目标图像的训练集和测试集；
对感兴趣目标区域设置标签，标记所述目标区域的坐标及类别；
初始化神经网络参数；
将所述训练集及标签信息置于所述神经网络中参与训练；
对训练结果进行量化评估。
2.根据权利要求1所述的基于深度学习的停车位检测方法，其特征在于，所述目标区域包括停车位的边角和/或目标点所在区域。
3.根据权利要求2所述的基于深度学习的停车位检测方法，其特征在于，标记所述停车位的边角和/或目标点所在区域矩形框的坐标和类别。
4.根据权利要求3所述的基于深度学习的停车位检测方法，其特征在于，所述标签的信息包括图像的长、宽、深度和/或标签类别名称和/或标签矩形框的左上角坐标及右下角坐标值。
5.根据权利要求1所述的基于深度学习的停车位检测方法，其特征在于，所述方法包括：对停车位的目标图像采用批次训练。
6.根据权利要求1至5任一项所述的基于深度学习的停车位检测方法，其特征在于，所述方法包括：当训练结束后，采用测试集对训练结果进行量化评估；若训练结果满足预设要求，则将所述训练结果投入应用；若训练结果不满足预设要求，则分析并修改相关参数，并继续训练。
7.一种基于深度学习的停车位检测系统，其特征在于，包括：
图像获取模块，用于执行步骤获取停车位的目标图像；
初始设置模块，用于执行步骤设置所述停车位目标图像的训练集和测试集；
对感兴趣目标区域设置标签，标记所述目标区域的坐标及类别；
初始化神经网络参数；
训练控制模块，用于执行步骤将所述训练集及标签信息置于所述神经网络中参与训练；
对训练结果进行量化评估。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于深圳大学，未经深圳大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/201810824584.2/1.html，转载请声明来源钻瓜专利网。
