[发明专利]一种基于深度学习的停车位检测方法及系统

说明书

本发明公开了一种基于深度学习的停车位检测方法，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。一种基于深度学习的停车位检测系统，包括：图像获取模块、初始设置模块和训练控制模块。其有效的解决了传统图像方法检测对待泊车车位环境要求较高的缺点，适应性较强，且即使在极端环境下对待泊车车位的特征点也能够完美的检测及定位，便于车辆自动准确停车对位，具有鲁棒性好的优点，同时也提高了用户体验。可广泛应用于停车位识别领域。

技术领域

本发明涉及停车位检测识别领域，具体为基于深度学习的停车位检测方法及系统。

背景技术

针对目前标准车位设计状况，驾驶员泊车主要根据车位地面标线来确定车辆与车位的相对位置关系，但现有技术对于车位检测存在环境适应性较差的不足，例如车位标线在光线不足、标线处存在反光、车载摄像头未聚焦引起图像模糊、车位地面背景差异、车位线色彩差异、待检测车位特征点被遮挡、脏污和雨水环境等极端环境下，传统检测方法将检测失败。

针对这些缺点，有必要设计一种新的停车位检测方法及系统，实现极端环境下待泊车车位特征点的可靠检测。

发明内容

本发明旨在至少在一定程度上解决相关技术中的技术问题之一。为此，本发明的一个目的是提供一种环境适应性强、鲁棒性好的基于深度学习的停车位检测方法及系统。

本发明所采用的技术方案是：

本发明提供一种基于深度学习的停车位检测方法，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。

作为该技术方案的改进，所述目标区域包括停车位的边角和/或目标点所在区域。

作为该技术方案的改进，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。

进一步地，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。

进一步地，对停车位的目标图像采用批次训练。

进一步地，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。

另一方面，本发明还提供一种基于深度学习的停车位检测系统，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。

本发明的有益效果是：