[发明专利]一种基于深度学习的智能停车管理方法及系统

权利要求书

1.一种基于深度学习的智能停车管理方法，其特征在于，所述方法包括：

获取停车场摄像头采集的视频帧；

加载训练好的卷积神经网络模型；

将所述视频帧输入所述训练好的卷积神经网络模型，输出车辆位置预测框信息；所述车辆位置预测框信息包括车辆位置预测框的中心坐标以及宽、高；

获取车位框信息；所述车位框信息包括车位框的左上角坐标和右下角坐标；采用参数化调整的方式来进行车位框信息获取，详细获取方式如下：

获取车位的宽高比信息，设车位的宽为w，车位的高为h，则车位宽高比设车位偏斜角度为α；设车位间的距离为δ；由于每个摄像头管理三到五个车位，所以设立一个参数β表示同一摄像头监测的车位的数目；所有的预置车位框看作一个整体，还需要一个参数设置这些预置车位框的一个初始位置，只需要设定这个整体的一个角的位置即可，设置车位框左上角的位置坐标为p(x，y)；

首先初始化车位框的宽、高分别为w₀和h₀，由于不同的停车场车位大小不同，所以宽高比ε通常由停车场管理员给出；实际上，通过ε的设置，只需要知道w₀和h₀的任意一个即可；假设只设置h₀，则w₀＝ε*h₀；车位的偏斜角度设置为α₀，车位框的间隔δ的初始化值为δ₀，车位的数目初始化为β₀，车位框左上角的位置坐标为p₀(x₀，y₀)；由此，初始化阶段在摄像头的画面中首先固定β₀个宽高比为ε、长为h₀、车位框间隔为δ₀的初始化预置车位框，当摄像头安装好后，通过调整p₀(x₀，y₀)，将所有的车位框放到摄像头画面中车位所在的那一排，然后通过调整ε、α、δ、h、β调整车位框的位置，使摄像头画面中的预置车位框调整到与实际车位的停车线大概一致，调整幅度为预置车位框能够表示实际车位即可，从而使采集的视频帧检测起来更快速；当所有的车位框都调整到适当的位置之后，就可以获取不同车位的位置和相应的车位框信息；

根据所述车辆位置预测框信息和所述车位框位置信息确定当前车位状态；所述根据所述车辆位置预测框信息和所述车位框位置信息确定当前车位状态，具体包括：

根据所述车辆位置预测框信息计算车辆位置预测框的左上角坐标和右下角坐标；

根据所述车辆位置预测框的左上角坐标和右下角坐标以及所述车位框的左上角坐标和右下角坐标计算所述车辆位置预测框与所述车位框的重叠区域位置；所述重叠区域位置包括所述车辆位置预测框与所述车位框的重叠区域的左上角坐标和右下角坐标；

根据所述重叠区域位置计算重叠区域面积；

根据所述车位框位置计算车位框面积；

计算所述重叠区域面积与所述车位框面积的比值作为车辆的置信度；

判断所述车辆的置信度是否大于等于置信度阈值，获得第一判断结果；

若所述第一判断结果为所述车辆的置信度大于等于置信度阈值，确定当前车位状态为被占状态；

若所述车辆的置信度小于置信度阈值，确定当前车位状态为空状态。

2.根据权利要求1所述的基于深度学习的智能停车管理方法，其特征在于，在所述加载训练好的卷积神经网络模型之前，还包括：

基于Darknet框架和YOLO算法建立卷积神经网络模型；所述卷积神经网络模型包括特征提取器和检测器；

采用视觉对象类VOC数据集对所述卷积神经网络模型进行训练、调参，生成训练好的卷积神经网络模型。