[发明专利]一种基于视频帧的复杂场景路侧停车行为识别方法

权利要求书

1.一种基于视频帧的复杂场景路侧停车行为识别方法，其特征在于，

包括：

获取通过视频设备采集的连续的多个视频帧；

在所述多个视频帧中的任一视频帧中绘制停车位区域，确定所述停车位区域的坐标信息；

检测连续多个视频帧，得到视频帧中车辆的坐标信息；

逐一比对视频帧中车辆的坐标信息与已绘制的所述停车位区域坐标信息，获取位于停车位内所有车辆的坐标信息；

判断位于停车位内任一车辆在两相邻视频帧中的坐标信息是否变化；

若该两相邻视频帧中车辆坐标信息发生变化，则检测该两视频帧中车辆附属物的坐标是否变化，得到检测结果；

基于检测结果，确定车辆停车行为。

2.根据权利要求1所述的基于视频帧的复杂场景路侧停车行为识别方法，其特征在于，在所述多个视频帧中的任一视频帧中绘制停车位区域，确定所述停车位区域的坐标信息，具体包括：

选取停车位区域的某一顶点作为坐标起点，沿停车位的边界绘制多边形，形成闭合多边形边界，确定多边形每一顶点的坐标。

3.根据权利要求1所述的基于视频帧的复杂场景路侧停车行为识别方法，其特征在于，获取位于停车位内所有车辆的坐标信息之前还包括，若视频帧中某一车辆坐标不在停车位区域内，则删除该车辆坐标信息。

4.根据权利要求3所述的基于视频帧的复杂场景路侧停车行为识别方法，其特征在于，获取位于停车位内所有车辆的坐标信息具体包括；

选取车辆边界框的坐标信息；

判断该车辆边界框的下边界中点坐标是否在停车位区域内，

若在，则确认该车辆驶入停车位区域内，获取该车辆坐标信息。

5.根据权利要求1所述的基于视频帧的复杂场景路侧停车行为识别方法，其特征在于，若该两相邻视频帧中车辆坐标信息发生变化，切割所述相邻两视频帧中发生变化的车辆区域块。

6.根据权利要求5所述的基于视频帧的复杂场景路侧停车行为识别方法，其特征在于，

检测相邻两视频帧中该车辆区域块中车辆附属物的变化，根据车辆附属物的变化结果，判定车辆发生停车行为。

7.根据权利要求1至5中任一权利要求所述的基于视频帧的复杂场景路侧停车行为识别方法，其特征在于，

对连续多个视频帧中车辆坐标进行检测之前还包括建立车辆训练模型，建立训练模型具体包括：

预先采集视频帧中停车区域内的多个车辆样本图片，通过基于卷积神经网络的深度学习多个所述车辆样本图形进行标注训练，得到车辆训练模型。

8.根据权利要求1至5中任一权利要求所述的基于视频帧的复杂场景路侧停车行为识别方法，其特征在于，

对车辆附属物坐标的检测之前还包括建立附属物训练模型，建立附属物训练模型包括：

预先采集视频帧中停车区域内的多个车辆样本图片，通过基于卷积神经网络的深度学习所述车辆的附属物进行标注训练，得到车辆附属物训练模型。

9.一种基于视频帧的复杂场景路侧停车行为的识别装置，其特征在于：该装置包括，

获取模块，用于获取通过视频设备采集的连续的多个视频帧；

绘制模块，用于在所述多个视频帧中的任一视频帧中绘制停车位区域，确定所述停车位区域的坐标信息；

第一检测模块，用于检测连续多个视频帧，得到视频帧中车辆的坐标信息；

比对模块，逐一比对视频帧中车辆的坐标信息与已绘制的所述停车位区域坐标信息，获取位于停车位内所有车辆的坐标信息；

判断模块，判断位于停车位内任一车辆在两相邻视频帧中的坐标信息是否变化；

第二检测模块，若该两相邻视频帧中车辆坐标信息发生变化，则检测该两视频帧中车辆附属物的坐标是否变化，得到检测结果；

确定模块，用于基于检测结果，确定车辆停车行为。