[发明专利]一种基于视觉差的停车检测方法及装置

说明书

本发明实施例提供了一种基于视觉差的停车检测方法及装置，该方法包括：获取各摄像机实时拍摄的预定监控区域的视频帧，并针对各摄像机，标注各自对应视频帧的当前时刻的时间信息；在已标注时间信息的各视频帧中，分别通过预定卷积神经网络模型确定所述各视频帧中待检测车辆的车辆信息；根据已确定的各视频帧中待检测车辆的车辆信息，确定所述各视频帧中待检测车辆的特征点信息；分别计算所述各视频帧中待检测车辆与各自对应摄像机的位置关系，并根据所述位置关系构建待检测车辆的当前三维坐标；根据所述待检测车辆的当前三维坐标，确定待检测车辆的停车状态。通过本发明，能够精确地确定车辆状态，极大地提高了车辆检测的检测效率和准确性。

技术领域

本发明涉及智能停车管理技术领域，尤其涉及一种基于视觉差的停车检测方法及装置。

背景技术

随着城市经济的飞速发展和人民生活水平的不断提高，城市机动车保有量快速增长，在有限停车泊位的情况下，出现了百姓停车难的问题。为了解决这个难题，城市管理者开始在路侧规划泊位解决百姓停车问题，但是路侧泊位每个泊位都有多个出入口，基于路侧停车的自身特点，加大了路侧泊位管理的难度。

如何有效的对路侧泊位停车进行管理，目前市面上有很多方案，例如在每个泊位安装地磁，在每个泊位安装视频桩、流动车辆巡检、高位球机、平行矩阵等设备。路侧停车管理一般由政府发起，由于涉及到停车收费的计时问题，因此，停车事件的准确度将影响到政府的公信力。而传统的路侧停车管理设备都有必可避免的缺陷或者效率低下的地方，例如地磁设备虽然成本很低，但检测车辆容时易受到地面物体的干扰，造成车辆出入场事件不准确，同时，地磁设备无法识别车牌，需要结合人工手动记录，效率极低；又例如，视频桩设备由于安装位置较低，容易被人干扰，存在较大的逃避收费风险，需要付出较高的人力成本来进行监督管理，而且视频桩在对停车不规范的情况处理时，容易造成漏报；又例如，流动车辆巡检是不仅需要人为参与，还占用一辆机动车来进行监督管理，最重要的，对于机动车巡检过后的车辆驶离将无法精准记录；又例如，高位球机在对多车辆同时出入场的场景进行管理时，存在识别硬件缺陷，在车流量较大的地方，高位球机容易产生较多漏报记录，难以有效准确的对路侧停车进行管理；又例如，平行矩阵的路侧管理设备，当路侧存在园林树木，容易发生树枝遮挡镜头或者由于刮风天气，造成树枝在镜头前晃动，干扰车辆的出入场动作检测，同时，存在较大车辆遮挡该车辆前方小车泊位，造成其他泊位车辆出入场动作发生漏报或误报等情况。

因此，亟待一种能够针对现有路侧停车条件下存在的情况，精确准确的检测车辆状态的方法。

发明内容

本发明实施例提供一种基于视觉差的停车检测方法及装置，实现了对车辆状态进行精确地检测。

本发明实施例提供了一种基于视觉差的停车检测方法，包括：

获取各摄像机实时拍摄的预定监控区域的视频帧，并针对各摄像机，标注各自对应视频帧的当前时刻的时间信息；

在已标注时间信息的各视频帧中，分别通过预定卷积神经网络模型确定所述各视频帧中待检测车辆的车辆信息；

根据已确定的各视频帧中待检测车辆的车辆信息，确定所述各视频帧中待检测车辆的特征点信息；

根据所述特征点信息，分别计算所述各视频帧中待检测车辆与各自对应摄像机的位置关系，并根据所述位置关系构建待检测车辆的当前三维坐标；

根据所述待检测车辆的当前三维坐标，确定待检测车辆的停车状态。

本发明实施例还提供了一种基于视觉差的停车检测装置，包括：

获取及标注模块，用于获取各摄像机实时拍摄的预定监控区域的视频帧，并针对各摄像机，标注各自对应视频帧的当前时刻的时间信息；

第一确定模块，用于在已标注时间信息的各视频帧中，分别通过预定卷积神经网络模型确定所述各视频帧中待检测车辆的车辆信息；