[发明专利]一种基于视频分析的地下车库乱停检测方法

权利要求书

1.一种基于视频分析的地下车库乱停检测方法，其特征在于，所述方法包括以下步骤：

步骤1：自动巡航机器人通过摄像头获取车库视频；

步骤2：视频每隔一定帧进行截取得到图片集合P＝{P_i|i＝1,2,…,n_P}；

步骤3：使用YOLOv3模型对每张图片P_i进行车头、车侧、车尾、车牌和停车线的目标检测；

步骤4：若角点矩形区域光照不均，对其进行光照补偿，通过直方图均衡化，对图像进行矫正；

步骤5：采用自适应均值方法对每个区域R_t的子图像进行二值化；

步骤6：对每个区域R_t的子图像进行角点检测；

步骤7：根据角点矩形区域集合A中所有角点区域的角点坐标，将它们按照横坐标排序，从而构成有序的角点坐标集Q＝{(x_t,y_t)|t＝1,2,…,m}；

步骤8：若m＝1，则无车位；否则，得车位集合Y＝{(x_iL,y_iL,x_iR,y_iR)|i＝1,2,…,n_Y}；

其中，其中(x_iL,y_iL)表示第i个停车位的左角点坐标，(x_iR,y_iR)表示第i个停车位的右角点坐标，δ₀和δ₁分别表示事先标定的车位最小宽度和最大宽度，单位为像素；

步骤9：根据边界框集合C＝{(a_j,b_j,w_j,h_j)|j＝1,2,…,n_C}和车位集合Y＝{(x_iL,y_iL,x_iR,y_iR)|i＝1,2,…,n_Y}进行越线检测。

2.如权利要求1所述的一种基于视频分析的地下车库乱停检测方法，其特征在于，所述步骤3的过程如下：

步骤3.1：检测出图片P_i的车辆区域，获得边界框集合C＝{(a_j,b_j,w_j,h_j)|j＝1,2,…,n_C},其中(a_j,b_j)为边界框左上角点坐标，w_j为边界框的宽，h_j为边界框的高；

步骤3.2：从C中删除满足公式(1)的边界框元素；

其中x₀和x₁分别为截取图片的左边界横坐标和右边界横坐标；

步骤3.2：如果检测出车侧，则将该车辆标记为乱停并记录，从C中删除对应的边界框元素；

步骤3.3：如果检测出车尾，则将该车辆标记为乱停，通过深度学习模型检测出乱停车辆中车牌区域，识别车牌信息并记录，从C中删除对应的边界框元素；

步骤3.4：若图片P_i对应的C为空，删除P_i；

步骤3.5：通过深度学习模型检测出停车位角点区域，并将检测到的m个角点矩形区域集合记为A＝{R_t|t＝1,2,…,m}，其中，R_t表示第t个角点矩形区域。