[发明专利]基于目标活动预测的停车场管控方法、装置及电子设备

说明书

本发明公开了一种基于目标活动预测的停车场管控方法、装置、电子设备及存储介质，包括：获取针对停车场的场景视频；通过对场景视频中的目标进行检测和跟踪，生成停车场的空间与或图模型；空间与或图模型表征场景视频中目标的空间位置关系；对空间与或图模型利用子活动提取算法得到表征关注目标的活动状态的子活动标签集；将子活动标签集输入预先得到的时间与或图模型，得到停车场中关注目标未来活动的预测结果；时间与或图模型是利用预先建立的停车场的目标的活动语料库得到的；基于关注目标未来活动的预测结果，向停车场的对应设备发送控制信息。本发明能够实现对停车场中目标的活动进行准确、快速预测，从而实现对停车场进行有效管控的目的。

技术领域

本发明属于停车场管理领域，具体涉及一种基于目标活动预测的停车场管控方法、装置及电子设备。

背景技术

停车场是人群和机动车辆密集的场所。为了确保安全以及实施有效管控，通常利用视频监控设备来监控停车场的状况。

通过对监控视频进行检测分析，可以得到停车场中各目标当前的行为状况。但是这种检测技术属于事后检测，无法预测目标在未来时刻的活动，因而无法对未来活动进行及时响应，或者无法及时避免安全事件的发生，比如车辆碰撞等。因此无法实现对停车场的有效管控。

发明内容

本发明实施例的目的在于提供一种基于目标活动预测的停车场管控方法、装置、电子设备及存储介质，以实现对停车场中目标的活动进行准确、快速预测，从而对停车场进行有效管控的目的。具体技术方案如下：

第一方面，本发明实施例提供了一种基于目标活动预测的停车场管控方法，所述方法包括：

获取针对停车场的场景视频；

通过对所述场景视频中的目标进行检测和跟踪，生成所述停车场的空间与或图模型；其中，所述空间与或图模型表征所述场景视频中目标的空间位置关系；

对所述空间与或图模型利用子活动提取算法得到表征关注目标的活动状态的子活动标签集；

将所述子活动标签集输入预先得到的时间与或图模型，得到所述停车场中所述关注目标未来活动的预测结果；其中，所述时间与或图模型是利用预先建立的所述停车场的目标的活动语料库得到的；

基于所述关注目标未来活动的预测结果，向所述停车场的对应设备发送控制信息。

可选的，所述通过对所述场景视频中的目标进行检测和跟踪，生成所述停车场的空间与或图模型，包括：

利用预先训练得到的目标检测网络对所述场景视频中的目标进行检测，得到所述场景视频的每一帧图像中各目标分别对应的属性信息；其中，所述属性信息包括包含所述目标的边界框的位置信息；

基于所述每一帧图像中各目标分别对应的属性信息，利用预设的多目标跟踪算法对所述场景视频的各帧图像中的相同目标进行匹配；

确定每一帧图像中不同目标之间的实际空间距离；

利用匹配后各帧图像对应的目标的所述属性信息以及所述实际空间距离，生成所述停车场的空间与或图模型。

可选的，所述目标检测网络包括YOLO_v3网络；所述预设的多目标跟踪算法包括DeepSort算法。

可选的，所述确定每一帧图像中不同目标之间的实际空间距离，包括：

在每一帧图像中，确定每个目标的像素坐标；

利用单目视觉定位测距技术，针对每个目标，计算该目标的所述像素坐标在世界坐标系中对应的实际坐标；

针对每一帧图像，利用该帧图像中每两个目标的所述实际坐标，得到该帧图像中该两个目标之间的实际空间距离。