[发明专利]一种基于深度学习算法的停车位上车辆换车检测方法及系统

权利要求书

1.一种基于深度学习算法的停车位上车辆换车检测方法，其特征在于，所述方法包括：

获取待检测车位特写图像，并从所述车位特写图像中获取车辆目标和非车辆目标分别对应的矩形框坐标信息；

根据所述车辆目标和非车辆目标的矩形框坐标信息，判断所述车位上的车辆目标是否存在遮挡；

根据所述车位上的车辆目标的遮挡判定结果，从所述车位特写图像中选择车辆换车待比较图像区域；

所述根据所述车位上的车辆目标的遮挡判定结果，从所述车位特写图像中选择车辆换车待比较图像区域的步骤包括：

若所述车位特写图像中车位上的车辆目标未被其他目标遮挡，则将车位上的车辆目标对应的矩形框区域，标记为待比较区域；

若所述车位特写图像中车位上的车辆目标被其他目标矩形框遮挡，则获取所述车位上的车辆目标矩形框的未被遮挡区域，将各张车位特写图像中车辆目标矩形框未被遮挡区域的相交区域，标记为待比较区域；

根据待比较图像区域的图像特征值，确定所述车位上是否存在车辆换车。

2.根据权利要求1所述的一种基于深度学习算法的停车位上车辆换车检测方法，其特征在于，所述从所述车位特写图像中获取车辆目标和非车辆目标分别对应的矩形框坐标信息的步骤包括：

根据预置深度学习目标检测算法，识别所述车位特写图像中所有目标的矩形框坐标信息，并标记停在所述车位上的车辆目标矩形框坐标信息。

3.根据权利要求1所述的一种基于深度学习算法的停车位上车辆换车检测方法，其特征在于，所述根据所述车辆目标和非车辆目标的矩形框坐标信息，判断所述车位上的车辆目标是否存在遮挡的步骤包括：

根据所述车辆目标和非车辆目标的矩形框坐标信息，计算所有目标矩形框与车位上所述车辆目标矩形框的相交面积；

若所述相交面积等于0，则确认不存在遮挡；

若所述相交面积大于0，则根据车辆目标和除所述车辆目标的其他目标分别对应的矩形框的位置关系，判断是否存在遮挡。

4.根据权利要求3所述的一种基于深度学习算法的停车位上车辆换车检测方法，其特征在于，所述根据车辆目标和除所述车辆目标的其他目标分别对应的矩形框的位置关系，判断是否存在遮挡的步骤包括：

若其他目标矩形框下边缘大于所述车辆目标矩形框下边缘，则确认所述车位上的车辆被所述目标遮挡。

5.根据权利要求1所述的一种基于深度学习算法的停车位上车辆换车检测方法，其特征在于，所述根据待比较图像区域的图像特征值，确定所述车位上是否存在车辆换车的步骤之前，所述方法还包括：

判断所述待比较区域面积比、待比较区域与车位上的车辆原始矩形框区域面积比、待比较区域的宽高比是否均位于对应的预置阈值范围内。

6.根据权利要求5所述的一种基于深度学习算法的停车位上车辆换车检测方法，其特征在于，所述根据待比较图像区域的图像特征值，确定所述车位上是否存在车辆换车的步骤包括：

若所述待比较区域面积比、待比较区域与车位上的车辆原始矩形框区域面积比、待比较区域的宽高比均位于对应的预置阈值范围，则根据待比较图像区域的图像特征值，确定所述车位上是否存在车辆换车；

若否，则重新获取待检测车位特写图像。

7.根据权利要求1或6所述的一种基于深度学习算法的停车位上车辆换车检测方法，其特征在于，所述根据待比较图像区域的图像特征值，确定所述车位上是否存在车辆换车的步骤包括：

根据待比较区域的图像特征值，判断待比较区域的特征相似度是否小于预置阈值；

若是，则确认所述车位上的车辆存在换车。