車輛入位的判定方法、裝置及車輛出位的判定方法、裝置的制造方法
【專利摘要】本發(fā)明公開了車輛入位的判定方法及裝置，方法包括：獲取停車場(chǎng)的視頻幀圖像中的目標(biāo)的位置信息，并與車位的位置信息進(jìn)行比較；判斷目標(biāo)的位置信息與車位的位置信息是否存在交集；對(duì)所述視頻幀圖像進(jìn)行虛擬線圈檢測(cè)，判斷特征點(diǎn)的個(gè)數(shù)是否大于入位閾值；對(duì)視頻幀圖像進(jìn)行車輛檢測(cè)，判斷視頻幀圖像中的目標(biāo)是否為車輛；若均為是，則視頻幀圖像中對(duì)應(yīng)的車輛為入位狀態(tài)；該方法通過三個(gè)識(shí)別過程準(zhǔn)確的識(shí)別車輛入位狀態(tài)，在不增加硬件成本的基礎(chǔ)上實(shí)現(xiàn)實(shí)時(shí)獲取進(jìn)入車位的車輛信息；本發(fā)明還公開了車輛出位的判定方法及裝置，通過三個(gè)識(shí)別過程準(zhǔn)確的識(shí)別車輛出位狀態(tài)，實(shí)現(xiàn)實(shí)時(shí)獲取駛出車位的車輛信息；本發(fā)明還公開了車輛管理系統(tǒng)。
【專利說明】
車輛入位的判定方法、裝置及車輛出位的判定方法、裝置
技術(shù)領(lǐng)域
[0001]本發(fā)明涉及圖像處理技術(shù)領(lǐng)域，特別涉及一種車輛入位的判定方法、裝置及車輛出位的判定方法、裝置及車輛管理系統(tǒng)。
【背景技術(shù)】
[0002]目前，視頻技術(shù)已經(jīng)廣泛應(yīng)用于停車場(chǎng)、城市道路、高速公路等區(qū)域進(jìn)行車輛信息的自動(dòng)抓取和識(shí)別。隨著車輛保有量的持續(xù)增加，視頻技術(shù)在智能交通中的應(yīng)用將越來越多，現(xiàn)在基于視頻的道路停車管理系統(tǒng)廣泛使用視頻技術(shù)實(shí)現(xiàn)車位的管理。但基于視頻的道路停車管理系統(tǒng)存在一個(gè)問題，車輛進(jìn)入車位以后，由于受攝像頭空間位置的限制，有的車牌信息存在遮擋，攝像頭不能自動(dòng)抓取車牌信息。導(dǎo)致車輛信息無法記錄。
[0003]當(dāng)前車輛入位檢測(cè)和出位檢測(cè)方法有以下幾種方法:第一在車位側(cè)設(shè)置傳感器進(jìn)行入位檢測(cè)，這類方法通過利用紅外傳感器，地磁感應(yīng)傳感器，超聲波傳感器，低頻傳感器等設(shè)備獲取溫度變化，磁場(chǎng)變化，物體位移變化，車輛電磁信號(hào)等實(shí)現(xiàn)入位和出位檢測(cè)，但是這種方式存在對(duì)周圍環(huán)境的依賴，檢測(cè)結(jié)果差強(qiáng)人意。第二在車位側(cè)設(shè)置射頻模塊進(jìn)行車位檢測(cè)，這類方法通過檢測(cè)車輛上的標(biāo)簽來實(shí)現(xiàn)入位檢測(cè)。因?yàn)闄z測(cè)時(shí)射頻設(shè)備和標(biāo)簽之間存在方向性，所以二者之間存在遮擋時(shí)檢測(cè)結(jié)果不準(zhǔn)確，此外，射頻設(shè)備工作頻率很高，收發(fā)距離較遠(yuǎn)，當(dāng)存在相鄰被測(cè)物時(shí)，無法正確識(shí)別車輛入位和出位。第三基于圖像的入位和出位狀態(tài)檢測(cè)，這種方法通過利用車位的顏色模型，邊緣特征做圖像分析，從而實(shí)現(xiàn)入位和出位狀態(tài)檢測(cè)，但是這種基于圖像的方法所利用的特征過于簡(jiǎn)單，抗干擾能力差，所以進(jìn)行檢測(cè)時(shí)很容易被干擾造成檢測(cè)失誤，無法準(zhǔn)確的及時(shí)的檢測(cè)車輛的入位和出位。
[0004]因此，如何準(zhǔn)確的及時(shí)的檢測(cè)車輛的入位和出位，是本領(lǐng)域技術(shù)人員需要解決的技術(shù)問題。

【發(fā)明內(nèi)容】

[0005]本發(fā)明的目的是提供一種車輛入位的判定方法及車輛出位的判定方法，能夠在不增加硬件成本的基礎(chǔ)上準(zhǔn)確的對(duì)車輛的入位狀態(tài)及出位狀態(tài)進(jìn)行預(yù)判;本發(fā)明的另一目的是提供一種車輛出位的判定裝置、車輛出位的判定裝置及車輛管理系統(tǒng)。
[0006]為解決上述技術(shù)問題，本發(fā)明提供車輛入位的判定方法，包括:
[0007]獲取停車場(chǎng)的視頻幀圖像中的目標(biāo)的位置信息，并與車位的位置信息進(jìn)行比較；判斷所述目標(biāo)的位置信息與所述車位的位置信息是否存在交集；
[0008]對(duì)所述視頻幀圖像進(jìn)行虛擬線圈檢測(cè)，判斷特征點(diǎn)的個(gè)數(shù)是否大于入位閾值；
[0009]對(duì)所述視頻幀圖像進(jìn)行車輛檢測(cè)，判斷所述視頻幀圖像中的目標(biāo)是否為車輛；
[0010]若均為是，則所述視頻幀圖像中對(duì)應(yīng)的車輛為入位狀態(tài)。
[0011]其中，獲取停車場(chǎng)的視頻幀圖像中的目標(biāo)的位置信息，并與車位的位置信息進(jìn)行比較;判斷所述目標(biāo)的位置信息與所述車位的位置信息是否存在交集，包括:
[0012]利用運(yùn)動(dòng)目標(biāo)分析算法及車輛檢測(cè)器對(duì)所述視頻幀圖像進(jìn)行計(jì)算，得到運(yùn)動(dòng)目標(biāo)的區(qū)域位置信息；
[0013]在所述區(qū)域位置信息對(duì)應(yīng)的區(qū)域內(nèi)對(duì)所述運(yùn)動(dòng)目標(biāo)進(jìn)行紋理信息提取，并利用所述紋理信息進(jìn)行運(yùn)動(dòng)目標(biāo)的視覺跟蹤，得到目標(biāo)跟蹤軌跡；
[0014]將得到的目標(biāo)跟蹤軌跡與車位的行車側(cè)邊界線的位置信息進(jìn)行比較;判斷所述目標(biāo)跟蹤軌跡與車位的行車側(cè)邊界線的位置信息是否存在交集。
[0015]其中，對(duì)所述視頻幀圖像進(jìn)行虛擬線圈檢測(cè)，判斷特征點(diǎn)的個(gè)數(shù)是否大于入位閾值，包括:
[0016]初始化設(shè)定的虛擬線圈；
[0017]利用背景建模得到的背景模型提取所述虛擬線圈內(nèi)的目標(biāo)的特征點(diǎn)；
[0018]判斷所述特征點(diǎn)的個(gè)數(shù)是否大于入位閾值。
[0019]其中，若均為是，則所述視頻幀圖像中對(duì)應(yīng)的車輛為入位狀態(tài)，包括:
[0020]若均為是，則確定與目標(biāo)跟蹤軌跡存在交集的車位的位置信息；
[0021 ]確定目標(biāo)進(jìn)入虛擬線圈對(duì)應(yīng)的車位的位置信息；
[0022]確定車輛檢測(cè)得到的車輛位置信息對(duì)應(yīng)的車位的位置信息；
[0023]判斷各個(gè)車位的位置信息是否對(duì)應(yīng)同一個(gè)車位區(qū)域；
[0024]若是，則所述目標(biāo)在一個(gè)區(qū)域內(nèi)；則所述視頻幀圖像中對(duì)應(yīng)的車輛為入位狀態(tài)。
[0025]本發(fā)明還提供一種車輛入位的判定裝置，包括:
[0026]入位軌跡檢測(cè)模塊，用于獲取停車場(chǎng)的視頻幀圖像中的目標(biāo)的位置信息，并與車位的位置信息進(jìn)行比較;判斷所述目標(biāo)的位置信息與所述車位的位置信息是否存在交集；
[0027]入位虛擬線圈模塊，用于對(duì)所述視頻幀圖像進(jìn)行虛擬線圈檢測(cè)，判斷特征點(diǎn)的個(gè)數(shù)是否大于入位閾值；
[0028]入位車輛檢測(cè)模塊，用于對(duì)所述視頻幀圖像進(jìn)行車輛檢測(cè)，判斷所述視頻幀圖像中的目標(biāo)是否為車輛；
[0029]入位判斷模塊，用于若均為是，則所述視頻幀圖像中對(duì)應(yīng)的車輛為入位狀態(tài)。
[0030]本發(fā)明還提供一種車輛出位的判定方法，包括:
[0031]獲取停車場(chǎng)的視頻幀圖像中的目標(biāo)的位置信息，并與車位的位置信息進(jìn)行比較；判斷所述目標(biāo)的位置信息與所述車位的位置信息是否存在交集；
[0032]對(duì)所述視頻幀圖像進(jìn)行虛擬線圈檢測(cè)，判斷特征點(diǎn)的個(gè)數(shù)是否大于出位閾值；
[0033]對(duì)所述視頻幀圖像進(jìn)行車輛檢測(cè)，判斷所述視頻幀圖像中的目標(biāo)是否為車輛；
[0034]若均為是，則所述視頻幀圖像中對(duì)應(yīng)的車輛為出位狀態(tài)。
[0035]其中，獲取停車場(chǎng)的視頻幀圖像中的目標(biāo)的位置信息，并與車位的位置信息進(jìn)行比較;判斷所述目標(biāo)的位置信息與所述車位的位置信息是否存在交集，包括:
[0036]利用運(yùn)動(dòng)目標(biāo)分析算法及車輛檢測(cè)器對(duì)所述視頻幀圖像進(jìn)行計(jì)算，得到運(yùn)動(dòng)目標(biāo)的區(qū)域位置信息；
[0037]在所述區(qū)域位置信息對(duì)應(yīng)的區(qū)域內(nèi)對(duì)所述運(yùn)動(dòng)目標(biāo)進(jìn)行紋理信息提取，并利用所述紋理信息進(jìn)行運(yùn)動(dòng)目標(biāo)的視覺跟蹤，得到目標(biāo)跟蹤軌跡；
[0038]將得到的目標(biāo)跟蹤軌跡與車位的邊界線位置信息進(jìn)行比較;判斷所述目標(biāo)跟蹤軌跡與車位的邊界線位置信息是否存在交集。
[0039]其中，對(duì)所述視頻幀圖像進(jìn)行虛擬線圈檢測(cè)，判斷特征點(diǎn)的個(gè)數(shù)是否大于出位閾值，包括:
[0040]初始化設(shè)定的虛擬線圈；
[0041]利用背景建模得到的背景模型提取所述虛擬線圈內(nèi)的目標(biāo)的特征點(diǎn)；
[0042]判斷所述特征點(diǎn)的個(gè)數(shù)是否大于出位閾值。
[0043]其中，若均為是，則所述視頻幀圖像中對(duì)應(yīng)的車輛為出位狀態(tài)，包括:
[0044]若均為是，則確定與目標(biāo)跟蹤軌跡存在交集的車位的位置信息；
[0045]確定目標(biāo)在虛擬線圈對(duì)應(yīng)的車位的位置信息；
[0046]確定車輛檢測(cè)得到的車輛位置信息對(duì)應(yīng)的車位的位置信息；
[0047]判斷各個(gè)車位的位置信息是否對(duì)應(yīng)同一個(gè)車位區(qū)域；
[0048]若是，則所述目標(biāo)在一個(gè)區(qū)域內(nèi)；則所述視頻幀圖像中對(duì)應(yīng)的車輛為出位狀態(tài)。
[0049]本發(fā)明還提供一種車輛出位的判定裝置，包括:
[0050]出位軌跡檢測(cè)模塊，用于獲取停車場(chǎng)的視頻幀圖像中的目標(biāo)的位置信息，并與車位的位置信息進(jìn)行比較;判斷所述目標(biāo)的位置信息與所述車位的位置信息是否存在交集；
[0051]出位虛擬線圈模塊，用于對(duì)所述視頻幀圖像進(jìn)行虛擬線圈檢測(cè)，判斷特征點(diǎn)的個(gè)數(shù)是否大于出位閾值；
[0052]出位車輛檢測(cè)模塊，用于對(duì)所述視頻幀圖像進(jìn)行車輛檢測(cè)，判斷所述視頻幀圖像中的目標(biāo)是否為車輛；
[0053]出位判斷模塊，用于若均為是，則所述視頻幀圖像中對(duì)應(yīng)的車輛為出位狀態(tài)。
[0054]本發(fā)明還提供一種車輛管理系統(tǒng)，包括:
[0055]攝像頭，用于采集停車場(chǎng)視頻幀圖像；
[0056]上述車輛入位的判定裝置，用于對(duì)車輛入位狀態(tài)進(jìn)行判斷；
[0057]和/或上述車輛出位的判定裝置，用于對(duì)車輛出位狀態(tài)進(jìn)行判斷；
[0058]存儲(chǔ)器，用于記錄具有入位狀態(tài)和/或出位狀態(tài)車輛的信息。
[0059]本發(fā)明所提供的車輛入位的判定方法，包括:獲取停車場(chǎng)的視頻幀圖像中的目標(biāo)的位置信息，并與車位的位置信息進(jìn)行比較;判斷所述目標(biāo)的位置信息與所述車位的位置信息是否存在交集;對(duì)所述視頻幀圖像進(jìn)行虛擬線圈檢測(cè)，判斷特征點(diǎn)的個(gè)數(shù)是否大于入位閾值;對(duì)所述視頻幀圖像進(jìn)行車輛檢測(cè)，判斷所述視頻幀圖像中的目標(biāo)是否為車輛;若均為是，則所述視頻幀圖像中對(duì)應(yīng)的車輛為入位狀態(tài)；
[0060]該方法將判斷運(yùn)動(dòng)目標(biāo)是否碾壓車位線，判斷目標(biāo)在虛擬線圈中是否有運(yùn)動(dòng)前景，判斷目標(biāo)是否為車輛三者結(jié)合起來，最終得到車輛是否為入位狀態(tài)進(jìn)而證明該車輛會(huì)入位;該方法的準(zhǔn)確性很高，因?yàn)槠淇梢员苊庵焕锰摂M線圈檢測(cè)，車輛在車位旁邊行駛時(shí)，是可以在虛擬線圈中檢測(cè)到運(yùn)動(dòng)前景的，有可能會(huì)誤判;如果只判斷運(yùn)動(dòng)目標(biāo)是否碾壓車位線，當(dāng)車輛不沿直線行駛時(shí)，有可能車輛在變道也會(huì)碾壓到車位線的，這樣也會(huì)存在誤判;且若不檢測(cè)目標(biāo)是否為車輛，可能會(huì)出現(xiàn)行人、手推車等運(yùn)動(dòng)目標(biāo)的誤判；因此，該方法利用車輛入位的三個(gè)特征，對(duì)每一個(gè)特征都加以利用可以增強(qiáng)系統(tǒng)的檢測(cè)精度，減少系統(tǒng)的誤檢。進(jìn)一步，在能夠準(zhǔn)確識(shí)別到車輛入位狀態(tài)后，可以解決車輛在道路停車位停車時(shí)，車輛管理系統(tǒng)能夠?qū)崟r(shí)獲取車輛車牌信息。提高車輛管理系統(tǒng)的管理效率和準(zhǔn)確性。本發(fā)明所提供的車輛入位的判定裝置，具有上述效果。
[0061]本發(fā)明所提供的車輛出位的判定方法與上述車輛入位的判定方法類似，都是將判斷運(yùn)動(dòng)目標(biāo)是否碾壓車位線，判斷目標(biāo)在虛擬線圈中是否有運(yùn)動(dòng)前景，判斷目標(biāo)是否為車輛三者結(jié)合起來，最終得到車輛是否為入位狀態(tài)進(jìn)而證明該車輛會(huì)出位;具有上述有益效果，本發(fā)明所提供的車輛出位的判定裝置也具有上述有益效果，再次不再贅述。
[0062]本發(fā)明所提供的車輛管理系統(tǒng)，可以根據(jù)車輛出位的判定裝置和/或車輛入位的判定裝置得到的車輛出入位狀態(tài)結(jié)果，及時(shí)，準(zhǔn)確的記錄到對(duì)應(yīng)車輛的信息，例如車牌信息等;可以提高車輛管理系統(tǒng)的管理效率和準(zhǔn)確性。
【附圖說明】
[0063]為了更清楚地說明本發(fā)明實(shí)施例或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對(duì)實(shí)施例或現(xiàn)有技術(shù)描述中所需要使用的附圖作簡(jiǎn)單地介紹，顯而易見地，下面描述中的附圖僅僅是本發(fā)明的實(shí)施例，對(duì)于本領(lǐng)域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動(dòng)的前提下，還可以根據(jù)提供的附圖獲得其他的附圖。
[0064]圖1為本發(fā)明實(shí)施例所提供的車輛入位的判定方法的流程圖；
[0065]圖2為本發(fā)明實(shí)施例所提供的車輛入位的判定裝置的結(jié)構(gòu)框圖；
[0066]圖3為本發(fā)明實(shí)施例所提供的車輛出位的判定方法的流程圖；
[0067]圖4為本發(fā)明實(shí)施例所提供的車輛出位的判定裝置的結(jié)構(gòu)框圖；
[0068]圖5為本發(fā)明實(shí)施例所提供的車輛管理系統(tǒng)的結(jié)構(gòu)框圖。
【具體實(shí)施方式】
[0069]本發(fā)明的核心是提供一種車輛入位的判定方法及車輛出位的判定方法，能夠在不增加硬件成本的基礎(chǔ)上準(zhǔn)確的對(duì)車輛的入位狀態(tài)及出位狀態(tài)進(jìn)行預(yù)判;本發(fā)明的另一目的是提供一種車輛出位的判定裝置、車輛出位的判定裝置及車輛管理系統(tǒng)。
[0070]為使本發(fā)明實(shí)施例的目的、技術(shù)方案和優(yōu)點(diǎn)更加清楚，下面將結(jié)合本發(fā)明實(shí)施例中的附圖，對(duì)本發(fā)明實(shí)施例中的技術(shù)方案進(jìn)行清楚、完整地描述，顯然，所描述的實(shí)施例是本發(fā)明一部分實(shí)施例，而不是全部的實(shí)施例?；诒景l(fā)明中的實(shí)施例，本領(lǐng)域普通技術(shù)人員在沒有做出創(chuàng)造性勞動(dòng)前提下所獲得的所有其他實(shí)施例，都屬于本發(fā)明保護(hù)的范圍。
[0071]請(qǐng)參考圖1，圖1為本發(fā)明實(shí)施例所提供的車輛入位的判定方法的流程圖；該方法可以包括:
[0072]S100、獲取停車場(chǎng)的視頻幀圖像中的目標(biāo)的位置信息，并與車位的位置信息進(jìn)行比較;判斷所述目標(biāo)的位置信息與所述車位的位置信息是否存在交集；
[0073]其中，通過分析可以得到，車輛進(jìn)入停車位的時(shí)候都會(huì)具有以下三個(gè)特征，第一目標(biāo)不可能直線行駛，會(huì)碾壓車位線；第二目標(biāo)會(huì)進(jìn)入車位，所以虛擬線圈會(huì)檢測(cè)到運(yùn)動(dòng)前景;第三目標(biāo)是車輛，這時(shí)可以檢測(cè)到的。因此，該實(shí)施例利用上述三個(gè)特征對(duì)車輛的入位狀態(tài)進(jìn)行判斷。
[0074]該步驟就是對(duì)第一個(gè)特征進(jìn)行判定，由于車輛會(huì)碾壓車位線，因此可以將視頻幀圖像中的目標(biāo)的位置信息與車位的位置信息進(jìn)行比較，若要碾壓，則證明必然會(huì)存在交集，即會(huì)存在至少一個(gè)點(diǎn)的位置是重合的，即目標(biāo)的位置信息與車位的位置信息是至少會(huì)存在一個(gè)交集。
[0075]這里獲取停車場(chǎng)的視頻幀圖像中的目標(biāo)的位置信息，可以通過車輛檢測(cè)器即車檢器，后續(xù)車輛檢測(cè)器用車檢器表示;獲取，車位的位置信息可以提前進(jìn)行建模預(yù)存，在獲取的視頻幀圖像中可以確定車位的位置;判斷所述目標(biāo)的位置信息與所述車位的位置信息是否存在交集，即比較是否存在一樣的位置信息；當(dāng)存在一樣的位置信息即表明目標(biāo)與車位至少為接觸的，第一個(gè)特征滿足；
[0076]其中，車檢器功能是檢測(cè)視頻幀中的車輛目標(biāo)，車檢器可以檢測(cè)視頻幀中車輛的位置信息，車頭車位信息，車身左右偏信息。車檢器可以根據(jù)DPM(DeformabIe PartsModel)目標(biāo)檢測(cè)算法構(gòu)建。
[0077]為了提高比較的速度，可以將目標(biāo)的位置信息與車位的邊界線的位置信息進(jìn)行比較，目標(biāo)與邊界線相交即實(shí)現(xiàn)了對(duì)車位邊界的碾壓。進(jìn)一步根據(jù)實(shí)際情況在道路停車位的兩側(cè)一邊是行車側(cè)，另一側(cè)大多為臺(tái)階或者綠化帶，車輛要想進(jìn)入停車位基本都必須從行車側(cè)進(jìn)入車位，這樣在進(jìn)行第一個(gè)特征的判斷時(shí)，可以將目標(biāo)的位置信息與車位的行車側(cè)的車位線的位置信息進(jìn)行比較，可以加快比較的速度，提高比較效率;為了更加準(zhǔn)確的對(duì)第一個(gè)特性進(jìn)行判斷，還可以通過軌跡檢測(cè)與車檢器相結(jié)合來進(jìn)行判定。優(yōu)選的，獲取停車場(chǎng)的視頻幀圖像中的目標(biāo)的位置信息，并與車位的位置信息進(jìn)行比較;判斷所述目標(biāo)的位置信息與所述車位的位置信息是否存在交集，包括:
[0078]利用運(yùn)動(dòng)目標(biāo)分析算法及車輛檢測(cè)器對(duì)所述視頻幀圖像進(jìn)行計(jì)算，得到運(yùn)動(dòng)目標(biāo)的區(qū)域位置信息；
[0079]在所述區(qū)域位置信息對(duì)應(yīng)的區(qū)域內(nèi)對(duì)所述運(yùn)動(dòng)目標(biāo)進(jìn)行紋理信息提取，并利用所述紋理信息進(jìn)行運(yùn)動(dòng)目標(biāo)的視覺跟蹤，得到目標(biāo)跟蹤軌跡；
[0080]將得到的目標(biāo)跟蹤軌跡與車位的行車側(cè)邊界線的位置信息進(jìn)行比較;判斷所述目標(biāo)跟蹤軌跡與車位的行車側(cè)邊界線的位置信息是否存在交集。
[0081 ]其中，獲取視頻幀圖像后，可以根據(jù)運(yùn)動(dòng)目標(biāo)分析算法和車檢器計(jì)算運(yùn)動(dòng)目標(biāo)(如車輛)的區(qū)域位置信息，然后在對(duì)應(yīng)區(qū)域(即區(qū)域位置信息對(duì)應(yīng)的區(qū)域)提取運(yùn)動(dòng)目標(biāo)的紋理信息進(jìn)行跟蹤，通過跟蹤可以獲得目標(biāo)的運(yùn)動(dòng)軌跡即上述目標(biāo)跟蹤軌跡。其中，運(yùn)動(dòng)目標(biāo)分析算法可以用傳統(tǒng)高斯背景建模算法，視覺跟蹤可以用基于光流特征匹配的跟蹤算法。優(yōu)選的，將提取的運(yùn)動(dòng)目標(biāo)的紋理信息進(jìn)行中心聚類，排除了環(huán)境因素對(duì)檢測(cè)結(jié)果的影響，目標(biāo)入位位置判斷是根據(jù)目標(biāo)跟蹤軌跡碾壓車位線位置和車位位置信息判斷的，車輛碾壓車位線的位置即為軌跡檢測(cè)檢測(cè)到的入位位置。
[0082]S110、對(duì)所述視頻幀圖像進(jìn)行虛擬線圈檢測(cè)，判斷特征點(diǎn)的個(gè)數(shù)是否大于入位閾值；
[0083]其中，該步驟就是對(duì)第二個(gè)特征進(jìn)行判定，由于車輛入位時(shí)一定是要進(jìn)入車位的，因此可以利用虛擬線圈檢測(cè)，來判斷視頻幀圖像中的目標(biāo)是否有進(jìn)入虛擬線圈的運(yùn)動(dòng)前景，若有，則目標(biāo)有繼續(xù)進(jìn)入虛擬線圈的趨勢(shì)。這里的虛擬線圈形成過程可以是，停車位在視頻場(chǎng)景里面是有具體的位置的，在進(jìn)行一定的外擴(kuò)以后定義為虛擬線圈。這樣車輛進(jìn)入車位時(shí)，虛擬線圈就可以檢測(cè)到運(yùn)動(dòng)前景，即目標(biāo)有進(jìn)入虛擬線圈對(duì)應(yīng)的車位的趨勢(shì);利用虛擬線圈檢測(cè)目標(biāo)是否要進(jìn)入車位的具體過程可以是:
[0084]初始化設(shè)定的虛擬線圈；
[0085]利用背景建模得到的背景模型提取所述虛擬線圈內(nèi)的目標(biāo)的特征點(diǎn)；
[0086]判斷所述特征點(diǎn)的個(gè)數(shù)是否大于入位閾值。
[0087]其中，每個(gè)車位在圖像里面對(duì)應(yīng)一個(gè)虛擬線圈，初始化是標(biāo)明圖像中某一個(gè)區(qū)域是一個(gè)虛擬線圈，標(biāo)明以后，在后續(xù)的處理中就知道了虛擬線圈的區(qū)域位置信息。
[0088]獲取視頻幀后進(jìn)行背景建模，因?yàn)楸尘敖Ｐ枰粋€(gè)過程，所以會(huì)有預(yù)熱階段。對(duì)視頻幀進(jìn)行背景建?？梢缘玫竭\(yùn)動(dòng)前景，以前景為特征，計(jì)算虛擬線圈中特征的個(gè)數(shù)，如果大于設(shè)定的入位閾值，表示有目標(biāo)進(jìn)入虛擬線圈對(duì)應(yīng)的車位。背景建模初始化過程需要一定量的視頻幀圖像，這里選擇前A幀圖像對(duì)模型進(jìn)行初始化，也叫預(yù)熱過程，初始化沒有完成時(shí)，還不能對(duì)虛擬線圈中特征的個(gè)數(shù)進(jìn)行計(jì)算。在后續(xù)背景建模分析過程中如果不切換場(chǎng)景就不需要預(yù)熱過程，切換場(chǎng)景就需要對(duì)場(chǎng)景背景模型重新初始化。根據(jù)背景建模，可以獲得場(chǎng)景中的運(yùn)動(dòng)前景，以前景為特征點(diǎn)，計(jì)算前景特征點(diǎn)在虛擬線圈中的個(gè)數(shù)。如果個(gè)數(shù)超過閾值，輸出目標(biāo)進(jìn)入虛擬線圈，否則輸出目標(biāo)未進(jìn)入虛擬線圈并進(jìn)入下一幀分析。目標(biāo)未進(jìn)入虛擬線圈也可以不進(jìn)行輸出直接進(jìn)入下一幀圖像的計(jì)算。背景建模可以采用傳統(tǒng)的高斯背景建模算法。
[0089]該實(shí)施例并不對(duì)具體的虛擬線圈檢測(cè)處理過程進(jìn)行限定，只要可以通過虛擬線圈的計(jì)算，判斷出視頻幀圖像中的目標(biāo)是否有進(jìn)入虛擬線圈對(duì)應(yīng)的車位的趨勢(shì)即可。
[0090]S120、對(duì)所述視頻幀圖像進(jìn)行車輛檢測(cè)，判斷所述視頻幀圖像中的目標(biāo)是否為車輛；
[0091]其中，該步驟是對(duì)第三個(gè)特征進(jìn)行判定，只需要確定目標(biāo)為車輛即可。因此這里并不對(duì)車輛檢測(cè)的具體算法進(jìn)行限定，只要可以確定視頻幀圖像中的目標(biāo)是否為車輛即可，通?？梢杂密嚈z器進(jìn)行車輛檢測(cè)確認(rèn)是否存在車輛。
[0092]SI 30、若均為是，則所述視頻幀圖像中對(duì)應(yīng)的車輛為入位狀態(tài)。
[0093]其中，步驟100、步驟110與步驟120并沒有先后順序，該方法僅需要實(shí)現(xiàn)這三個(gè)步驟的判斷即可。即可以同時(shí)并列，也可以任意排序。
[0094]入位狀態(tài)不是完全的入位，只是一個(gè)提前預(yù)判，這時(shí)一般是車輛開始入位但是還沒有停到車位里面去，這樣一個(gè)判斷會(huì)有利于系統(tǒng)會(huì)在收到預(yù)判信息后調(diào)度球型攝像機(jī)捕獲車牌信息，防止車輛開進(jìn)車位里面，車牌被遮擋，無法獲取車牌信息。
[0095]基于上述技術(shù)方案，本發(fā)明實(shí)施例提供的車輛入位的判定方法，將判斷運(yùn)動(dòng)目標(biāo)是否碾壓車位線，判斷目標(biāo)在虛擬線圈中是否有運(yùn)動(dòng)前景，判斷目標(biāo)是否為車輛三者結(jié)合起來，最終得到車輛是否為入位狀態(tài)進(jìn)而證明該車輛會(huì)入位;該方法的準(zhǔn)確性很高，因?yàn)槠淇梢员苊庵焕锰摂M線圈檢測(cè)，車輛在車位旁邊行駛時(shí)，是可以在虛擬線圈中檢測(cè)到運(yùn)動(dòng)前景的，有可能會(huì)誤判；如果只判斷運(yùn)動(dòng)目標(biāo)是否碾壓車位線，當(dāng)車輛不沿直線行駛時(shí)，有可能車輛在變道也會(huì)碾壓到車位線的，這樣也會(huì)存在誤判；因此都進(jìn)行檢測(cè)可以提高系統(tǒng)的穩(wěn)定性;且若不檢測(cè)目標(biāo)是否為車輛，可能會(huì)出現(xiàn)行人、手推車等運(yùn)動(dòng)目標(biāo)的誤判；因此，該方法利用車輛入位的三個(gè)特征，對(duì)每一個(gè)特征都加以利用可以增強(qiáng)系統(tǒng)的檢測(cè)精度，減少系統(tǒng)的誤檢。
[0096]進(jìn)一步，為了提高上述實(shí)施例的檢測(cè)精度，可以對(duì)步驟100、步驟110和步驟120對(duì)應(yīng)的區(qū)域進(jìn)行比較，判斷三者對(duì)應(yīng)的區(qū)域是否為同一個(gè)區(qū)域，若是，則車輛為入位狀態(tài)。既優(yōu)選的，若均為是，則所述視頻幀圖像中對(duì)應(yīng)的車輛為入位狀態(tài)，包括:
[0097]若均為是，則確定與目標(biāo)跟蹤軌跡存在交集的車位的位置信息；
[0098]確定目標(biāo)進(jìn)入虛擬線圈對(duì)應(yīng)的車位的位置信息；
[0099]確定車輛檢測(cè)得到的車輛位置信息對(duì)應(yīng)的車位的位置信息；
[0100]判斷各個(gè)車位的位置信息是否對(duì)應(yīng)同一個(gè)車位區(qū)域；
[0101]若是，則所述目標(biāo)在一個(gè)區(qū)域內(nèi)；則所述視頻幀圖像中對(duì)應(yīng)的車輛為入位狀態(tài)。
[0102]其中，還可以將步驟100、步驟110和步驟120劃分順序，并在執(zhí)行兩個(gè)步驟之后就進(jìn)行區(qū)域比較，可以節(jié)省時(shí)間，提高判段效率。且在有順序的時(shí)刻，出現(xiàn)一個(gè)判斷為否的情況即可以不進(jìn)行其他的判斷，直接進(jìn)入下一幀圖像的判斷。如按照步驟100、步驟110和步驟120的順序進(jìn)行時(shí)，如果軌跡檢測(cè)和虛擬線圈檢測(cè)結(jié)果都為同一區(qū)域，則可以判斷有運(yùn)動(dòng)目標(biāo)入位，這時(shí)需要進(jìn)一步判斷目標(biāo)是否為車輛，根據(jù)車檢器結(jié)果判斷當(dāng)前區(qū)域是否存在車輛。如果不是車輛則表示沒有車輛入位然后進(jìn)行下一幀分析，如果是車輛還可以獲取車輛位置信息。根據(jù)車位的位置信息和車輛位置信息可以判斷車輛入位位置。車輛檢測(cè)可以檢測(cè)到視頻幀中的車輛信息即車輛位置信息，如果檢測(cè)不到車輛則進(jìn)行下一幀分析。在軌跡檢測(cè)模塊和虛擬線圈檢測(cè)模塊都檢測(cè)到同一區(qū)域存在目標(biāo)時(shí)，需要獲取車檢器結(jié)果驗(yàn)證該區(qū)域是否有車輛存在，沒有就輸出不入位，有就獲取車位信息判斷車輛入位位置。車檢器檢測(cè)到車輛，軌跡檢測(cè)檢測(cè)到目標(biāo)入位，虛擬線圈檢測(cè)目標(biāo)入位，則需要融合三個(gè)模塊檢測(cè)結(jié)果判斷是不是同一區(qū)域。如果以上三個(gè)模塊檢測(cè)結(jié)果是同一個(gè)區(qū)域則獲取車位信息判斷入位位置。
[0103]即軌跡檢測(cè)和虛擬線圈檢測(cè)都檢測(cè)到目標(biāo)，需要判斷兩個(gè)檢測(cè)方式是不是檢測(cè)的同一目標(biāo)，通過檢測(cè)結(jié)果位置信息判斷是否為同一目標(biāo)。如果是同一目標(biāo)則需要車檢測(cè)模塊驗(yàn)證目標(biāo)是車輛。如果是車輛則根據(jù)目標(biāo)的位置和車位位置信息判斷車輛入位位置。
[0104]該實(shí)施例車輛入位狀態(tài)判斷即車輛入位預(yù)判分為三部分，第一部分為運(yùn)動(dòng)車輛軌跡檢測(cè)，第二部分是虛擬線圈內(nèi)運(yùn)動(dòng)前景檢測(cè)，如果兩部分檢測(cè)結(jié)果都是同一區(qū)域，就利用車輛檢測(cè)模塊進(jìn)一步判斷該區(qū)域目標(biāo)是否是車輛，如果檢測(cè)到車輛目標(biāo)，則表示車輛入位。
[0105]基于上述技術(shù)方案，本發(fā)明實(shí)施例提供的車輛入位的判定方法，通過視頻分析的方式，節(jié)省了硬件開支，降低了勞動(dòng)力成本，只需要開發(fā)過程在算法里面增加相應(yīng)的算法模塊;融合了車輛軌跡檢測(cè)，虛擬線圈檢測(cè)和車輛檢測(cè)三個(gè)模塊，增強(qiáng)了算法的穩(wěn)定性，提升了預(yù)判的精度;利用運(yùn)動(dòng)背景信息提取運(yùn)動(dòng)物體的特征，并結(jié)合特征描述和特征計(jì)算增強(qiáng)了算法對(duì)周圍環(huán)境的魯棒性，可適應(yīng)刮風(fēng)、雨雪、光照不足等惡略天氣。
[0106]本發(fā)明實(shí)施例提供了車輛入位的判定方法，能夠在不增加硬件成本的基礎(chǔ)上準(zhǔn)確的對(duì)車輛的入位狀態(tài)進(jìn)行預(yù)判。
[0107]下面對(duì)本發(fā)明實(shí)施例提供的車輛入位的判定裝置進(jìn)行介紹，下文描述的車輛入位的判定裝置與上文描述的車輛入位的判定方法可相互對(duì)應(yīng)參照。
[0108]請(qǐng)參考圖2，圖2為本發(fā)明實(shí)施例所提供的車輛入位的判定裝置的結(jié)構(gòu)框圖；該裝置可以包括:
[0109]入位軌跡檢測(cè)模塊110，用于獲取停車場(chǎng)的視頻幀圖像中的目標(biāo)的位置信息，并與車位的位置信息進(jìn)行比較;判斷所述目標(biāo)的位置信息與所述車位的位置信息是否存在交集；
[0110]入位虛擬線圈模塊120，用于對(duì)所述視頻幀圖像進(jìn)行虛擬線圈檢測(cè)，判斷特征點(diǎn)的個(gè)數(shù)是否大于入位閾值；
[0111]入位車輛檢測(cè)模塊130，用于對(duì)所述視頻幀圖像進(jìn)行車輛檢測(cè)，判斷所述視頻幀圖像中的目標(biāo)是否為車輛；
[0112]入位判斷模塊140，用于若均為是，則所述視頻幀圖像中對(duì)應(yīng)的車輛為入位狀態(tài)。
[0113]基于上述技術(shù)方案，可選的，入位軌跡檢測(cè)模塊110包括:
[0114]區(qū)域位置信息單元，用于利用運(yùn)動(dòng)目標(biāo)分析算法及車輛檢測(cè)器對(duì)所述視頻幀圖像進(jìn)行計(jì)算，得到運(yùn)動(dòng)目標(biāo)的區(qū)域位置信息；
[0115]目標(biāo)跟蹤軌跡單元，用于在所述區(qū)域位置信息對(duì)應(yīng)的區(qū)域內(nèi)對(duì)所述運(yùn)動(dòng)目標(biāo)進(jìn)行紋理信息提取，并利用所述紋理信息進(jìn)行運(yùn)動(dòng)目標(biāo)的視覺跟蹤，得到目標(biāo)跟蹤軌跡；
[0116]入位檢測(cè)判斷單元，用于將得到的目標(biāo)跟蹤軌跡與車位的行車側(cè)邊界線的位置信息進(jìn)行比較;判斷所述目標(biāo)跟蹤軌跡與車位的行車側(cè)邊界線的位置信息是否存在交集。
[0117]基于上述技術(shù)方案，可選的，入位虛擬線圈模塊120包括:
[0118]初始化單元，用于初始化設(shè)定的虛擬線圈；
[0119]特征點(diǎn)提取單元，用于利用背景建模得到的背景模型提取所述虛擬線圈內(nèi)的目標(biāo)的特征點(diǎn)；
[0120]入位虛擬線圈判斷單元，用于判斷所述特征點(diǎn)的個(gè)數(shù)是否大于入位閾值。
[0121]基于上述技術(shù)方案，可選的，入位判斷模塊140包括:
[0122]區(qū)域確定單元，用于若均為是，則確定與目標(biāo)跟蹤軌跡存在交集的車位的位置信息；確定目標(biāo)進(jìn)入虛擬線圈對(duì)應(yīng)的車位的位置信息；確定車輛檢測(cè)得到的車輛位置信息對(duì)應(yīng)的車位的位置信息；
[0123]入位區(qū)域判斷單元，用于判斷各個(gè)車位的位置信息是否對(duì)應(yīng)同一個(gè)車位區(qū)域;若是，則所述目標(biāo)在一個(gè)區(qū)域內(nèi)；則所述視頻幀圖像中對(duì)應(yīng)的車輛為入位狀態(tài)。
[0124]參考上述對(duì)于車輛入位的判定方法的說明；請(qǐng)參考圖3，圖3為本發(fā)明實(shí)施例所提供的車輛出位的判定方法的流程圖；該方法可以包括:
[0125]S200、獲取停車場(chǎng)的視頻幀圖像中的目標(biāo)的位置信息，并與車位的位置信息進(jìn)行比較;判斷所述目標(biāo)的位置信息與所述車位的位置信息是否存在交集；
[0126]其中，優(yōu)選的，獲取停車場(chǎng)的視頻幀圖像中的目標(biāo)的位置信息，并與車位的位置信息進(jìn)行比較;判斷所述目標(biāo)的位置信息與所述車位的位置信息是否存在交集，包括:
[0127]利用運(yùn)動(dòng)目標(biāo)分析算法及車輛檢測(cè)器對(duì)所述視頻幀圖像進(jìn)行計(jì)算，得到運(yùn)動(dòng)目標(biāo)的區(qū)域位置信息；
[0128]在所述區(qū)域位置信息對(duì)應(yīng)的區(qū)域內(nèi)對(duì)所述運(yùn)動(dòng)目標(biāo)進(jìn)行紋理信息提取，并利用所述紋理信息進(jìn)行運(yùn)動(dòng)目標(biāo)的視覺跟蹤，得到目標(biāo)跟蹤軌跡；
[0129]將得到的目標(biāo)跟蹤軌跡與車位的邊界線位置信息進(jìn)行比較;判斷所述目標(biāo)跟蹤軌跡與車位的邊界線位置信息是否存在交集。
[0130]其中，這里的交集的判斷可以不區(qū)分行人側(cè)和行車側(cè)，因?yàn)槌诵腥藗?cè)一遍為綠化帶的情況，其他情況時(shí)，可能考慮到路上行車的數(shù)量等問題，車輛還是可以通過臺(tái)階等從行人側(cè)車位邊界線進(jìn)行出位。因此，這里的交集的判斷可以不區(qū)分行人側(cè)和行車側(cè)。
[0131]S210、對(duì)所述視頻幀圖像進(jìn)行虛擬線圈檢測(cè)，判斷特征點(diǎn)的個(gè)數(shù)是否大于出位閾值；
[0132]其中，優(yōu)選的，對(duì)所述視頻幀圖像進(jìn)行虛擬線圈檢測(cè)，確認(rèn)所述視頻幀圖像中的目標(biāo)是否駛出虛擬線圈，包括:
[0133]初始化設(shè)定的虛擬線圈；
[0134]利用背景建模得到的背景模型提取所述虛擬線圈內(nèi)的目標(biāo)的特征點(diǎn)；
[0135]判斷所述特征點(diǎn)的個(gè)數(shù)是否大于出位閾值。
[0136]其中，根據(jù)背景建?？梢缘玫竭\(yùn)動(dòng)前景，提取運(yùn)動(dòng)前景像素個(gè)數(shù)作為特征，統(tǒng)計(jì)在虛擬線圈中前景像素個(gè)數(shù)，判斷統(tǒng)計(jì)結(jié)果與出位閾值的大小關(guān)系。這里的出位閾值和入位閾值的設(shè)定是不同的。入位時(shí)，車輛部分進(jìn)入虛擬線圈，閾值相對(duì)較小，出位時(shí)，車輛大部分在虛擬線圈內(nèi)，所以閾值相對(duì)較大。
[0137]S220、對(duì)所述視頻幀圖像進(jìn)行車輛檢測(cè)，判斷所述視頻幀圖像中的目標(biāo)是否為車輛；
[0138]S230、若均為是，則所述視頻幀圖像中對(duì)應(yīng)的車輛為出位狀態(tài)。
[0139]本發(fā)明實(shí)施例提供了車輛出位的判定方法，能夠在不增加硬件成本的基礎(chǔ)上準(zhǔn)確的對(duì)車輛的出位狀態(tài)進(jìn)行預(yù)判。
[0140]下面對(duì)本發(fā)明實(shí)施例提供的車輛出位的判定裝置進(jìn)行介紹，下文描述的車輛出位的判定裝置與上文描述的車輛出位的判定方法可相互對(duì)應(yīng)參照。
[0141]請(qǐng)參考圖4，圖4為本發(fā)明實(shí)施例所提供的車輛出位的判定裝置的結(jié)構(gòu)框圖；該裝置可以包括:
[0142]出位軌跡檢測(cè)模塊210，用于獲取停車場(chǎng)的視頻幀圖像中的目標(biāo)的位置信息，并與車位的位置信息進(jìn)行比較;判斷所述目標(biāo)的位置信息與所述車位的位置信息是否存在交集；
[0143]出位虛擬線圈模塊220，用于對(duì)所述視頻幀圖像進(jìn)行虛擬線圈檢測(cè)，判斷特征點(diǎn)的個(gè)數(shù)是否大于出位閾值；
[0144]出位車輛檢測(cè)模塊230，用于對(duì)所述視頻幀圖像進(jìn)行車輛檢測(cè)，判斷所述視頻幀圖像中的目標(biāo)是否為車輛；
[0145]出位判斷模塊240，用于若均為是，則所述視頻幀圖像中對(duì)應(yīng)的車輛為出位狀態(tài)。
[0146]基于上述技術(shù)方案，可選的，出位軌跡檢測(cè)模塊210包括:
[0147]區(qū)域位置信息單元，用于利用運(yùn)動(dòng)目標(biāo)分析算法及車輛檢測(cè)器對(duì)所述視頻幀圖像進(jìn)行計(jì)算，得到運(yùn)動(dòng)目標(biāo)的區(qū)域位置信息；
[0148]目標(biāo)跟蹤軌跡單元，用于在所述區(qū)域位置信息對(duì)應(yīng)的區(qū)域內(nèi)對(duì)所述運(yùn)動(dòng)目標(biāo)進(jìn)行紋理信息提取，并利用所述紋理信息進(jìn)行運(yùn)動(dòng)目標(biāo)的視覺跟蹤，得到目標(biāo)跟蹤軌跡；
[0149]出位檢測(cè)判斷單元，用于將得到的目標(biāo)跟蹤軌跡與車位的邊界線位置信息進(jìn)行比較;判斷所述目標(biāo)跟蹤軌跡與車位的邊界線位置信息是否存在交集。
[0150]基于上述技術(shù)方案，可選的，出位虛擬線圈模塊220包括:
[0151]初始化單元，用于初始化設(shè)定的虛擬線圈；
[0152]特征點(diǎn)提取單元，用于利用背景建模得到的背景模型提取所述虛擬線圈內(nèi)的目標(biāo)的特征點(diǎn)；
[0153]出位虛擬線圈判斷單元，用于判斷所述特征點(diǎn)的個(gè)數(shù)是否大于出位閾值。
[0154]基于上述技術(shù)方案，可選的，出位判斷模塊240包括:
[0155]區(qū)域確定單元，用于若均為是，則確定與目標(biāo)跟蹤軌跡存在交集的車位的位置信息；確定目標(biāo)在虛擬線圈對(duì)應(yīng)的車位的位置信息；確定車輛檢測(cè)得到的車輛位置信息對(duì)應(yīng)的車位的位置信息；
[0156]出位區(qū)域判斷單元，用于判斷各個(gè)車位的位置信息是否對(duì)應(yīng)同一個(gè)車位區(qū)域;若是，則所述目標(biāo)在一個(gè)區(qū)域內(nèi)；則所述視頻幀圖像中對(duì)應(yīng)的車輛為出位狀態(tài)。
[0157]下面對(duì)本發(fā)明實(shí)施例提供的車輛管理系統(tǒng)進(jìn)行介紹，下文描述的車輛管理系統(tǒng)與上文描述的車輛入位的判定方法及車輛出位的判定方法可相互對(duì)應(yīng)參照。
[0158]基于上述任意技術(shù)方案，請(qǐng)參考圖5，圖5為本發(fā)明實(shí)施例所提供的車輛管理系統(tǒng)的結(jié)構(gòu)框圖；該系統(tǒng)可以包括:
[0159]攝像頭300，用于采集停車場(chǎng)視頻幀圖像；
[0160]上述任一項(xiàng)所述的車輛入位的判定裝置100，用于對(duì)車輛入位狀態(tài)進(jìn)行判斷；
[0161]和/或上述任一項(xiàng)所述的車輛出位的判定裝置200，用于對(duì)車輛出位狀態(tài)進(jìn)行判斷；
[0162]存儲(chǔ)器400，用于記錄具有入位狀態(tài)和/或出位狀態(tài)車輛的信息。
[0163]其中，車輛入位的判定裝置100和車輛出位的判定裝置200可以只有一個(gè)也可以都有。
[0164]車輛在道路停車位停車時(shí)，在車輛完成停車后車牌信息被遮擋無法通過攝像頭獲取車輛信息，所以基于道路的車輛管理需要在車輛未完全停進(jìn)車位或者未完全離開車位時(shí)自動(dòng)識(shí)別車輛信息。這就需要對(duì)車輛的入位和出位進(jìn)行提前預(yù)判，通過這種方式給車輛管理系統(tǒng)足夠的時(shí)間抓取車輛信息(如以及時(shí)調(diào)動(dòng)攝像頭獲取車輛信息)。即通過對(duì)車輛入位和/或出位進(jìn)行預(yù)判，優(yōu)化了攝像頭調(diào)度，僅僅在需要獲取車輛信息的時(shí)候才調(diào)動(dòng)攝像頭對(duì)焦捕獲車輛信息(車牌信息)。
[0165]說明書中各個(gè)實(shí)施例采用遞進(jìn)的方式描述，每個(gè)實(shí)施例重點(diǎn)說明的都是與其他實(shí)施例的不同之處，各個(gè)實(shí)施例之間相同相似部分互相參見即可。對(duì)于實(shí)施例公開的裝置而言，由于其與實(shí)施例公開的方法相對(duì)應(yīng)，所以描述的比較簡(jiǎn)單，相關(guān)之處參見方法部分說明即可。
[0166]專業(yè)人員還可以進(jìn)一步意識(shí)到，結(jié)合本文中所公開的實(shí)施例描述的各示例的單元及算法步驟，能夠以電子硬件、計(jì)算機(jī)軟件或者二者的結(jié)合來實(shí)現(xiàn)，為了清楚地說明硬件和軟件的可互換性，在上述說明中已經(jīng)按照功能一般性地描述了各示例的組成及步驟。這些功能究竟以硬件還是軟件方式來執(zhí)行，取決于技術(shù)方案的特定應(yīng)用和設(shè)計(jì)約束條件。專業(yè)技術(shù)人員可以對(duì)每個(gè)特定的應(yīng)用來使用不同方法來實(shí)現(xiàn)所描述的功能，但是這種實(shí)現(xiàn)不應(yīng)認(rèn)為超出本發(fā)明的范圍。
[0167]結(jié)合本文中所公開的實(shí)施例描述的方法或算法的步驟可以直接用硬件、處理器執(zhí)行的軟件模塊，或者二者的結(jié)合來實(shí)施。軟件模塊可以置于隨機(jī)存儲(chǔ)器(RAM)、內(nèi)存、只讀存儲(chǔ)器(R0M)、電可編程R0M、電可擦除可編程R0M、寄存器、硬盤、可移動(dòng)磁盤、CD-ROM、或技術(shù)領(lǐng)域內(nèi)所公知的任意其它形式的存儲(chǔ)介質(zhì)中。
[0168]以上對(duì)本發(fā)明所提供的車輛入位的判定方法、裝置，車輛出位的判定方法、裝置及車輛管理系統(tǒng)進(jìn)行了詳細(xì)介紹。本文中應(yīng)用了具體個(gè)例對(duì)本發(fā)明的原理及實(shí)施方式進(jìn)行了闡述，以上實(shí)施例的說明只是用于幫助理解本發(fā)明的方法及其核心思想。應(yīng)當(dāng)指出，對(duì)于本技術(shù)領(lǐng)域的普通技術(shù)人員來說，在不脫離本發(fā)明原理的前提下，還可以對(duì)本發(fā)明進(jìn)行若干改進(jìn)和修飾，這些改進(jìn)和修飾也落入本發(fā)明權(quán)利要求的保護(hù)范圍內(nèi)。
【主權(quán)項(xiàng)】
1.一種車輛入位的判定方法，其特征在于，包括: 獲取停車場(chǎng)的視頻幀圖像中的目標(biāo)的位置信息，并與車位的位置信息進(jìn)行比較;判斷所述目標(biāo)的位置信息與所述車位的位置信息是否存在交集； 對(duì)所述視頻幀圖像進(jìn)行虛擬線圈檢測(cè)，判斷特征點(diǎn)的個(gè)數(shù)是否大于入位閾值； 對(duì)所述視頻幀圖像進(jìn)行車輛檢測(cè)，判斷所述視頻幀圖像中的目標(biāo)是否為車輛； 若均為是，則所述視頻幀圖像中對(duì)應(yīng)的車輛為入位狀態(tài)。2.如權(quán)利要求1所述的車輛入位的判定方法，其特征在于，獲取停車場(chǎng)的視頻幀圖像中的目標(biāo)的位置信息，并與車位的位置信息進(jìn)行比較;判斷所述目標(biāo)的位置信息與所述車位的位置信息是否存在交集，包括: 利用運(yùn)動(dòng)目標(biāo)分析算法及車輛檢測(cè)器對(duì)所述視頻幀圖像進(jìn)行計(jì)算，得到運(yùn)動(dòng)目標(biāo)的區(qū)域位置信息； 在所述區(qū)域位置信息對(duì)應(yīng)的區(qū)域內(nèi)對(duì)所述運(yùn)動(dòng)目標(biāo)進(jìn)行紋理信息提取，并利用所述紋理信息進(jìn)行運(yùn)動(dòng)目標(biāo)的視覺跟蹤，得到目標(biāo)跟蹤軌跡； 將得到的目標(biāo)跟蹤軌跡與車位的行車側(cè)邊界線的位置信息進(jìn)行比較;判斷所述目標(biāo)跟蹤軌跡與車位的行車側(cè)邊界線的位置信息是否存在交集。3.如權(quán)利要求2所述的車輛入位的判定方法，其特征在于，對(duì)所述視頻幀圖像進(jìn)行虛擬線圈檢測(cè)，判斷特征點(diǎn)的個(gè)數(shù)是否大于入位閾值，包括: 初始化設(shè)定的虛擬線圈； 利用背景建模得到的背景模型提取所述虛擬線圈內(nèi)的目標(biāo)的特征點(diǎn)； 判斷所述特征點(diǎn)的個(gè)數(shù)是否大于入位閾值。4.如權(quán)利要求3所述的車輛入位的判定方法，其特征在于，若均為是，則所述視頻幀圖像中對(duì)應(yīng)的車輛為入位狀態(tài)，包括: 若均為是，則確定與目標(biāo)跟蹤軌跡存在交集的車位的位置信息； 確定目標(biāo)進(jìn)入虛擬線圈對(duì)應(yīng)的車位的位置信息； 確定車輛檢測(cè)得到的車輛位置信息對(duì)應(yīng)的車位的位置信息； 判斷各個(gè)車位的位置信息是否對(duì)應(yīng)同一個(gè)車位區(qū)域； 若是，則所述目標(biāo)在一個(gè)區(qū)域內(nèi)；則所述視頻幀圖像中對(duì)應(yīng)的車輛為入位狀態(tài)。5.一種車輛入位的判定裝置，其特征在于，包括: 入位軌跡檢測(cè)模塊，用于獲取停車場(chǎng)的視頻幀圖像中的目標(biāo)的位置信息，并與車位的位置信息進(jìn)行比較;判斷所述目標(biāo)的位置信息與所述車位的位置信息是否存在交集； 入位虛擬線圈模塊，用于對(duì)所述視頻幀圖像進(jìn)行虛擬線圈檢測(cè)，判斷特征點(diǎn)的個(gè)數(shù)是否大于入位閾值； 入位車輛檢測(cè)模塊，用于對(duì)所述視頻幀圖像進(jìn)行車輛檢測(cè)，判斷所述視頻幀圖像中的目標(biāo)是否為車輛； 入位判斷模塊，用于若均為是，則所述視頻幀圖像中對(duì)應(yīng)的車輛為入位狀態(tài)。6.一種車輛出位的判定方法，其特征在于，包括: 獲取停車場(chǎng)的視頻幀圖像中的目標(biāo)的位置信息，并與車位的位置信息進(jìn)行比較;判斷所述目標(biāo)的位置信息與所述車位的位置信息是否存在交集； 對(duì)所述視頻幀圖像進(jìn)行虛擬線圈檢測(cè)，判斷特征點(diǎn)的個(gè)數(shù)是否大于出位閾值； 對(duì)所述視頻幀圖像進(jìn)行車輛檢測(cè)，判斷所述視頻幀圖像中的目標(biāo)是否為車輛； 若均為是，則所述視頻幀圖像中對(duì)應(yīng)的車輛為出位狀態(tài)。7.如權(quán)利要求6所述的車輛出位的判定方法，其特征在于，獲取停車場(chǎng)的視頻幀圖像中的目標(biāo)的位置信息，并與車位的位置信息進(jìn)行比較;判斷所述目標(biāo)的位置信息與所述車位的位置信息是否存在交集，包括: 利用運(yùn)動(dòng)目標(biāo)分析算法及車輛檢測(cè)器對(duì)所述視頻幀圖像進(jìn)行計(jì)算，得到運(yùn)動(dòng)目標(biāo)的區(qū)域位置信息； 在所述區(qū)域位置信息對(duì)應(yīng)的區(qū)域內(nèi)對(duì)所述運(yùn)動(dòng)目標(biāo)進(jìn)行紋理信息提取，并利用所述紋理信息進(jìn)行運(yùn)動(dòng)目標(biāo)的視覺跟蹤，得到目標(biāo)跟蹤軌跡； 將得到的目標(biāo)跟蹤軌跡與車位的邊界線位置信息進(jìn)行比較;判斷所述目標(biāo)跟蹤軌跡與車位的邊界線位置信息是否存在交集。8.如權(quán)利要求7所述的車輛出位的判定方法，其特征在于，對(duì)所述視頻幀圖像進(jìn)行虛擬線圈檢測(cè)，判斷特征點(diǎn)的個(gè)數(shù)是否大于出位閾值，包括: 初始化設(shè)定的虛擬線圈； 利用背景建模得到的背景模型提取所述虛擬線圈內(nèi)的目標(biāo)的特征點(diǎn)； 判斷所述特征點(diǎn)的個(gè)數(shù)是否大于出位閾值。9.如權(quán)利要求8所述的車輛出位的判定方法，其特征在于，若均為是，則所述視頻幀圖像中對(duì)應(yīng)的車輛為出位狀態(tài)，包括: 若均為是，則確定與目標(biāo)跟蹤軌跡存在交集的車位的位置信息； 確定目標(biāo)在虛擬線圈對(duì)應(yīng)的車位的位置信息； 確定車輛檢測(cè)得到的車輛位置信息對(duì)應(yīng)的車位的位置信息； 判斷各個(gè)車位的位置信息是否對(duì)應(yīng)同一個(gè)車位區(qū)域； 若是，則所述目標(biāo)在一個(gè)區(qū)域內(nèi)；則所述視頻幀圖像中對(duì)應(yīng)的車輛為出位狀態(tài)。10.一種車輛出位的判定裝置，其特征在于，包括: 出位軌跡檢測(cè)模塊，用于獲取停車場(chǎng)的視頻幀圖像中的目標(biāo)的位置信息，并與車位的位置信息進(jìn)行比較;判斷所述目標(biāo)的位置信息與所述車位的位置信息是否存在交集； 出位虛擬線圈模塊，用于對(duì)所述視頻幀圖像進(jìn)行虛擬線圈檢測(cè)，判斷特征點(diǎn)的個(gè)數(shù)是否大于出位閾值； 出位車輛檢測(cè)模塊，用于對(duì)所述視頻幀圖像進(jìn)行車輛檢測(cè)，判斷所述視頻幀圖像中的目標(biāo)是否為車輛； 出位判斷模塊，用于若均為是，則所述視頻幀圖像中對(duì)應(yīng)的車輛為出位狀態(tài)。11.一種車輛管理系統(tǒng)，其特征在于，包括: 攝像頭，用于采集停車場(chǎng)視頻幀圖像； 如權(quán)利要求5所述的車輛入位的判定裝置，用于對(duì)車輛入位狀態(tài)進(jìn)行判斷； 和/或如權(quán)利要求10所述的車輛出位的判定裝置，用于對(duì)車輛出位狀態(tài)進(jìn)行判斷； 存儲(chǔ)器，用于記錄具有入位狀態(tài)和/或出位狀態(tài)車輛的信息。
【文檔編號(hào)】G08G1/14GK105844959SQ201610412917
【公開日】2016年8月10日
【申請(qǐng)日】2016年6月13日
【發(fā)明人】師小凱, 鄧星, 鄧一星
【申請(qǐng)人】北京精英智通科技股份有限公司