[发明专利]一种检测停车位内车辆区域的方法及装置

说明书

本发明实施例提供了一种检测停车位内车辆区域的方法及装置，该方法包括：获取预定停车区域的第一视频图像，基于所述第一视频图像，训练预定网络模型，得到车辆检测模型；通过所述车辆检测模型，检测待检测图像，确定待检测图像中是否存在车辆目标；若存在，确定待检测图像中车辆区域的第一矩形框的位置信息，并确定待检测图像中车辆目标所在车位的各条边线的位置信息；基于所述第一矩形框的位置信息和所述各条边线的位置信息，计算得到待检测图像中的车辆区域。通过本发明，实现了对车辆区域内的背景区域的检测，避免了因背景区域的干扰因素导致车辆区域检测存在不准确的情况发生。

技术领域

本发明涉及计算机视觉目标检测技术领域，尤其涉及一种检测停车位内车辆区域的方法及装置。

背景技术

基于高位视频的停车管理已成为近年来智慧城市建设和发展中的重要课题，该停车管理方式首先通过摄像机对车辆和停车位信息进行图像视频采集，随后再通过计算机视觉技术对车辆信息和车辆行为进行分析与理解，从而实现对路侧停车进行监控与管理。其中，基于视频图像的车辆检测是高位视频停车管理中的基础步骤，车辆检测出的车辆区域的精确性直接影响后续车辆识别或车辆行为分析等应用的准确性。

早期的车辆检测采用手工提取目标特征，如方向梯度直方图等，随后利用机器学习算法，如支持向量机等，进行车辆的检测和识别。这种做法依赖于人工经验，且特征表达能力有限，易受复杂场景影响，从而使准确率无法达到场景的应用需求。近年来随着深度学习的发展，基于卷积神经网络的深度学习在图像识别、图像检测和图像分割等领域都取得了显著成就。与传统的手工提取特征相比，通过数据训练特征表示方法能够提高检测模型的泛化能力。

然而不论是运用手工特征提取方法还是基于卷积神经网络的特征学习方法，车辆检测最终的输出结果均是用矩形框方式表示车辆区域，但是车辆的轮廓并非矩形，因此在矩形框内必然包含了背景区域，而过多背景区域将会影响后续车辆识别或车辆行为分析等结果的准确度。为了进一步提升车辆区域定位的精度，现有技术中有采用基于掩膜训练车辆分割的方法，但是基于车辆掩膜方法需要对图像进行像素级的标注，极大地增加了人工标注的成本和效率。

发明内容

本发明实施例提供一种检测停车位内车辆区域的方法及装置，实现了精确地检测停车场场景下的车辆区域。

一方面，本发明实施例提供了一种检测停车位内车辆区域的方法，包括：

获取预定停车区域的第一视频图像，基于所述第一视频图像，训练预定网络模型，得到车辆检测模型；

通过所述车辆检测模型，检测待检测图像，确定待检测图像中是否存在车辆目标；

若存在，确定待检测图像中车辆区域的第一矩形框的位置信息，并确定待检测图像中车辆目标所在车位的各条边线的位置信息；

基于所述第一矩形框的位置信息和所述各条边线的位置信息，计算得到待检测图像中的车辆区域。

另一方面，本发明实施例提供了一种检测停车位内车辆区域的装置，包括：

训练模块，用于获取预定停车区域的第一视频图像，基于所述第一视频图像，训练预定网络模型，得到车辆检测模型；

检测及确定模块，用于通过所述车辆检测模型，检测待检测图像，确定待检测图像中是否存在车辆目标；

第一确定模块，用于若存在，确定待检测图像中车辆区域的第一矩形框的位置信息，并确定待检测图像中车辆目标所在车位的各条边线的位置信息；

计算模块，用于基于所述第一矩形框的位置信息和所述各条边线的位置信息，计算得到待检测图像中的车辆区域。