[发明专利]车位识别的方法、装置和设备

说明书

本申请公开了一种车位识别的方法、装置和设备。其中，该方法包括：获取原始图片，以及去除原始图片的背景后的目标图片，将目标图片相对于原始图片的变化区域标记为目标车辆所在的区域；使用最小外接矩形算法获取目标车辆的最小外接矩形，将目标车辆的最小外接矩形的坐标表示为车位的坐标；根据阴影检测算子检测最小外接矩形所在区域的边缘信息，得到目标车辆轮廓的图片；根据车位的坐标将车位分割成预设数量的区域，并对预设数量的区域设置不同的权重值，将目标车辆轮廓的图片放入卷积神经网络模型中进行迁移学习；根据卷积神经网络模型的输出调整权重值，根据调整权重值后的卷积神经网络模型对车位进行识别。

技术领域

本申请涉及图像处理领域，具体而言，涉及一种车位识别的方法、装置和设备。

背景技术

随着汽车产业的发展，交通问题变得越来越严峻。车辆数量的不断累加，停车位数量远远小于车辆数量，不规范的停车也会给道路交通带来安全问题。为了解决日益凸显的交通问题，国内外机构结合电子传感、计算机科学等技术，建立了智能交通系统，车位识别是其中最为重要的一部分。最初，大多采用地感线圈、红外线、微波等方式进行车位识别，但是这种方法其易受外界环境如气流、温度等干扰、而且一个传感器只能检测一个停车位，所以面对图像的智能车位识别的研究势在必行。

现有技术通过光线投影对停车位进行检测，该方式是在每一个车辆后方放置一个摄像头和一个光平面投影仪，通过光带识别判断停车场的3D信息，但是此方法只适用于地下停车场，对于室外停车场来说，外界光线会影响输出的3D信息，而且还需要额外设备。

针对上述的问题，目前尚未提出有效的解决方案。

发明内容

本申请实施例提供了一种车位识别的方法、装置和设备，以至少解决现有技术通过额外设备对停车位进行识别，且不适用于室外停车场的技术问题。

根据本申请实施例的一个方面，提供了一种车位识别的方法，包括：获取原始图片，以及去除原始图片的背景后的目标图片，将目标图片相对于原始图片的变化区域标记为目标车辆所在的区域；使用最小外接矩形算法获取目标车辆的最小外接矩形，将目标车辆的最小外接矩形的坐标表示为车位的坐标；根据阴影检测算子检测最小外接矩形所在区域的边缘信息，得到目标车辆轮廓的图片，其中，阴影检测算子用于提取最小外接矩形所在区域的水平边缘梯度和垂直边缘梯度；根据车位的坐标将车位分割成预设数量的区域，并对预设数量的区域设置不同的权重值，将目标车辆轮廓的图片放入卷积神经网络模型中进行迁移学习；根据卷积神经网络模型的输出调整权重值，根据调整权重值后的卷积神经网络模型对车位进行识别。

可选地，获取变化区域之前，方法还包括：计算原始图片中任意两张图片的相似度，删除相似度大于预设阈值的两张图片中的任意一张图片；去除原始图片的噪声，保留原始图片的边缘信息；对原始图片进行锐化处理和灰度化处理。

可选地，在使用最小外接矩形算法获取目标车辆的最小外接矩形之前，方法还包括：在车位对应的标记线没有被遮挡时，使用标记线确定车位的坐标；在车位对应的标记线被遮挡时，使用最小外接矩形算法获取目标车辆的最小外接矩形。

可选地，车位的坐标通过以下方式确定：以最小外接矩形的左上角为坐标原点，与x轴平行的方向的角度为0，逆时针旋转角度为负，顺时针旋转角度为正，建立坐标系，根据最小外接矩形在坐标系中的坐标确定车位的坐标。

可选地，提取最小外接矩形所在区域的水平边缘梯度和垂直边缘梯度，包括：确定阴影检测算子对应的卷积因子，其中，卷积因子包括横向卷积因子和纵向卷积因子；将最小外接矩形所在区域对应的图片与阴影检测算子对应的横向卷积因子进行卷积，得到水平边缘梯度；将最小外接矩形所在区域对应的图片与阴影检测算子对应的纵向卷积因子进行卷积，得到垂直边缘梯度。

可选地，预设数量的区域为大小不一致的区域。