[发明专利]一种基于边缘智能和路边高位监控视频的车辆停车识别方法

权利要求书

1.一种基于边缘智能和路边高位监控视频的车辆停车识别方法，其特征在于，包括以下步骤：

1)边缘端设备获取路边高位监控摄像头采集的车位附近区域视频流；通过识别车辆位置的目标检测网络和识别车牌位置的目标检测网络提取视频中车辆位置识别结果及车牌位置识别结果，并通过字符识别模型进行车牌号的识别；

2)针对视频中的每帧图像，把识别车辆位置的目标检测网络的输出结果作为识别车牌位置的目标检测网络的输入，根据识别车牌位置的目标检测网络的输出结果得到车辆及其对应车牌的绑定信息，将识别得到的信息记录在边缘端设备。

3)每帧图像的车辆位置识别结果与上一帧图像的车辆位置识别结果进行重合度计算，根据重合度计算结果，若判断前后两帧图像中的车辆为同一车辆，对上一帧图像的车辆位置信息进行更新。

4)把视频中的车位区域加入高度信息扩展为立方体，再取立方体最外部四个边界点连接成矩形框，与根据车辆位置识别结果得到的识别框比较，进行车辆与车位之间相对位置关系的判断。

5)根据步骤2)-4)的识别与判断结果，以车辆行为识别算法对车辆是否有驶入或驶离车位的行为进行判断，将判断结果上报到云端。

2.根据权利要求1所述的一种基于边缘智能和路边高位监控视频的车辆停车识别方法，其特征在于：步骤1)中每个路边高位监控摄像头监管4-8个车位，获取的视频流在本地的边缘端设备中进行处理，采用计算机视觉中的目标检测技术进行车辆和车牌位置信息的提取，并用字符识别模型进行车牌号的识别。

3.根据权利要求1所述的一种基于边缘智能和路边高位监控视频的车辆停车识别方法，其特征在于：步骤2)中将用于车辆位置识别的神经网络模型与用于车牌位置识别的神经网络模型进行结合，前者的输出结果作为后者的输入，并将二者的识别结果存储在一个容器中，同时进行车辆及其对应车牌信息的绑定。

4.根据权利要求3所述的一种基于边缘智能和路边高位监控视频的车辆停车识别方法，其特征在于：步骤3)中车辆位置信息的更新采取上下帧图像的车辆位置识别框之间的重合度作为评判标准，如果重合度大于设定阈值，则将对应的车辆位置信息进行更新，如果小于阈值则会继续遍历，直到遍历完容器内的全部车辆。如果容器内的车辆均未成功匹配，则认为车辆是首次进入监控区域，会在容器内新建车辆信息。对于每帧图像中未被匹配的车辆信息，对其进行计数操作，当连续未匹配的帧数超过设定值，则会删除此车的信息。若车辆已被判定为停入车位，则会始终保存此车辆的信息直到车辆驶离车位。

5.根据权利要求1所述的一种基于边缘智能和路边高位监控视频的车辆停车识别方法，其特征在于：车辆与车位之间相对位置关系的判断方式为：将监控视频中的二维信息扩展为三维信息进行计算，把车位的四边形区域加入与车辆相应的高度信息从而扩展为立方体，再取立方体最外部四个边界点连接成矩形框，计算该矩形框与根据车辆位置识别结果得到的识别框之间的重合度，设定高低两个阈值进行判断，大于高阈值则认为车辆已经驶入车位，低于低阈值则认为车辆还未停入车位或驶离车位，若重合度在二者之间则保持上一判别结果，此次识别无效。

6.根据权利要求3所述的一种基于边缘智能和路边高位监控视频的车辆停车识别方法，其特征在于：车辆行为识别算法根据车辆与车位之间相对位置关系判断的结果作为依据，根据判断的结果变化得到驶入、驶离的行为。进一步地，当车辆与车位之间相对位置关系判断的结果发生改变时，车辆行为识别算法在遍历容器的同时开始计时，达到设定的时间阈值后，对各车位的停车占用情况再进行一次判别，如果首先判断车辆可能驶离车位，则会在第二次判别时判断对应车位是否空闲，若两次判断结果一致，则确认车辆已经驶离，若两次判断结果不一致，则会认为此次识别无效，保持原有的识别结果；若首次判断车辆可能驶入车位，则会在第二次判别时判断对应车位是否空闲，若两次判断结果一致，则确认车辆已经驶入。若两次判断结果不一致，则会认为此次识别无效，保持原有的识别结果。