[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

说明书

本发明公开了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，首先通过摄像头采集停车区域的实时视频作为检测的输入，在边缘终端中完成视频流的处理。其次通过深度学习网络提取视频中车辆和车牌位置，通过字符识别技术提取车牌号，采用网络模型的结合进行车辆及对应车牌的实时绑定。然后根据上下帧图像之间的位置坐标进行和动态跟踪，通过三维和二维坐标对应进行车辆与车位相对位置的判定。最后根据上述识别结果对车辆是否停车进行相应判断。本发明提高了路边停车场景下车辆停车行为的识别率以及算法的鲁棒性，降低了计算量，可以准确的根据车辆及车牌位置信息确定车辆的停车行为，可用于智能交通领域，有较大的推广前景。

技术领域

本发明涉及智能交通系统领域，尤其涉及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。

背景技术

近年来，我国机动车的数量持续增长，据公安部交管局统计，截止2021年6月，我国机动车保有量已有3.84亿辆，其中汽车保有量达到了2.92亿辆，占比达到了总数的76.04％，且其数量仍在不断增长。停车开始成为了部分城市继续解决的难题。而路边停车位的规划可以较大程度缓解停车的压力，得到了很多城市的推广。但目前阶段，我国很多城市对路边停车位的监管还是主要以人工管理的方式为主，这种方式管理效率很低，消耗了较大的人力成本，同时在停车高峰期时管理难度较大，容易出现错收费、乱收费的问题。因此，急需一种高效的路边车位管理方式。

目前路边车位的管理方案主要有基于咪表、基于地磁以及基于视频的车位管理方案。这两种方案均需要在路边或路面架设监测设备，部署成本较高，且会破坏路边，在一些设施完善的地区难以推广。基于视觉的管理方案可以规避这些问题，部署成本较低，但路边停车场景下的一些遮挡及拍摄角度倾斜较大等问题导致停车识别准确率较低，并且在云端进行视频流处理的方式需要的网络带宽成本较大。基于此难题，提出了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，采取了边缘智能技术进行视频流处理，并考虑了路边停车实际场景存在的各种影响因素，提高了车辆有效停车订单识别率，且具有较高的鲁棒性。

发明内容

本发明结合了边缘智能技术与机器视觉技术，在边缘终端中进行视频流处理，并解决了路边高位监控视频中常出现的遮挡、角度畸变较大、光照多变等因素导致车辆停车识别率低的问题，提高了针对多种场景的鲁棒性。

本发明的目的是通过以下技术方案实现的：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，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。

进一步地，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。