[发明专利]一种停车位识别方法和装置

权利要求书

1.一种停车位识别方法，其特征在于，所述方法包括：

获取待识别停车位的停车场图像；

利用目标神经网络模型提取所述停车场图像包含的全局语义特征和局部语义特征；所述全局语义特征用于确定目标停车位的初始入口角点信息；所述目标停车位为可用于停车的空闲停车位；

基于所述目标神经网络模型中包括的先验停车位入口信息和所述局部语义特征，对所述初始入口角点信息进行修正，得到目标入口角点信息，所述目标入口角点信息包括目标入口角点方向和目标入口宽度；所述先验停车位入口信息包括标准停车位的标准入口角点方向和标准入口宽度；

将所述目标入口角点方向、所述目标入口宽度标注在所述目标停车位中，以引导车辆停车。

2.根据权利要求1所述的方法，其特征在于，所述目标神经网络模型通过以下方法训练得到：

将停车场样本图像数据集和预先获取的先验停车位入口信息输入初始神经网络模型中；

利用所述初始神经网络模型的特征主干网络，提取所述停车场样本图像包括的各个单元格的样本全局特征信息；所述样本全局特征信息包括：所述单元格是否位于样本目标停车位内部、所述样本目标停车位的类别、所述样本目标停车位的样本初始入口角点信息、所述目标停车位是否被占用；

利用所述特征主干网络，提取所述各个单元格的样本局部特征信息，所述样本局部特征信息用于对所述样本初始入口角点信息进行修正，得到预测入口角点方向和预测入口宽度；

基于预先确定的目标先验停车位入口信息和所述样本目标停车位的真实入口信息，分别确定所述预测入口角点方向对应的第一残差和所述预测入口宽度对应的第二残差；

基于所述第一残差和所述第二残差对所述初始神经网络模型进行训练，得到目标神经网络模型。

3.根据权利要求2所述的方法，其特征在于，所述确定所述预测入口角点方向对应的第一残差，包括：

获取所述先验停车位入口信息中包括的标准入口角点方向和标准入口宽度，并获取所述真实入口角点信息中包括的真实入口角点方向和真实入口宽度；

确定以e为底，以所述预测入口角点方向为指数的指数函数的值，得到方向指数值；

确定所述标准入口角点方向和所述方向指数值的乘积，得到方向乘积；

确定所述方向乘积和所述真实入口角点方向之间的差的二次方，得到所述第一残差。

4.根据权利要求3所述的方法，其特征在于，所述确定所述预测入口宽度对应的第二残差，包括：

确定以e为底，以所述预测入口宽度为指数的指数函数的值，得到距离指数值；

确定所述标准入口宽度和所述距离指数值的乘积，得到距离乘积；

确定所述距离乘积和所述真实入口宽度之间的差的二次方，得到所述第二残差。

5.根据权利要求2所述的方法，其特征在于，在利用目标神经网络模型提取所述停车场图像包含的全局语义特征和局部语义特征之前，还包括：

获取停车位样本图像数据集；所述停车位样本图像数据集中包括当前存在的各种类型的停车位图像；

对所述停车位样本图像数据集执行聚类算法，得到目标数量个聚类簇，其中，每个所述聚类簇包括相似类型的停车位；

分别获取各个所述聚类簇中的停车位的入口角点方向和入口宽度，得到所述目标数量组先验停车位入口信息。

6.根据权利要求5所述的方法，其特征在于，在分别确定所述预测入口角点方向对应的第一残差和所述预测入口宽度对应的第二残差之前，还包括：

将所述目标数量组先验停车位入口信息与所述样本目标停车位对应的真实入口角点信息进行匹配，得到目标匹配度；

从所述目标数量组先验停车位入口信息中，选取所述目标匹配度大于或等于预设的匹配度阈值的先验停车位入口信息，作为目标先验停车位入口信息。

7.根据权利要求1所述的方法，其特征在于，所述目标入口宽度为所述目标停车位的左入口角点和右入口角点之间的欧氏距离。