車(chē)輛入位的判定方法、裝置及車(chē)輛出位的判定方法、裝置的制造方法
【專(zhuān)利摘要】本發(fā)明公開(kāi)了車(chē)輛入位的判定方法及裝置，方法包括：獲取停車(chē)場(chǎng)的視頻幀圖像中的目標(biāo)的位置信息，并與車(chē)位的位置信息進(jìn)行比較；判斷目標(biāo)的位置信息與車(chē)位的位置信息是否存在交集；對(duì)所述視頻幀圖像進(jìn)行虛擬線(xiàn)圈檢測(cè)，判斷特征點(diǎn)的個(gè)數(shù)是否大于入位閾值；對(duì)視頻幀圖像進(jìn)行車(chē)輛檢測(cè)，判斷視頻幀圖像中的目標(biāo)是否為車(chē)輛；若均為是，則視頻幀圖像中對(duì)應(yīng)的車(chē)輛為入位狀態(tài)；該方法通過(guò)三個(gè)識(shí)別過(guò)程準(zhǔn)確的識(shí)別車(chē)輛入位狀態(tài)，在不增加硬件成本的基礎(chǔ)上實(shí)現(xiàn)實(shí)時(shí)獲取進(jìn)入車(chē)位的車(chē)輛信息；本發(fā)明還公開(kāi)了車(chē)輛出位的判定方法及裝置，通過(guò)三個(gè)識(shí)別過(guò)程準(zhǔn)確的識(shí)別車(chē)輛出位狀態(tài)，實(shí)現(xiàn)實(shí)時(shí)獲取駛出車(chē)位的車(chē)輛信息；本發(fā)明還公開(kāi)了車(chē)輛管理系統(tǒng)。
【專(zhuān)利說(shuō)明】
車(chē)輛入位的判定方法、裝置及車(chē)輛出位的判定方法、裝置
技術(shù)領(lǐng)域
[0001]本發(fā)明涉及圖像處理技術(shù)領(lǐng)域，特別涉及一種車(chē)輛入位的判定方法、裝置及車(chē)輛出位的判定方法、裝置及車(chē)輛管理系統(tǒng)。
【背景技術(shù)】
[0002]目前，視頻技術(shù)已經(jīng)廣泛應(yīng)用于停車(chē)場(chǎng)、城市道路、高速公路等區(qū)域進(jìn)行車(chē)輛信息的自動(dòng)抓取和識(shí)別。隨著車(chē)輛保有量的持續(xù)增加，視頻技術(shù)在智能交通中的應(yīng)用將越來(lái)越多，現(xiàn)在基于視頻的道路停車(chē)管理系統(tǒng)廣泛使用視頻技術(shù)實(shí)現(xiàn)車(chē)位的管理。但基于視頻的道路停車(chē)管理系統(tǒng)存在一個(gè)問(wèn)題，車(chē)輛進(jìn)入車(chē)位以后，由于受攝像頭空間位置的限制，有的車(chē)牌信息存在遮擋，攝像頭不能自動(dòng)抓取車(chē)牌信息。導(dǎo)致車(chē)輛信息無(wú)法記錄。
[0003]當(dāng)前車(chē)輛入位檢測(cè)和出位檢測(cè)方法有以下幾種方法:第一在車(chē)位側(cè)設(shè)置傳感器進(jìn)行入位檢測(cè)，這類(lèi)方法通過(guò)利用紅外傳感器，地磁感應(yīng)傳感器，超聲波傳感器，低頻傳感器等設(shè)備獲取溫度變化，磁場(chǎng)變化，物體位移變化，車(chē)輛電磁信號(hào)等實(shí)現(xiàn)入位和出位檢測(cè)，但是這種方式存在對(duì)周?chē)h(huán)境的依賴(lài)，檢測(cè)結(jié)果差強(qiáng)人意。第二在車(chē)位側(cè)設(shè)置射頻模塊進(jìn)行車(chē)位檢測(cè)，這類(lèi)方法通過(guò)檢測(cè)車(chē)輛上的標(biāo)簽來(lái)實(shí)現(xiàn)入位檢測(cè)。因?yàn)闄z測(cè)時(shí)射頻設(shè)備和標(biāo)簽之間存在方向性，所以二者之間存在遮擋時(shí)檢測(cè)結(jié)果不準(zhǔn)確，此外，射頻設(shè)備工作頻率很高，收發(fā)距離較遠(yuǎn)，當(dāng)存在相鄰被測(cè)物時(shí)，無(wú)法正確識(shí)別車(chē)輛入位和出位。第三基于圖像的入位和出位狀態(tài)檢測(cè)，這種方法通過(guò)利用車(chē)位的顏色模型，邊緣特征做圖像分析，從而實(shí)現(xiàn)入位和出位狀態(tài)檢測(cè)，但是這種基于圖像的方法所利用的特征過(guò)于簡(jiǎn)單，抗干擾能力差，所以進(jìn)行檢測(cè)時(shí)很容易被干擾造成檢測(cè)失誤，無(wú)法準(zhǔn)確的及時(shí)的檢測(cè)車(chē)輛的入位和出位。
[0004]因此，如何準(zhǔn)確的及時(shí)的檢測(cè)車(chē)輛的入位和出位，是本領(lǐng)域技術(shù)人員需要解決的技術(shù)問(wèn)題。

【發(fā)明內(nèi)容】

[0005]本發(fā)明的目的是提供一種車(chē)輛入位的判定方法及車(chē)輛出位的判定方法，能夠在不增加硬件成本的基礎(chǔ)上準(zhǔn)確的對(duì)車(chē)輛的入位狀態(tài)及出位狀態(tài)進(jìn)行預(yù)判;本發(fā)明的另一目的是提供一種車(chē)輛出位的判定裝置、車(chē)輛出位的判定裝置及車(chē)輛管理系統(tǒng)。
[0006]為解決上述技術(shù)問(wèn)題，本發(fā)明提供車(chē)輛入位的判定方法，包括:
[0007]獲取停車(chē)場(chǎng)的視頻幀圖像中的目標(biāo)的位置信息，并與車(chē)位的位置信息進(jìn)行比較；判斷所述目標(biāo)的位置信息與所述車(chē)位的位置信息是否存在交集；
[0008]對(duì)所述視頻幀圖像進(jìn)行虛擬線(xiàn)圈檢測(cè)，判斷特征點(diǎn)的個(gè)數(shù)是否大于入位閾值；
[0009]對(duì)所述視頻幀圖像進(jìn)行車(chē)輛檢測(cè)，判斷所述視頻幀圖像中的目標(biāo)是否為車(chē)輛；
[0010]若均為是，則所述視頻幀圖像中對(duì)應(yīng)的車(chē)輛為入位狀態(tài)。
[0011]其中，獲取停車(chē)場(chǎng)的視頻幀圖像中的目標(biāo)的位置信息，并與車(chē)位的位置信息進(jìn)行比較;判斷所述目標(biāo)的位置信息與所述車(chē)位的位置信息是否存在交集，包括:
[0012]利用運(yùn)動(dòng)目標(biāo)分析算法及車(chē)輛檢測(cè)器對(duì)所述視頻幀圖像進(jìn)行計(jì)算，得到運(yùn)動(dòng)目標(biāo)的區(qū)域位置信息；
[0013]在所述區(qū)域位置信息對(duì)應(yīng)的區(qū)域內(nèi)對(duì)所述運(yùn)動(dòng)目標(biāo)進(jìn)行紋理信息提取，并利用所述紋理信息進(jìn)行運(yùn)動(dòng)目標(biāo)的視覺(jué)跟蹤，得到目標(biāo)跟蹤軌跡；
[0014]將得到的目標(biāo)跟蹤軌跡與車(chē)位的行車(chē)側(cè)邊界線(xiàn)的位置信息進(jìn)行比較;判斷所述目標(biāo)跟蹤軌跡與車(chē)位的行車(chē)側(cè)邊界線(xiàn)的位置信息是否存在交集。
[0015]其中，對(duì)所述視頻幀圖像進(jìn)行虛擬線(xiàn)圈檢測(cè)，判斷特征點(diǎn)的個(gè)數(shù)是否大于入位閾值，包括:
[0016]初始化設(shè)定的虛擬線(xiàn)圈；
[0017]利用背景建模得到的背景模型提取所述虛擬線(xiàn)圈內(nèi)的目標(biāo)的特征點(diǎn)；
[0018]判斷所述特征點(diǎn)的個(gè)數(shù)是否大于入位閾值。
[0019]其中，若均為是，則所述視頻幀圖像中對(duì)應(yīng)的車(chē)輛為入位狀態(tài)，包括:
[0020]若均為是，則確定與目標(biāo)跟蹤軌跡存在交集的車(chē)位的位置信息；
[0021 ]確定目標(biāo)進(jìn)入虛擬線(xiàn)圈對(duì)應(yīng)的車(chē)位的位置信息；
[0022]確定車(chē)輛檢測(cè)得到的車(chē)輛位置信息對(duì)應(yīng)的車(chē)位的位置信息；
[0023]判斷各個(gè)車(chē)位的位置信息是否對(duì)應(yīng)同一個(gè)車(chē)位區(qū)域；
[0024]若是，則所述目標(biāo)在一個(gè)區(qū)域內(nèi)；則所述視頻幀圖像中對(duì)應(yīng)的車(chē)輛為入位狀態(tài)。
[0025]本發(fā)明還提供一種車(chē)輛入位的判定裝置，包括:
[0026]入位軌跡檢測(cè)模塊，用于獲取停車(chē)場(chǎng)的視頻幀圖像中的目標(biāo)的位置信息，并與車(chē)位的位置信息進(jìn)行比較;判斷所述目標(biāo)的位置信息與所述車(chē)位的位置信息是否存在交集；
[0027]入位虛擬線(xiàn)圈模塊，用于對(duì)所述視頻幀圖像進(jìn)行虛擬線(xiàn)圈檢測(cè)，判斷特征點(diǎn)的個(gè)數(shù)是否大于入位閾值；
[0028]入位車(chē)輛檢測(cè)模塊，用于對(duì)所述視頻幀圖像進(jìn)行車(chē)輛檢測(cè)，判斷所述視頻幀圖像中的目標(biāo)是否為車(chē)輛；
[0029]入位判斷模塊，用于若均為是，則所述視頻幀圖像中對(duì)應(yīng)的車(chē)輛為入位狀態(tài)。
[0030]本發(fā)明還提供一種車(chē)輛出位的判定方法，包括:
[0031]獲取停車(chē)場(chǎng)的視頻幀圖像中的目標(biāo)的位置信息，并與車(chē)位的位置信息進(jìn)行比較；判斷所述目標(biāo)的位置信息與所述車(chē)位的位置信息是否存在交集；
[0032]對(duì)所述視頻幀圖像進(jìn)行虛擬線(xiàn)圈檢測(cè)，判斷特征點(diǎn)的個(gè)數(shù)是否大于出位閾值；
[0033]對(duì)所述視頻幀圖像進(jìn)行車(chē)輛檢測(cè)，判斷所述視頻幀圖像中的目標(biāo)是否為車(chē)輛；
[0034]若均為是，則所述視頻幀圖像中對(duì)應(yīng)的車(chē)輛為出位狀態(tài)。
[0035]其中，獲取停車(chē)場(chǎng)的視頻幀圖像中的目標(biāo)的位置信息，并與車(chē)位的位置信息進(jìn)行比較;判斷所述目標(biāo)的位置信息與所述車(chē)位的位置信息是否存在交集，包括:
[0036]利用運(yùn)動(dòng)目標(biāo)分析算法及車(chē)輛檢測(cè)器對(duì)所述視頻幀圖像進(jìn)行計(jì)算，得到運(yùn)動(dòng)目標(biāo)的區(qū)域位置信息；
[0037]在所述區(qū)域位置信息對(duì)應(yīng)的區(qū)域內(nèi)對(duì)所述運(yùn)動(dòng)目標(biāo)進(jìn)行紋理信息提取，并利用所述紋理信息進(jìn)行運(yùn)動(dòng)目標(biāo)的視覺(jué)跟蹤，得到目標(biāo)跟蹤軌跡；
[0038]將得到的目標(biāo)跟蹤軌跡與車(chē)位的邊界線(xiàn)位置信息進(jìn)行比較;判斷所述目標(biāo)跟蹤軌跡與車(chē)位的邊界線(xiàn)位置信息是否存在交集。
[0039]其中，對(duì)所述視頻幀圖像進(jìn)行虛擬線(xiàn)圈檢測(cè)，判斷特征點(diǎn)的個(gè)數(shù)是否大于出位閾值，包括:
[0040]初始化設(shè)定的虛擬線(xiàn)圈；
[0041]利用背景建模得到的背景模型提取所述虛擬線(xiàn)圈內(nèi)的目標(biāo)的特征點(diǎn)；
[0042]判斷所述特征點(diǎn)的個(gè)數(shù)是否大于出位閾值。
[0043]其中，若均為是，則所述視頻幀圖像中對(duì)應(yīng)的車(chē)輛為出位狀態(tài)，包括:
[0044]若均為是，則確定與目標(biāo)跟蹤軌跡存在交集的車(chē)位的位置信息；
[0045]確定目標(biāo)在虛擬線(xiàn)圈對(duì)應(yīng)的車(chē)位的位置信息；
[0046]確定車(chē)輛檢測(cè)得到的車(chē)輛位置信息對(duì)應(yīng)的車(chē)位的位置信息；
[0047]判斷各個(gè)車(chē)位的位置信息是否對(duì)應(yīng)同一個(gè)車(chē)位區(qū)域；
[0048]若是，則所述目標(biāo)在一個(gè)區(qū)域內(nèi)；則所述視頻幀圖像中對(duì)應(yīng)的車(chē)輛為出位狀態(tài)。
[0049]本發(fā)明還提供一種車(chē)輛出位的判定裝置，包括:
[0050]出位軌跡檢測(cè)模塊，用于獲取停車(chē)場(chǎng)的視頻幀圖像中的目標(biāo)的位置信息，并與車(chē)位的位置信息進(jìn)行比較;判斷所述目標(biāo)的位置信息與所述車(chē)位的位置信息是否存在交集；
[0051]出位虛擬線(xiàn)圈模塊，用于對(duì)所述視頻幀圖像進(jìn)行虛擬線(xiàn)圈檢測(cè)，判斷特征點(diǎn)的個(gè)數(shù)是否大于出位閾值；
[0052]出位車(chē)輛檢測(cè)模塊，用于對(duì)所述視頻幀圖像進(jìn)行車(chē)輛檢測(cè)，判斷所述視頻幀圖像中的目標(biāo)是否為車(chē)輛；
[0053]出位判斷模塊，用于若均為是，則所述視頻幀圖像中對(duì)應(yīng)的車(chē)輛為出位狀態(tài)。
[0054]本發(fā)明還提供一種車(chē)輛管理系統(tǒng)，包括:
[0055]攝像頭，用于采集停車(chē)場(chǎng)視頻幀圖像；
[0056]上述車(chē)輛入位的判定裝置，用于對(duì)車(chē)輛入位狀態(tài)進(jìn)行判斷；
[0057]和/或上述車(chē)輛出位的判定裝置，用于對(duì)車(chē)輛出位狀態(tài)進(jìn)行判斷；
[0058]存儲(chǔ)器，用于記錄具有入位狀態(tài)和/或出位狀態(tài)車(chē)輛的信息。
[0059]本發(fā)明所提供的車(chē)輛入位的判定方法，包括:獲取停車(chē)場(chǎng)的視頻幀圖像中的目標(biāo)的位置信息，并與車(chē)位的位置信息進(jìn)行比較;判斷所述目標(biāo)的位置信息與所述車(chē)位的位置信息是否存在交集;對(duì)所述視頻幀圖像進(jìn)行虛擬線(xiàn)圈檢測(cè)，判斷特征點(diǎn)的個(gè)數(shù)是否大于入位閾值;對(duì)所述視頻幀圖像進(jìn)行車(chē)輛檢測(cè)，判斷所述視頻幀圖像中的目標(biāo)是否為車(chē)輛;若均為是，則所述視頻幀圖像中對(duì)應(yīng)的車(chē)輛為入位狀態(tài)；
[0060]該方法將判斷運(yùn)動(dòng)目標(biāo)是否碾壓車(chē)位線(xiàn)，判斷目標(biāo)在虛擬線(xiàn)圈中是否有運(yùn)動(dòng)前景，判斷目標(biāo)是否為車(chē)輛三者結(jié)合起來(lái)，最終得到車(chē)輛是否為入位狀態(tài)進(jìn)而證明該車(chē)輛會(huì)入位;該方法的準(zhǔn)確性很高，因?yàn)槠淇梢员苊庵焕锰摂M線(xiàn)圈檢測(cè)，車(chē)輛在車(chē)位旁邊行駛時(shí)，是可以在虛擬線(xiàn)圈中檢測(cè)到運(yùn)動(dòng)前景的，有可能會(huì)誤判;如果只判斷運(yùn)動(dòng)目標(biāo)是否碾壓車(chē)位線(xiàn)，當(dāng)車(chē)輛不沿直線(xiàn)行駛時(shí)，有可能車(chē)輛在變道也會(huì)碾壓到車(chē)位線(xiàn)的，這樣也會(huì)存在誤判;且若不檢測(cè)目標(biāo)是否為車(chē)輛，可能會(huì)出現(xiàn)行人、手推車(chē)等運(yùn)動(dòng)目標(biāo)的誤判；因此，該方法利用車(chē)輛入位的三個(gè)特征，對(duì)每一個(gè)特征都加以利用可以增強(qiáng)系統(tǒng)的檢測(cè)精度，減少系統(tǒng)的誤檢。進(jìn)一步，在能夠準(zhǔn)確識(shí)別到車(chē)輛入位狀態(tài)后，可以解決車(chē)輛在道路停車(chē)位停車(chē)時(shí)，車(chē)輛管理系統(tǒng)能夠?qū)崟r(shí)獲取車(chē)輛車(chē)牌信息。提高車(chē)輛管理系統(tǒng)的管理效率和準(zhǔn)確性。本發(fā)明所提供的車(chē)輛入位的判定裝置，具有上述效果。
[0061]本發(fā)明所提供的車(chē)輛出位的判定方法與上述車(chē)輛入位的判定方法類(lèi)似，都是將判斷運(yùn)動(dòng)目標(biāo)是否碾壓車(chē)位線(xiàn)，判斷目標(biāo)在虛擬線(xiàn)圈中是否有運(yùn)動(dòng)前景，判斷目標(biāo)是否為車(chē)輛三者結(jié)合起來(lái)，最終得到車(chē)輛是否為入位狀態(tài)進(jìn)而證明該車(chē)輛會(huì)出位;具有上述有益效果，本發(fā)明所提供的車(chē)輛出位的判定裝置也具有上述有益效果，再次不再贅述。
[0062]本發(fā)明所提供的車(chē)輛管理系統(tǒng)，可以根據(jù)車(chē)輛出位的判定裝置和/或車(chē)輛入位的判定裝置得到的車(chē)輛出入位狀態(tài)結(jié)果，及時(shí)，準(zhǔn)確的記錄到對(duì)應(yīng)車(chē)輛的信息，例如車(chē)牌信息等;可以提高車(chē)輛管理系統(tǒng)的管理效率和準(zhǔn)確性。
【附圖說(shuō)明】
[0063]為了更清楚地說(shuō)明本發(fā)明實(shí)施例或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對(duì)實(shí)施例或現(xiàn)有技術(shù)描述中所需要使用的附圖作簡(jiǎn)單地介紹，顯而易見(jiàn)地，下面描述中的附圖僅僅是本發(fā)明的實(shí)施例，對(duì)于本領(lǐng)域普通技術(shù)人員來(lái)講，在不付出創(chuàng)造性勞動(dòng)的前提下，還可以根據(jù)提供的附圖獲得其他的附圖。
[0064]圖1為本發(fā)明實(shí)施例所提供的車(chē)輛入位的判定方法的流程圖；
[0065]圖2為本發(fā)明實(shí)施例所提供的車(chē)輛入位的判定裝置的結(jié)構(gòu)框圖；
[0066]圖3為本發(fā)明實(shí)施例所提供的車(chē)輛出位的判定方法的流程圖；
[0067]圖4為本發(fā)明實(shí)施例所提供的車(chē)輛出位的判定裝置的結(jié)構(gòu)框圖；
[0068]圖5為本發(fā)明實(shí)施例所提供的車(chē)輛管理系統(tǒng)的結(jié)構(gòu)框圖。
【具體實(shí)施方式】
[0069]本發(fā)明的核心是提供一種車(chē)輛入位的判定方法及車(chē)輛出位的判定方法，能夠在不增加硬件成本的基礎(chǔ)上準(zhǔn)確的對(duì)車(chē)輛的入位狀態(tài)及出位狀態(tài)進(jìn)行預(yù)判;本發(fā)明的另一目的是提供一種車(chē)輛出位的判定裝置、車(chē)輛出位的判定裝置及車(chē)輛管理系統(tǒng)。
[0070]為使本發(fā)明實(shí)施例的目的、技術(shù)方案和優(yōu)點(diǎn)更加清楚，下面將結(jié)合本發(fā)明實(shí)施例中的附圖，對(duì)本發(fā)明實(shí)施例中的技術(shù)方案進(jìn)行清楚、完整地描述，顯然，所描述的實(shí)施例是本發(fā)明一部分實(shí)施例，而不是全部的實(shí)施例?；诒景l(fā)明中的實(shí)施例，本領(lǐng)域普通技術(shù)人員在沒(méi)有做出創(chuàng)造性勞動(dòng)前提下所獲得的所有其他實(shí)施例，都屬于本發(fā)明保護(hù)的范圍。
[0071]請(qǐng)參考圖1，圖1為本發(fā)明實(shí)施例所提供的車(chē)輛入位的判定方法的流程圖；該方法可以包括:
[0072]S100、獲取停車(chē)場(chǎng)的視頻幀圖像中的目標(biāo)的位置信息，并與車(chē)位的位置信息進(jìn)行比較;判斷所述目標(biāo)的位置信息與所述車(chē)位的位置信息是否存在交集；
[0073]其中，通過(guò)分析可以得到，車(chē)輛進(jìn)入停車(chē)位的時(shí)候都會(huì)具有以下三個(gè)特征，第一目標(biāo)不可能直線(xiàn)行駛，會(huì)碾壓車(chē)位線(xiàn)；第二目標(biāo)會(huì)進(jìn)入車(chē)位，所以虛擬線(xiàn)圈會(huì)檢測(cè)到運(yùn)動(dòng)前景;第三目標(biāo)是車(chē)輛，這時(shí)可以檢測(cè)到的。因此，該實(shí)施例利用上述三個(gè)特征對(duì)車(chē)輛的入位狀態(tài)進(jìn)行判斷。
[0074]該步驟就是對(duì)第一個(gè)特征進(jìn)行判定，由于車(chē)輛會(huì)碾壓車(chē)位線(xiàn)，因此可以將視頻幀圖像中的目標(biāo)的位置信息與車(chē)位的位置信息進(jìn)行比較，若要碾壓，則證明必然會(huì)存在交集，即會(huì)存在至少一個(gè)點(diǎn)的位置是重合的，即目標(biāo)的位置信息與車(chē)位的位置信息是至少會(huì)存在一個(gè)交集。
[0075]這里獲取停車(chē)場(chǎng)的視頻幀圖像中的目標(biāo)的位置信息，可以通過(guò)車(chē)輛檢測(cè)器即車(chē)檢器，后續(xù)車(chē)輛檢測(cè)器用車(chē)檢器表示;獲取，車(chē)位的位置信息可以提前進(jìn)行建模預(yù)存，在獲取的視頻幀圖像中可以確定車(chē)位的位置;判斷所述目標(biāo)的位置信息與所述車(chē)位的位置信息是否存在交集，即比較是否存在一樣的位置信息；當(dāng)存在一樣的位置信息即表明目標(biāo)與車(chē)位至少為接觸的，第一個(gè)特征滿(mǎn)足；
[0076]其中，車(chē)檢器功能是檢測(cè)視頻幀中的車(chē)輛目標(biāo)，車(chē)檢器可以檢測(cè)視頻幀中車(chē)輛的位置信息，車(chē)頭車(chē)位信息，車(chē)身左右偏信息。車(chē)檢器可以根據(jù)DPM(DeformabIe PartsModel)目標(biāo)檢測(cè)算法構(gòu)建。
[0077]為了提高比較的速度，可以將目標(biāo)的位置信息與車(chē)位的邊界線(xiàn)的位置信息進(jìn)行比較，目標(biāo)與邊界線(xiàn)相交即實(shí)現(xiàn)了對(duì)車(chē)位邊界的碾壓。進(jìn)一步根據(jù)實(shí)際情況在道路停車(chē)位的兩側(cè)一邊是行車(chē)側(cè)，另一側(cè)大多為臺(tái)階或者綠化帶，車(chē)輛要想進(jìn)入停車(chē)位基本都必須從行車(chē)側(cè)進(jìn)入車(chē)位，這樣在進(jìn)行第一個(gè)特征的判斷時(shí)，可以將目標(biāo)的位置信息與車(chē)位的行車(chē)側(cè)的車(chē)位線(xiàn)的位置信息進(jìn)行比較，可以加快比較的速度，提高比較效率;為了更加準(zhǔn)確的對(duì)第一個(gè)特性進(jìn)行判斷，還可以通過(guò)軌跡檢測(cè)與車(chē)檢器相結(jié)合來(lái)進(jìn)行判定。優(yōu)選的，獲取停車(chē)場(chǎng)的視頻幀圖像中的目標(biāo)的位置信息，并與車(chē)位的位置信息進(jìn)行比較;判斷所述目標(biāo)的位置信息與所述車(chē)位的位置信息是否存在交集，包括:
[0078]利用運(yùn)動(dòng)目標(biāo)分析算法及車(chē)輛檢測(cè)器對(duì)所述視頻幀圖像進(jìn)行計(jì)算，得到運(yùn)動(dòng)目標(biāo)的區(qū)域位置信息；
[0079]在所述區(qū)域位置信息對(duì)應(yīng)的區(qū)域內(nèi)對(duì)所述運(yùn)動(dòng)目標(biāo)進(jìn)行紋理信息提取，并利用所述紋理信息進(jìn)行運(yùn)動(dòng)目標(biāo)的視覺(jué)跟蹤，得到目標(biāo)跟蹤軌跡；
[0080]將得到的目標(biāo)跟蹤軌跡與車(chē)位的行車(chē)側(cè)邊界線(xiàn)的位置信息進(jìn)行比較;判斷所述目標(biāo)跟蹤軌跡與車(chē)位的行車(chē)側(cè)邊界線(xiàn)的位置信息是否存在交集。
[0081 ]其中，獲取視頻幀圖像后，可以根據(jù)運(yùn)動(dòng)目標(biāo)分析算法和車(chē)檢器計(jì)算運(yùn)動(dòng)目標(biāo)(如車(chē)輛)的區(qū)域位置信息，然后在對(duì)應(yīng)區(qū)域(即區(qū)域位置信息對(duì)應(yīng)的區(qū)域)提取運(yùn)動(dòng)目標(biāo)的紋理信息進(jìn)行跟蹤，通過(guò)跟蹤可以獲得目標(biāo)的運(yùn)動(dòng)軌跡即上述目標(biāo)跟蹤軌跡。其中，運(yùn)動(dòng)目標(biāo)分析算法可以用傳統(tǒng)高斯背景建模算法，視覺(jué)跟蹤可以用基于光流特征匹配的跟蹤算法。優(yōu)選的，將提取的運(yùn)動(dòng)目標(biāo)的紋理信息進(jìn)行中心聚類(lèi)，排除了環(huán)境因素對(duì)檢測(cè)結(jié)果的影響，目標(biāo)入位位置判斷是根據(jù)目標(biāo)跟蹤軌跡碾壓車(chē)位線(xiàn)位置和車(chē)位位置信息判斷的，車(chē)輛碾壓車(chē)位線(xiàn)的位置即為軌跡檢測(cè)檢測(cè)到的入位位置。
[0082]S110、對(duì)所述視頻幀圖像進(jìn)行虛擬線(xiàn)圈檢測(cè)，判斷特征點(diǎn)的個(gè)數(shù)是否大于入位閾值；
[0083]其中，該步驟就是對(duì)第二個(gè)特征進(jìn)行判定，由于車(chē)輛入位時(shí)一定是要進(jìn)入車(chē)位的，因此可以利用虛擬線(xiàn)圈檢測(cè)，來(lái)判斷視頻幀圖像中的目標(biāo)是否有進(jìn)入虛擬線(xiàn)圈的運(yùn)動(dòng)前景，若有，則目標(biāo)有繼續(xù)進(jìn)入虛擬線(xiàn)圈的趨勢(shì)。這里的虛擬線(xiàn)圈形成過(guò)程可以是，停車(chē)位在視頻場(chǎng)景里面是有具體的位置的，在進(jìn)行一定的外擴(kuò)以后定義為虛擬線(xiàn)圈。這樣車(chē)輛進(jìn)入車(chē)位時(shí)，虛擬線(xiàn)圈就可以檢測(cè)到運(yùn)動(dòng)前景，即目標(biāo)有進(jìn)入虛擬線(xiàn)圈對(duì)應(yīng)的車(chē)位的趨勢(shì);利用虛擬線(xiàn)圈檢測(cè)目標(biāo)是否要進(jìn)入車(chē)位的具體過(guò)程可以是:
[0084]初始化設(shè)定的虛擬線(xiàn)圈；
[0085]利用背景建模得到的背景模型提取所述虛擬線(xiàn)圈內(nèi)的目標(biāo)的特征點(diǎn)；
[0086]判斷所述特征點(diǎn)的個(gè)數(shù)是否大于入位閾值。
[0087]其中，每個(gè)車(chē)位在圖像里面對(duì)應(yīng)一個(gè)虛擬線(xiàn)圈，初始化是標(biāo)明圖像中某一個(gè)區(qū)域是一個(gè)虛擬線(xiàn)圈，標(biāo)明以后，在后續(xù)的處理中就知道了虛擬線(xiàn)圈的區(qū)域位置信息。
[0088]獲取視頻幀后進(jìn)行背景建模，因?yàn)楸尘敖Ｐ枰粋€(gè)過(guò)程，所以會(huì)有預(yù)熱階段。對(duì)視頻幀進(jìn)行背景建?？梢缘玫竭\(yùn)動(dòng)前景，以前景為特征，計(jì)算虛擬線(xiàn)圈中特征的個(gè)數(shù)，如果大于設(shè)定的入位閾值，表示有目標(biāo)進(jìn)入虛擬線(xiàn)圈對(duì)應(yīng)的車(chē)位。背景建模初始化過(guò)程需要一定量的視頻幀圖像，這里選擇前A幀圖像對(duì)模型進(jìn)行初始化，也叫預(yù)熱過(guò)程，初始化沒(méi)有完成時(shí)，還不能對(duì)虛擬線(xiàn)圈中特征的個(gè)數(shù)進(jìn)行計(jì)算。在后續(xù)背景建模分析過(guò)程中如果不切換場(chǎng)景就不需要預(yù)熱過(guò)程，切換場(chǎng)景就需要對(duì)場(chǎng)景背景模型重新初始化。根據(jù)背景建模，可以獲得場(chǎng)景中的運(yùn)動(dòng)前景，以前景為特征點(diǎn)，計(jì)算前景特征點(diǎn)在虛擬線(xiàn)圈中的個(gè)數(shù)。如果個(gè)數(shù)超過(guò)閾值，輸出目標(biāo)進(jìn)入虛擬線(xiàn)圈，否則輸出目標(biāo)未進(jìn)入虛擬線(xiàn)圈并進(jìn)入下一幀分析。目標(biāo)未進(jìn)入虛擬線(xiàn)圈也可以不進(jìn)行輸出直接進(jìn)入下一幀圖像的計(jì)算。背景建?？梢圆捎脗鹘y(tǒng)的高斯背景建模算法。
[0089]該實(shí)施例并不對(duì)具體的虛擬線(xiàn)圈檢測(cè)處理過(guò)程進(jìn)行限定，只要可以通過(guò)虛擬線(xiàn)圈的計(jì)算，判斷出視頻幀圖像中的目標(biāo)是否有進(jìn)入虛擬線(xiàn)圈對(duì)應(yīng)的車(chē)位的趨勢(shì)即可。
[0090]S120、對(duì)所述視頻幀圖像進(jìn)行車(chē)輛檢測(cè)，判斷所述視頻幀圖像中的目標(biāo)是否為車(chē)輛；
[0091]其中，該步驟是對(duì)第三個(gè)特征進(jìn)行判定，只需要確定目標(biāo)為車(chē)輛即可。因此這里并不對(duì)車(chē)輛檢測(cè)的具體算法進(jìn)行限定，只要可以確定視頻幀圖像中的目標(biāo)是否為車(chē)輛即可，通常可以用車(chē)檢器進(jìn)行車(chē)輛檢測(cè)確認(rèn)是否存在車(chē)輛。
[0092]SI 30、若均為是，則所述視頻幀圖像中對(duì)應(yīng)的車(chē)輛為入位狀態(tài)。
[0093]其中，步驟100、步驟110與步驟120并沒(méi)有先后順序，該方法僅需要實(shí)現(xiàn)這三個(gè)步驟的判斷即可。即可以同時(shí)并列，也可以任意排序。
[0094]入位狀態(tài)不是完全的入位，只是一個(gè)提前預(yù)判，這時(shí)一般是車(chē)輛開(kāi)始入位但是還沒(méi)有停到車(chē)位里面去，這樣一個(gè)判斷會(huì)有利于系統(tǒng)會(huì)在收到預(yù)判信息后調(diào)度球型攝像機(jī)捕獲車(chē)牌信息，防止車(chē)輛開(kāi)進(jìn)車(chē)位里面，車(chē)牌被遮擋，無(wú)法獲取車(chē)牌信息。
[0095]基于上述技術(shù)方案，本發(fā)明實(shí)施例提供的車(chē)輛入位的判定方法，將判斷運(yùn)動(dòng)目標(biāo)是否碾壓車(chē)位線(xiàn)，判斷目標(biāo)在虛擬線(xiàn)圈中是否有運(yùn)動(dòng)前景，判斷目標(biāo)是否為車(chē)輛三者結(jié)合起來(lái)，最終得到車(chē)輛是否為入位狀態(tài)進(jìn)而證明該車(chē)輛會(huì)入位;該方法的準(zhǔn)確性很高，因?yàn)槠淇梢员苊庵焕锰摂M線(xiàn)圈檢測(cè)，車(chē)輛在車(chē)位旁邊行駛時(shí)，是可以在虛擬線(xiàn)圈中檢測(cè)到運(yùn)動(dòng)前景的，有可能會(huì)誤判；如果只判斷運(yùn)動(dòng)目標(biāo)是否碾壓車(chē)位線(xiàn)，當(dāng)車(chē)輛不沿直線(xiàn)行駛時(shí)，有可能車(chē)輛在變道也會(huì)碾壓到車(chē)位線(xiàn)的，這樣也會(huì)存在誤判；因此都進(jìn)行檢測(cè)可以提高系統(tǒng)的穩(wěn)定性;且若不檢測(cè)目標(biāo)是否為車(chē)輛，可能會(huì)出現(xiàn)行人、手推車(chē)等運(yùn)動(dòng)目標(biāo)的誤判；因此，該方法利用車(chē)輛入位的三個(gè)特征，對(duì)每一個(gè)特征都加以利用可以增強(qiáng)系統(tǒng)的檢測(cè)精度，減少系統(tǒng)的誤檢。
[0096]進(jìn)一步，為了提高上述實(shí)施例的檢測(cè)精度，可以對(duì)步驟100、步驟110和步驟120對(duì)應(yīng)的區(qū)域進(jìn)行比較，判斷三者對(duì)應(yīng)的區(qū)域是否為同一個(gè)區(qū)域，若是，則車(chē)輛為入位狀態(tài)。既優(yōu)選的，若均為是，則所述視頻幀圖像中對(duì)應(yīng)的車(chē)輛為入位狀態(tài)，包括:
[0097]若均為是，則確定與目標(biāo)跟蹤軌跡存在交集的車(chē)位的位置信息；
[0098]確定目標(biāo)進(jìn)入虛擬線(xiàn)圈對(duì)應(yīng)的車(chē)位的位置信息；
[0099]確定車(chē)輛檢測(cè)得到的車(chē)輛位置信息對(duì)應(yīng)的車(chē)位的位置信息；
[0100]判斷各個(gè)車(chē)位的位置信息是否對(duì)應(yīng)同一個(gè)車(chē)位區(qū)域；
[0101]若是，則所述目標(biāo)在一個(gè)區(qū)域內(nèi)；則所述視頻幀圖像中對(duì)應(yīng)的車(chē)輛為入位狀態(tài)。
[0102]其中，還可以將步驟100、步驟110和步驟120劃分順序，并在執(zhí)行兩個(gè)步驟之后就進(jìn)行區(qū)域比較，可以節(jié)省時(shí)間，提高判段效率。且在有順序的時(shí)刻，出現(xiàn)一個(gè)判斷為否的情況即可以不進(jìn)行其他的判斷，直接進(jìn)入下一幀圖像的判斷。如按照步驟100、步驟110和步驟120的順序進(jìn)行時(shí)，如果軌跡檢測(cè)和虛擬線(xiàn)圈檢測(cè)結(jié)果都為同一區(qū)域，則可以判斷有運(yùn)動(dòng)目標(biāo)入位，這時(shí)需要進(jìn)一步判斷目標(biāo)是否為車(chē)輛，根據(jù)車(chē)檢器結(jié)果判斷當(dāng)前區(qū)域是否存在車(chē)輛。如果不是車(chē)輛則表示沒(méi)有車(chē)輛入位然后進(jìn)行下一幀分析，如果是車(chē)輛還可以獲取車(chē)輛位置信息。根據(jù)車(chē)位的位置信息和車(chē)輛位置信息可以判斷車(chē)輛入位位置。車(chē)輛檢測(cè)可以檢測(cè)到視頻幀中的車(chē)輛信息即車(chē)輛位置信息，如果檢測(cè)不到車(chē)輛則進(jìn)行下一幀分析。在軌跡檢測(cè)模塊和虛擬線(xiàn)圈檢測(cè)模塊都檢測(cè)到同一區(qū)域存在目標(biāo)時(shí)，需要獲取車(chē)檢器結(jié)果驗(yàn)證該區(qū)域是否有車(chē)輛存在，沒(méi)有就輸出不入位，有就獲取車(chē)位信息判斷車(chē)輛入位位置。車(chē)檢器檢測(cè)到車(chē)輛，軌跡檢測(cè)檢測(cè)到目標(biāo)入位，虛擬線(xiàn)圈檢測(cè)目標(biāo)入位，則需要融合三個(gè)模塊檢測(cè)結(jié)果判斷是不是同一區(qū)域。如果以上三個(gè)模塊檢測(cè)結(jié)果是同一個(gè)區(qū)域則獲取車(chē)位信息判斷入位位置。
[0103]即軌跡檢測(cè)和虛擬線(xiàn)圈檢測(cè)都檢測(cè)到目標(biāo)，需要判斷兩個(gè)檢測(cè)方式是不是檢測(cè)的同一目標(biāo)，通過(guò)檢測(cè)結(jié)果位置信息判斷是否為同一目標(biāo)。如果是同一目標(biāo)則需要車(chē)檢測(cè)模塊驗(yàn)證目標(biāo)是車(chē)輛。如果是車(chē)輛則根據(jù)目標(biāo)的位置和車(chē)位位置信息判斷車(chē)輛入位位置。
[0104]該實(shí)施例車(chē)輛入位狀態(tài)判斷即車(chē)輛入位預(yù)判分為三部分，第一部分為運(yùn)動(dòng)車(chē)輛軌跡檢測(cè)，第二部分是虛擬線(xiàn)圈內(nèi)運(yùn)動(dòng)前景檢測(cè)，如果兩部分檢測(cè)結(jié)果都是同一區(qū)域，就利用車(chē)輛檢測(cè)模塊進(jìn)一步判斷該區(qū)域目標(biāo)是否是車(chē)輛，如果檢測(cè)到車(chē)輛目標(biāo)，則表示車(chē)輛入位。
[0105]基于上述技術(shù)方案，本發(fā)明實(shí)施例提供的車(chē)輛入位的判定方法，通過(guò)視頻分析的方式，節(jié)省了硬件開(kāi)支，降低了勞動(dòng)力成本，只需要開(kāi)發(fā)過(guò)程在算法里面增加相應(yīng)的算法模塊;融合了車(chē)輛軌跡檢測(cè)，虛擬線(xiàn)圈檢測(cè)和車(chē)輛檢測(cè)三個(gè)模塊，增強(qiáng)了算法的穩(wěn)定性，提升了預(yù)判的精度;利用運(yùn)動(dòng)背景信息提取運(yùn)動(dòng)物體的特征，并結(jié)合特征描述和特征計(jì)算增強(qiáng)了算法對(duì)周?chē)h(huán)境的魯棒性，可適應(yīng)刮風(fēng)、雨雪、光照不足等惡略天氣。
[0106]本發(fā)明實(shí)施例提供了車(chē)輛入位的判定方法，能夠在不增加硬件成本的基礎(chǔ)上準(zhǔn)確的對(duì)車(chē)輛的入位狀態(tài)進(jìn)行預(yù)判。
[0107]下面對(duì)本發(fā)明實(shí)施例提供的車(chē)輛入位的判定裝置進(jìn)行介紹，下文描述的車(chē)輛入位的判定裝置與上文描述的車(chē)輛入位的判定方法可相互對(duì)應(yīng)參照。
[0108]請(qǐng)參考圖2，圖2為本發(fā)明實(shí)施例所提供的車(chē)輛入位的判定裝置的結(jié)構(gòu)框圖；該裝置可以包括:
[0109]入位軌跡檢測(cè)模塊110，用于獲取停車(chē)場(chǎng)的視頻幀圖像中的目標(biāo)的位置信息，并與車(chē)位的位置信息進(jìn)行比較;判斷所述目標(biāo)的位置信息與所述車(chē)位的位置信息是否存在交集；
[0110]入位虛擬線(xiàn)圈模塊120，用于對(duì)所述視頻幀圖像進(jìn)行虛擬線(xiàn)圈檢測(cè)，判斷特征點(diǎn)的個(gè)數(shù)是否大于入位閾值；
[0111]入位車(chē)輛檢測(cè)模塊130，用于對(duì)所述視頻幀圖像進(jìn)行車(chē)輛檢測(cè)，判斷所述視頻幀圖像中的目標(biāo)是否為車(chē)輛；
[0112]入位判斷模塊140，用于若均為是，則所述視頻幀圖像中對(duì)應(yīng)的車(chē)輛為入位狀態(tài)。
[0113]基于上述技術(shù)方案，可選的，入位軌跡檢測(cè)模塊110包括:
[0114]區(qū)域位置信息單元，用于利用運(yùn)動(dòng)目標(biāo)分析算法及車(chē)輛檢測(cè)器對(duì)所述視頻幀圖像進(jìn)行計(jì)算，得到運(yùn)動(dòng)目標(biāo)的區(qū)域位置信息；
[0115]目標(biāo)跟蹤軌跡單元，用于在所述區(qū)域位置信息對(duì)應(yīng)的區(qū)域內(nèi)對(duì)所述運(yùn)動(dòng)目標(biāo)進(jìn)行紋理信息提取，并利用所述紋理信息進(jìn)行運(yùn)動(dòng)目標(biāo)的視覺(jué)跟蹤，得到目標(biāo)跟蹤軌跡；
[0116]入位檢測(cè)判斷單元，用于將得到的目標(biāo)跟蹤軌跡與車(chē)位的行車(chē)側(cè)邊界線(xiàn)的位置信息進(jìn)行比較;判斷所述目標(biāo)跟蹤軌跡與車(chē)位的行車(chē)側(cè)邊界線(xiàn)的位置信息是否存在交集。
[0117]基于上述技術(shù)方案，可選的，入位虛擬線(xiàn)圈模塊120包括:
[0118]初始化單元，用于初始化設(shè)定的虛擬線(xiàn)圈；
[0119]特征點(diǎn)提取單元，用于利用背景建模得到的背景模型提取所述虛擬線(xiàn)圈內(nèi)的目標(biāo)的特征點(diǎn)；
[0120]入位虛擬線(xiàn)圈判斷單元，用于判斷所述特征點(diǎn)的個(gè)數(shù)是否大于入位閾值。
[0121]基于上述技術(shù)方案，可選的，入位判斷模塊140包括:
[0122]區(qū)域確定單元，用于若均為是，則確定與目標(biāo)跟蹤軌跡存在交集的車(chē)位的位置信息；確定目標(biāo)進(jìn)入虛擬線(xiàn)圈對(duì)應(yīng)的車(chē)位的位置信息；確定車(chē)輛檢測(cè)得到的車(chē)輛位置信息對(duì)應(yīng)的車(chē)位的位置信息；
[0123]入位區(qū)域判斷單元，用于判斷各個(gè)車(chē)位的位置信息是否對(duì)應(yīng)同一個(gè)車(chē)位區(qū)域;若是，則所述目標(biāo)在一個(gè)區(qū)域內(nèi)；則所述視頻幀圖像中對(duì)應(yīng)的車(chē)輛為入位狀態(tài)。
[0124]參考上述對(duì)于車(chē)輛入位的判定方法的說(shuō)明；請(qǐng)參考圖3，圖3為本發(fā)明實(shí)施例所提供的車(chē)輛出位的判定方法的流程圖；該方法可以包括:
[0125]S200、獲取停車(chē)場(chǎng)的視頻幀圖像中的目標(biāo)的位置信息，并與車(chē)位的位置信息進(jìn)行比較;判斷所述目標(biāo)的位置信息與所述車(chē)位的位置信息是否存在交集；
[0126]其中，優(yōu)選的，獲取停車(chē)場(chǎng)的視頻幀圖像中的目標(biāo)的位置信息，并與車(chē)位的位置信息進(jìn)行比較;判斷所述目標(biāo)的位置信息與所述車(chē)位的位置信息是否存在交集，包括:
[0127]利用運(yùn)動(dòng)目標(biāo)分析算法及車(chē)輛檢測(cè)器對(duì)所述視頻幀圖像進(jìn)行計(jì)算，得到運(yùn)動(dòng)目標(biāo)的區(qū)域位置信息；
[0128]在所述區(qū)域位置信息對(duì)應(yīng)的區(qū)域內(nèi)對(duì)所述運(yùn)動(dòng)目標(biāo)進(jìn)行紋理信息提取，并利用所述紋理信息進(jìn)行運(yùn)動(dòng)目標(biāo)的視覺(jué)跟蹤，得到目標(biāo)跟蹤軌跡；
[0129]將得到的目標(biāo)跟蹤軌跡與車(chē)位的邊界線(xiàn)位置信息進(jìn)行比較;判斷所述目標(biāo)跟蹤軌跡與車(chē)位的邊界線(xiàn)位置信息是否存在交集。
[0130]其中，這里的交集的判斷可以不區(qū)分行人側(cè)和行車(chē)側(cè)，因?yàn)槌诵腥藗?cè)一遍為綠化帶的情況，其他情況時(shí)，可能考慮到路上行車(chē)的數(shù)量等問(wèn)題，車(chē)輛還是可以通過(guò)臺(tái)階等從行人側(cè)車(chē)位邊界線(xiàn)進(jìn)行出位。因此，這里的交集的判斷可以不區(qū)分行人側(cè)和行車(chē)側(cè)。
[0131]S210、對(duì)所述視頻幀圖像進(jìn)行虛擬線(xiàn)圈檢測(cè)，判斷特征點(diǎn)的個(gè)數(shù)是否大于出位閾值；
[0132]其中，優(yōu)選的，對(duì)所述視頻幀圖像進(jìn)行虛擬線(xiàn)圈檢測(cè)，確認(rèn)所述視頻幀圖像中的目標(biāo)是否駛出虛擬線(xiàn)圈，包括:
[0133]初始化設(shè)定的虛擬線(xiàn)圈；
[0134]利用背景建模得到的背景模型提取所述虛擬線(xiàn)圈內(nèi)的目標(biāo)的特征點(diǎn)；
[0135]判斷所述特征點(diǎn)的個(gè)數(shù)是否大于出位閾值。
[0136]其中，根據(jù)背景建模可以得到運(yùn)動(dòng)前景，提取運(yùn)動(dòng)前景像素個(gè)數(shù)作為特征，統(tǒng)計(jì)在虛擬線(xiàn)圈中前景像素個(gè)數(shù)，判斷統(tǒng)計(jì)結(jié)果與出位閾值的大小關(guān)系。這里的出位閾值和入位閾值的設(shè)定是不同的。入位時(shí)，車(chē)輛部分進(jìn)入虛擬線(xiàn)圈，閾值相對(duì)較小，出位時(shí)，車(chē)輛大部分在虛擬線(xiàn)圈內(nèi)，所以閾值相對(duì)較大。
[0137]S220、對(duì)所述視頻幀圖像進(jìn)行車(chē)輛檢測(cè)，判斷所述視頻幀圖像中的目標(biāo)是否為車(chē)輛；
[0138]S230、若均為是，則所述視頻幀圖像中對(duì)應(yīng)的車(chē)輛為出位狀態(tài)。
[0139]本發(fā)明實(shí)施例提供了車(chē)輛出位的判定方法，能夠在不增加硬件成本的基礎(chǔ)上準(zhǔn)確的對(duì)車(chē)輛的出位狀態(tài)進(jìn)行預(yù)判。
[0140]下面對(duì)本發(fā)明實(shí)施例提供的車(chē)輛出位的判定裝置進(jìn)行介紹，下文描述的車(chē)輛出位的判定裝置與上文描述的車(chē)輛出位的判定方法可相互對(duì)應(yīng)參照。
[0141]請(qǐng)參考圖4，圖4為本發(fā)明實(shí)施例所提供的車(chē)輛出位的判定裝置的結(jié)構(gòu)框圖；該裝置可以包括:
[0142]出位軌跡檢測(cè)模塊210，用于獲取停車(chē)場(chǎng)的視頻幀圖像中的目標(biāo)的位置信息，并與車(chē)位的位置信息進(jìn)行比較;判斷所述目標(biāo)的位置信息與所述車(chē)位的位置信息是否存在交集；
[0143]出位虛擬線(xiàn)圈模塊220，用于對(duì)所述視頻幀圖像進(jìn)行虛擬線(xiàn)圈檢測(cè)，判斷特征點(diǎn)的個(gè)數(shù)是否大于出位閾值；
[0144]出位車(chē)輛檢測(cè)模塊230，用于對(duì)所述視頻幀圖像進(jìn)行車(chē)輛檢測(cè)，判斷所述視頻幀圖像中的目標(biāo)是否為車(chē)輛；
[0145]出位判斷模塊240，用于若均為是，則所述視頻幀圖像中對(duì)應(yīng)的車(chē)輛為出位狀態(tài)。
[0146]基于上述技術(shù)方案，可選的，出位軌跡檢測(cè)模塊210包括:
[0147]區(qū)域位置信息單元，用于利用運(yùn)動(dòng)目標(biāo)分析算法及車(chē)輛檢測(cè)器對(duì)所述視頻幀圖像進(jìn)行計(jì)算，得到運(yùn)動(dòng)目標(biāo)的區(qū)域位置信息；
[0148]目標(biāo)跟蹤軌跡單元，用于在所述區(qū)域位置信息對(duì)應(yīng)的區(qū)域內(nèi)對(duì)所述運(yùn)動(dòng)目標(biāo)進(jìn)行紋理信息提取，并利用所述紋理信息進(jìn)行運(yùn)動(dòng)目標(biāo)的視覺(jué)跟蹤，得到目標(biāo)跟蹤軌跡；
[0149]出位檢測(cè)判斷單元，用于將得到的目標(biāo)跟蹤軌跡與車(chē)位的邊界線(xiàn)位置信息進(jìn)行比較;判斷所述目標(biāo)跟蹤軌跡與車(chē)位的邊界線(xiàn)位置信息是否存在交集。
[0150]基于上述技術(shù)方案，可選的，出位虛擬線(xiàn)圈模塊220包括:
[0151]初始化單元，用于初始化設(shè)定的虛擬線(xiàn)圈；
[0152]特征點(diǎn)提取單元，用于利用背景建模得到的背景模型提取所述虛擬線(xiàn)圈內(nèi)的目標(biāo)的特征點(diǎn)；
[0153]出位虛擬線(xiàn)圈判斷單元，用于判斷所述特征點(diǎn)的個(gè)數(shù)是否大于出位閾值。
[0154]基于上述技術(shù)方案，可選的，出位判斷模塊240包括:
[0155]區(qū)域確定單元，用于若均為是，則確定與目標(biāo)跟蹤軌跡存在交集的車(chē)位的位置信息；確定目標(biāo)在虛擬線(xiàn)圈對(duì)應(yīng)的車(chē)位的位置信息；確定車(chē)輛檢測(cè)得到的車(chē)輛位置信息對(duì)應(yīng)的車(chē)位的位置信息；
[0156]出位區(qū)域判斷單元，用于判斷各個(gè)車(chē)位的位置信息是否對(duì)應(yīng)同一個(gè)車(chē)位區(qū)域;若是，則所述目標(biāo)在一個(gè)區(qū)域內(nèi)；則所述視頻幀圖像中對(duì)應(yīng)的車(chē)輛為出位狀態(tài)。
[0157]下面對(duì)本發(fā)明實(shí)施例提供的車(chē)輛管理系統(tǒng)進(jìn)行介紹，下文描述的車(chē)輛管理系統(tǒng)與上文描述的車(chē)輛入位的判定方法及車(chē)輛出位的判定方法可相互對(duì)應(yīng)參照。
[0158]基于上述任意技術(shù)方案，請(qǐng)參考圖5，圖5為本發(fā)明實(shí)施例所提供的車(chē)輛管理系統(tǒng)的結(jié)構(gòu)框圖；該系統(tǒng)可以包括:
[0159]攝像頭300，用于采集停車(chē)場(chǎng)視頻幀圖像；
[0160]上述任一項(xiàng)所述的車(chē)輛入位的判定裝置100，用于對(duì)車(chē)輛入位狀態(tài)進(jìn)行判斷；
[0161]和/或上述任一項(xiàng)所述的車(chē)輛出位的判定裝置200，用于對(duì)車(chē)輛出位狀態(tài)進(jìn)行判斷；
[0162]存儲(chǔ)器400，用于記錄具有入位狀態(tài)和/或出位狀態(tài)車(chē)輛的信息。
[0163]其中，車(chē)輛入位的判定裝置100和車(chē)輛出位的判定裝置200可以只有一個(gè)也可以都有。
[0164]車(chē)輛在道路停車(chē)位停車(chē)時(shí)，在車(chē)輛完成停車(chē)后車(chē)牌信息被遮擋無(wú)法通過(guò)攝像頭獲取車(chē)輛信息，所以基于道路的車(chē)輛管理需要在車(chē)輛未完全停進(jìn)車(chē)位或者未完全離開(kāi)車(chē)位時(shí)自動(dòng)識(shí)別車(chē)輛信息。這就需要對(duì)車(chē)輛的入位和出位進(jìn)行提前預(yù)判，通過(guò)這種方式給車(chē)輛管理系統(tǒng)足夠的時(shí)間抓取車(chē)輛信息(如以及時(shí)調(diào)動(dòng)攝像頭獲取車(chē)輛信息)。即通過(guò)對(duì)車(chē)輛入位和/或出位進(jìn)行預(yù)判，優(yōu)化了攝像頭調(diào)度，僅僅在需要獲取車(chē)輛信息的時(shí)候才調(diào)動(dòng)攝像頭對(duì)焦捕獲車(chē)輛信息(車(chē)牌信息)。
[0165]說(shuō)明書(shū)中各個(gè)實(shí)施例采用遞進(jìn)的方式描述，每個(gè)實(shí)施例重點(diǎn)說(shuō)明的都是與其他實(shí)施例的不同之處，各個(gè)實(shí)施例之間相同相似部分互相參見(jiàn)即可。對(duì)于實(shí)施例公開(kāi)的裝置而言，由于其與實(shí)施例公開(kāi)的方法相對(duì)應(yīng)，所以描述的比較簡(jiǎn)單，相關(guān)之處參見(jiàn)方法部分說(shuō)明即可。
[0166]專(zhuān)業(yè)人員還可以進(jìn)一步意識(shí)到，結(jié)合本文中所公開(kāi)的實(shí)施例描述的各示例的單元及算法步驟，能夠以電子硬件、計(jì)算機(jī)軟件或者二者的結(jié)合來(lái)實(shí)現(xiàn)，為了清楚地說(shuō)明硬件和軟件的可互換性，在上述說(shuō)明中已經(jīng)按照功能一般性地描述了各示例的組成及步驟。這些功能究竟以硬件還是軟件方式來(lái)執(zhí)行，取決于技術(shù)方案的特定應(yīng)用和設(shè)計(jì)約束條件。專(zhuān)業(yè)技術(shù)人員可以對(duì)每個(gè)特定的應(yīng)用來(lái)使用不同方法來(lái)實(shí)現(xiàn)所描述的功能，但是這種實(shí)現(xiàn)不應(yīng)認(rèn)為超出本發(fā)明的范圍。
[0167]結(jié)合本文中所公開(kāi)的實(shí)施例描述的方法或算法的步驟可以直接用硬件、處理器執(zhí)行的軟件模塊，或者二者的結(jié)合來(lái)實(shí)施。軟件模塊可以置于隨機(jī)存儲(chǔ)器(RAM)、內(nèi)存、只讀存儲(chǔ)器(R0M)、電可編程R0M、電可擦除可編程R0M、寄存器、硬盤(pán)、可移動(dòng)磁盤(pán)、CD-ROM、或技術(shù)領(lǐng)域內(nèi)所公知的任意其它形式的存儲(chǔ)介質(zhì)中。
[0168]以上對(duì)本發(fā)明所提供的車(chē)輛入位的判定方法、裝置，車(chē)輛出位的判定方法、裝置及車(chē)輛管理系統(tǒng)進(jìn)行了詳細(xì)介紹。本文中應(yīng)用了具體個(gè)例對(duì)本發(fā)明的原理及實(shí)施方式進(jìn)行了闡述，以上實(shí)施例的說(shuō)明只是用于幫助理解本發(fā)明的方法及其核心思想。應(yīng)當(dāng)指出，對(duì)于本技術(shù)領(lǐng)域的普通技術(shù)人員來(lái)說(shuō)，在不脫離本發(fā)明原理的前提下，還可以對(duì)本發(fā)明進(jìn)行若干改進(jìn)和修飾，這些改進(jìn)和修飾也落入本發(fā)明權(quán)利要求的保護(hù)范圍內(nèi)。
【主權(quán)項(xiàng)】
1.一種車(chē)輛入位的判定方法，其特征在于，包括: 獲取停車(chē)場(chǎng)的視頻幀圖像中的目標(biāo)的位置信息，并與車(chē)位的位置信息進(jìn)行比較;判斷所述目標(biāo)的位置信息與所述車(chē)位的位置信息是否存在交集； 對(duì)所述視頻幀圖像進(jìn)行虛擬線(xiàn)圈檢測(cè)，判斷特征點(diǎn)的個(gè)數(shù)是否大于入位閾值； 對(duì)所述視頻幀圖像進(jìn)行車(chē)輛檢測(cè)，判斷所述視頻幀圖像中的目標(biāo)是否為車(chē)輛； 若均為是，則所述視頻幀圖像中對(duì)應(yīng)的車(chē)輛為入位狀態(tài)。2.如權(quán)利要求1所述的車(chē)輛入位的判定方法，其特征在于，獲取停車(chē)場(chǎng)的視頻幀圖像中的目標(biāo)的位置信息，并與車(chē)位的位置信息進(jìn)行比較;判斷所述目標(biāo)的位置信息與所述車(chē)位的位置信息是否存在交集，包括: 利用運(yùn)動(dòng)目標(biāo)分析算法及車(chē)輛檢測(cè)器對(duì)所述視頻幀圖像進(jìn)行計(jì)算，得到運(yùn)動(dòng)目標(biāo)的區(qū)域位置信息； 在所述區(qū)域位置信息對(duì)應(yīng)的區(qū)域內(nèi)對(duì)所述運(yùn)動(dòng)目標(biāo)進(jìn)行紋理信息提取，并利用所述紋理信息進(jìn)行運(yùn)動(dòng)目標(biāo)的視覺(jué)跟蹤，得到目標(biāo)跟蹤軌跡； 將得到的目標(biāo)跟蹤軌跡與車(chē)位的行車(chē)側(cè)邊界線(xiàn)的位置信息進(jìn)行比較;判斷所述目標(biāo)跟蹤軌跡與車(chē)位的行車(chē)側(cè)邊界線(xiàn)的位置信息是否存在交集。3.如權(quán)利要求2所述的車(chē)輛入位的判定方法，其特征在于，對(duì)所述視頻幀圖像進(jìn)行虛擬線(xiàn)圈檢測(cè)，判斷特征點(diǎn)的個(gè)數(shù)是否大于入位閾值，包括: 初始化設(shè)定的虛擬線(xiàn)圈； 利用背景建模得到的背景模型提取所述虛擬線(xiàn)圈內(nèi)的目標(biāo)的特征點(diǎn)； 判斷所述特征點(diǎn)的個(gè)數(shù)是否大于入位閾值。4.如權(quán)利要求3所述的車(chē)輛入位的判定方法，其特征在于，若均為是，則所述視頻幀圖像中對(duì)應(yīng)的車(chē)輛為入位狀態(tài)，包括: 若均為是，則確定與目標(biāo)跟蹤軌跡存在交集的車(chē)位的位置信息； 確定目標(biāo)進(jìn)入虛擬線(xiàn)圈對(duì)應(yīng)的車(chē)位的位置信息； 確定車(chē)輛檢測(cè)得到的車(chē)輛位置信息對(duì)應(yīng)的車(chē)位的位置信息； 判斷各個(gè)車(chē)位的位置信息是否對(duì)應(yīng)同一個(gè)車(chē)位區(qū)域； 若是，則所述目標(biāo)在一個(gè)區(qū)域內(nèi)；則所述視頻幀圖像中對(duì)應(yīng)的車(chē)輛為入位狀態(tài)。5.一種車(chē)輛入位的判定裝置，其特征在于，包括: 入位軌跡檢測(cè)模塊，用于獲取停車(chē)場(chǎng)的視頻幀圖像中的目標(biāo)的位置信息，并與車(chē)位的位置信息進(jìn)行比較;判斷所述目標(biāo)的位置信息與所述車(chē)位的位置信息是否存在交集； 入位虛擬線(xiàn)圈模塊，用于對(duì)所述視頻幀圖像進(jìn)行虛擬線(xiàn)圈檢測(cè)，判斷特征點(diǎn)的個(gè)數(shù)是否大于入位閾值； 入位車(chē)輛檢測(cè)模塊，用于對(duì)所述視頻幀圖像進(jìn)行車(chē)輛檢測(cè)，判斷所述視頻幀圖像中的目標(biāo)是否為車(chē)輛； 入位判斷模塊，用于若均為是，則所述視頻幀圖像中對(duì)應(yīng)的車(chē)輛為入位狀態(tài)。6.一種車(chē)輛出位的判定方法，其特征在于，包括: 獲取停車(chē)場(chǎng)的視頻幀圖像中的目標(biāo)的位置信息，并與車(chē)位的位置信息進(jìn)行比較;判斷所述目標(biāo)的位置信息與所述車(chē)位的位置信息是否存在交集； 對(duì)所述視頻幀圖像進(jìn)行虛擬線(xiàn)圈檢測(cè)，判斷特征點(diǎn)的個(gè)數(shù)是否大于出位閾值； 對(duì)所述視頻幀圖像進(jìn)行車(chē)輛檢測(cè)，判斷所述視頻幀圖像中的目標(biāo)是否為車(chē)輛； 若均為是，則所述視頻幀圖像中對(duì)應(yīng)的車(chē)輛為出位狀態(tài)。7.如權(quán)利要求6所述的車(chē)輛出位的判定方法，其特征在于，獲取停車(chē)場(chǎng)的視頻幀圖像中的目標(biāo)的位置信息，并與車(chē)位的位置信息進(jìn)行比較;判斷所述目標(biāo)的位置信息與所述車(chē)位的位置信息是否存在交集，包括: 利用運(yùn)動(dòng)目標(biāo)分析算法及車(chē)輛檢測(cè)器對(duì)所述視頻幀圖像進(jìn)行計(jì)算，得到運(yùn)動(dòng)目標(biāo)的區(qū)域位置信息； 在所述區(qū)域位置信息對(duì)應(yīng)的區(qū)域內(nèi)對(duì)所述運(yùn)動(dòng)目標(biāo)進(jìn)行紋理信息提取，并利用所述紋理信息進(jìn)行運(yùn)動(dòng)目標(biāo)的視覺(jué)跟蹤，得到目標(biāo)跟蹤軌跡； 將得到的目標(biāo)跟蹤軌跡與車(chē)位的邊界線(xiàn)位置信息進(jìn)行比較;判斷所述目標(biāo)跟蹤軌跡與車(chē)位的邊界線(xiàn)位置信息是否存在交集。8.如權(quán)利要求7所述的車(chē)輛出位的判定方法，其特征在于，對(duì)所述視頻幀圖像進(jìn)行虛擬線(xiàn)圈檢測(cè)，判斷特征點(diǎn)的個(gè)數(shù)是否大于出位閾值，包括: 初始化設(shè)定的虛擬線(xiàn)圈； 利用背景建模得到的背景模型提取所述虛擬線(xiàn)圈內(nèi)的目標(biāo)的特征點(diǎn)； 判斷所述特征點(diǎn)的個(gè)數(shù)是否大于出位閾值。9.如權(quán)利要求8所述的車(chē)輛出位的判定方法，其特征在于，若均為是，則所述視頻幀圖像中對(duì)應(yīng)的車(chē)輛為出位狀態(tài)，包括: 若均為是，則確定與目標(biāo)跟蹤軌跡存在交集的車(chē)位的位置信息； 確定目標(biāo)在虛擬線(xiàn)圈對(duì)應(yīng)的車(chē)位的位置信息； 確定車(chē)輛檢測(cè)得到的車(chē)輛位置信息對(duì)應(yīng)的車(chē)位的位置信息； 判斷各個(gè)車(chē)位的位置信息是否對(duì)應(yīng)同一個(gè)車(chē)位區(qū)域； 若是，則所述目標(biāo)在一個(gè)區(qū)域內(nèi)；則所述視頻幀圖像中對(duì)應(yīng)的車(chē)輛為出位狀態(tài)。10.一種車(chē)輛出位的判定裝置，其特征在于，包括: 出位軌跡檢測(cè)模塊，用于獲取停車(chē)場(chǎng)的視頻幀圖像中的目標(biāo)的位置信息，并與車(chē)位的位置信息進(jìn)行比較;判斷所述目標(biāo)的位置信息與所述車(chē)位的位置信息是否存在交集； 出位虛擬線(xiàn)圈模塊，用于對(duì)所述視頻幀圖像進(jìn)行虛擬線(xiàn)圈檢測(cè)，判斷特征點(diǎn)的個(gè)數(shù)是否大于出位閾值； 出位車(chē)輛檢測(cè)模塊，用于對(duì)所述視頻幀圖像進(jìn)行車(chē)輛檢測(cè)，判斷所述視頻幀圖像中的目標(biāo)是否為車(chē)輛； 出位判斷模塊，用于若均為是，則所述視頻幀圖像中對(duì)應(yīng)的車(chē)輛為出位狀態(tài)。11.一種車(chē)輛管理系統(tǒng)，其特征在于，包括: 攝像頭，用于采集停車(chē)場(chǎng)視頻幀圖像； 如權(quán)利要求5所述的車(chē)輛入位的判定裝置，用于對(duì)車(chē)輛入位狀態(tài)進(jìn)行判斷； 和/或如權(quán)利要求10所述的車(chē)輛出位的判定裝置，用于對(duì)車(chē)輛出位狀態(tài)進(jìn)行判斷； 存儲(chǔ)器，用于記錄具有入位狀態(tài)和/或出位狀態(tài)車(chē)輛的信息。
【文檔編號(hào)】G08G1/14GK105844959SQ201610412917
【公開(kāi)日】2016年8月10日
【申請(qǐng)日】2016年6月13日
【發(fā)明人】師小凱, 鄧星, 鄧一星
【申請(qǐng)人】北京精英智通科技股份有限公司