本發(fā)明涉及通信技術(shù)領(lǐng)域，特別涉及一種車(chē)位檢測(cè)方法。本發(fā)明同時(shí)還涉及一種車(chē)位檢測(cè)設(shè)備。

背景技術(shù)：

隨著社會(huì)經(jīng)濟(jì)的發(fā)展，城市中各類(lèi)機(jī)動(dòng)車(chē)數(shù)量迅猛增長(zhǎng)，諸多城市規(guī)劃在中心區(qū)域興建大型停車(chē)場(chǎng)以滿足大眾泊車(chē)的需求。為了使管理人員或者停車(chē)用戶及時(shí)的獲知停車(chē)場(chǎng)內(nèi)的車(chē)位使用情況，車(chē)位檢測(cè)技術(shù)應(yīng)運(yùn)而生。

由于車(chē)位檢測(cè)是提高車(chē)位管理、停車(chē)誘導(dǎo)、合理調(diào)度統(tǒng)籌的重要手段，因此車(chē)位檢測(cè)對(duì)于開(kāi)放式的停車(chē)場(chǎng)是必要的，但目前很多停車(chē)場(chǎng)的停車(chē)位管理仍以人工管理為主，這樣不僅會(huì)使得車(chē)位統(tǒng)計(jì)以及調(diào)度工作效率低下，甚至還會(huì)造成差錯(cuò)。

為了避免人工管理所帶來(lái)的不便，現(xiàn)有技術(shù)逐漸采用各種技術(shù)代替人工來(lái)進(jìn)行車(chē)位檢測(cè)。部分停車(chē)場(chǎng)采用車(chē)位檢測(cè)技術(shù)特別是傳感器技術(shù)來(lái)進(jìn)行車(chē)位占用情況的檢測(cè)，如超聲波、地感線圈、地磁、壓力、紅外線等。然而，發(fā)明人在實(shí)現(xiàn)本發(fā)明的過(guò)程中發(fā)現(xiàn)，以上幾種檢測(cè)方法前期的設(shè)備安裝及后期的設(shè)備維護(hù)都較為復(fù)雜，而且當(dāng)停車(chē)位越來(lái)越多時(shí)會(huì)帶來(lái)通信和計(jì)算的壓力，也易受到環(huán)境的干擾導(dǎo)致誤檢。

舉例來(lái)說(shuō)，當(dāng)超聲波檢測(cè)器當(dāng)風(fēng)速太大或者探頭下方有人或物體通過(guò)時(shí)，將會(huì)產(chǎn)生反射波造成誤檢；而地感線圈安裝時(shí)需要挖開(kāi)道路，線圈線路使用的可靠性和交通壓力及環(huán)境溫度有關(guān)；紅外線傳感器會(huì)受到灰塵等影響而造成干擾等等。

由此可見(jiàn)，如何在安裝維護(hù)方便、抗干擾性強(qiáng)、魯棒性高的前提下，針對(duì)不同的環(huán)境和條件下的停車(chē)位進(jìn)行有效的視頻檢測(cè)，成為本領(lǐng)域技術(shù)人員亟待解決的技術(shù)問(wèn)題。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明提供了一種車(chē)位檢測(cè)方法，用以在減少設(shè)備維護(hù)量的基礎(chǔ)上提高停車(chē)位的檢測(cè)效率，該方法應(yīng)用于包含前端采集設(shè)備的停車(chē)管理系統(tǒng)中，預(yù)先配置與車(chē)位對(duì)應(yīng)的檢測(cè)區(qū)域，該方法還包括：

根據(jù)車(chē)位特征檢測(cè)模型以及對(duì)指定特征的檢測(cè)確定是否有車(chē)輛駛?cè)胨鰴z測(cè)區(qū)域，并在確定結(jié)果為是時(shí)通過(guò)所述前端采集設(shè)備采集所述車(chē)輛的駛?cè)雸D像，所述指定特征包括環(huán)境特征以及車(chē)輛特征；

當(dāng)所述車(chē)輛在預(yù)設(shè)的模板匹配框中停留的時(shí)間超過(guò)預(yù)設(shè)的第一時(shí)間閾值后，在預(yù)設(shè)的時(shí)間段內(nèi)持續(xù)檢測(cè)到所識(shí)別出的車(chē)輛特征出現(xiàn)在同一位置時(shí)采集所述車(chē)輛的停留圖像，或在所述車(chē)輛在所述模板匹配框中停留的時(shí)間超過(guò)預(yù)設(shè)的第二時(shí)間閾值時(shí)采集所述車(chē)輛的停留圖像；

在所述識(shí)別出的車(chē)輛特征發(fā)生位移的距離超過(guò)預(yù)設(shè)的距離閾值時(shí)采集所述車(chē)輛的駛離圖像，或在所述檢測(cè)區(qū)域出現(xiàn)幀差的面積超過(guò)預(yù)設(shè)的面積閾值時(shí)采集所述車(chē)輛的駛離圖像；

判斷所述車(chē)輛的一個(gè)或多個(gè)車(chē)輛特征是否與所述停留圖像中的位置接近；

若否，清除所述車(chē)輛的信息，并將所述車(chē)位設(shè)置為空車(chē)位；

若是，將所述駛離圖像根據(jù)所述檢測(cè)區(qū)域當(dāng)前的采集圖像進(jìn)行更新。

優(yōu)選的，所述環(huán)境特征具體為車(chē)位限位器，根據(jù)車(chē)位特征檢測(cè)模型以及對(duì)指定特征的檢測(cè)確定是否有車(chē)輛駛?cè)胨鰴z測(cè)區(qū)域，具體為：

若根據(jù)所述車(chē)位特征檢測(cè)模型確認(rèn)所述檢測(cè)區(qū)域存在所述車(chē)輛，且所述檢測(cè)區(qū)域中不包含所述車(chē)位限位器，先后對(duì)所述車(chē)輛的車(chē)輛特征以及車(chē)牌進(jìn)行檢測(cè)以及識(shí)別，并根據(jù)識(shí)別結(jié)果設(shè)置在采集所述駛?cè)雸D像時(shí)對(duì)所述車(chē)牌或所述車(chē)輛的車(chē)輪進(jìn)行抓拍；

若根據(jù)所述車(chē)位特征檢測(cè)模型確認(rèn)所述檢測(cè)區(qū)域存在所述車(chē)輛，但所述檢測(cè)區(qū)域中包含所述車(chē)位限位器，重新利用所述車(chē)位特征檢測(cè)模型對(duì)所述檢測(cè)區(qū)域進(jìn)行檢測(cè)；

若無(wú)法根據(jù)所述車(chē)位特征檢測(cè)模型確認(rèn)所述檢測(cè)區(qū)域是否存在所述車(chē)輛，先后對(duì)所述車(chē)輛的車(chē)輛特征以及車(chē)牌進(jìn)行檢測(cè)以及識(shí)別，并根據(jù)識(shí)別結(jié)果設(shè)置在采集所述駛?cè)雸D像時(shí)對(duì)所述車(chē)牌或所述車(chē)輛的車(chē)輪進(jìn)行抓拍。

優(yōu)選的，在預(yù)設(shè)的時(shí)間段內(nèi)持續(xù)檢測(cè)到所識(shí)別出的車(chē)輛特征出現(xiàn)在同一位置時(shí)采集所述車(chē)輛的停留圖像或在所述車(chē)輛在所述模板匹配框中停留的時(shí)間超過(guò)預(yù)設(shè)的第二時(shí)間閾值時(shí)采集所述車(chē)輛的停留圖像，具體為：

當(dāng)所述車(chē)輛在所述模板匹配框中停留的時(shí)間超過(guò)預(yù)設(shè)的第二時(shí)間閾值時(shí)，采用強(qiáng)制停穩(wěn)方式采集所述車(chē)輛的停留圖像；

當(dāng)所述車(chē)輛在所述模板匹配框中停留的時(shí)間未超過(guò)預(yù)設(shè)的第二時(shí)間閾值，且所述車(chē)牌以及所述車(chē)輛特征均能夠被檢測(cè)以及識(shí)別，在所述車(chē)牌的位置停止的時(shí)間超過(guò)所述時(shí)間段后采集所述車(chē)輛的停留圖像；

當(dāng)所述車(chē)輛在所述模板匹配框中停留的時(shí)間未超過(guò)預(yù)設(shè)的第二時(shí)間閾值，所述車(chē)牌無(wú)法被識(shí)別，所述車(chē)輛特征能夠被檢測(cè)到，在所述車(chē)輛特征的位置停止的時(shí)間超過(guò)所述時(shí)間段后采集所述車(chē)輛的停留圖像。

優(yōu)選的，在所述識(shí)別出的車(chē)輛特征發(fā)生位移的距離超過(guò)預(yù)設(shè)的距離閾值時(shí)采集所述車(chē)輛的駛離圖像或在所述檢測(cè)區(qū)域出現(xiàn)幀差的面積超過(guò)預(yù)設(shè)的面積閾值時(shí)采集所述車(chē)輛的駛離圖像，具體為：

若所述停留圖像通過(guò)所述強(qiáng)制停穩(wěn)方式采集，且所述檢測(cè)區(qū)域出現(xiàn)幀差的面積超過(guò)預(yù)設(shè)的面積閾值，采集所述車(chē)輛的駛離圖像；

若所述停留圖像未通過(guò)所述強(qiáng)制停穩(wěn)方式采集，且所述檢測(cè)區(qū)域出現(xiàn)幀差，根據(jù)所述車(chē)輛特征以及所述車(chē)牌的檢測(cè)結(jié)果，在所述車(chē)輛特征或所述車(chē)牌的位置與停穩(wěn)時(shí)的位置相差超過(guò)預(yù)設(shè)的距離閾值后采集所述車(chē)輛的駛離圖像。

優(yōu)選的，判斷所述車(chē)輛特征是否與所述停留圖像中的位置接近，具體為：

對(duì)所述車(chē)輛特征的位置進(jìn)行檢測(cè)；

若所述車(chē)輛特征的位置與所述車(chē)輛在停穩(wěn)時(shí)的位置接近，重新采集并更新所述駛離圖像；

若通過(guò)車(chē)位特征檢測(cè)模型在所述檢測(cè)區(qū)域無(wú)法檢測(cè)到所述車(chē)輛，且所述車(chē)牌的位置與所述車(chē)輛在停穩(wěn)時(shí)的位置不接近，確定所述檢測(cè)區(qū)域?yàn)榭哲?chē)位；

若通過(guò)車(chē)位特征檢測(cè)模型在所述檢測(cè)區(qū)域無(wú)法檢測(cè)到所述車(chē)輛，且所述車(chē)牌的位置與所述車(chē)輛在停穩(wěn)時(shí)的位置接近，重新采集并更新所述駛離圖像。

相應(yīng)的，本申請(qǐng)還提出了一種車(chē)位檢測(cè)設(shè)備，應(yīng)用于包含前端采集設(shè)備的停車(chē)管理系統(tǒng)中，包括：

配置模塊，預(yù)先配置與車(chē)位對(duì)應(yīng)的檢測(cè)區(qū)域；

第一采集模塊，根據(jù)車(chē)位特征檢測(cè)模型以及對(duì)指定特征的檢測(cè)確定是否有車(chē)輛駛?cè)胨鰴z測(cè)區(qū)域，并在確定結(jié)果為是時(shí)通過(guò)所述前端采集設(shè)備采集所述車(chē)輛的駛?cè)雸D像，所述指定特征包括環(huán)境特征以及車(chē)輛特征；

第二采集模塊，當(dāng)所述車(chē)輛在預(yù)設(shè)的模板匹配框中停留的時(shí)間超過(guò)預(yù)設(shè)的第一時(shí)間閾值后，在預(yù)設(shè)的時(shí)間段內(nèi)持續(xù)檢測(cè)到所識(shí)別出的車(chē)輛特征出現(xiàn)在同一位置時(shí)采集所述車(chē)輛的停留圖像，或在所述車(chē)輛在所述模板匹配框中停留的時(shí)間超過(guò)預(yù)設(shè)的第二時(shí)間閾值時(shí)采集所述車(chē)輛的停留圖像；

第三采集模塊，在所述識(shí)別出的車(chē)輛特征發(fā)生位移的距離超過(guò)預(yù)設(shè)的距離閾值時(shí)采集所述車(chē)輛的駛離圖像，或在所述檢測(cè)區(qū)域出現(xiàn)幀差的面積超過(guò)預(yù)設(shè)的面積閾值時(shí)采集所述車(chē)輛的駛離圖像；

判斷模塊，判斷所述車(chē)輛的一個(gè)或多個(gè)車(chē)輛特征是否與所述停留圖像中的位置接近；

更新模塊，用于在所述判斷模塊的判斷結(jié)果為否時(shí)清除所述車(chē)輛的信息，并將所述車(chē)位設(shè)置為空車(chē)位，以及在所述判斷模塊的判斷結(jié)果為是時(shí)將所述駛離圖像根據(jù)所述檢測(cè)區(qū)域當(dāng)前的采集圖像進(jìn)行更新。

優(yōu)選的，所述環(huán)境特征具體為車(chē)位限位器，所述第一采集模塊根據(jù)車(chē)位特征檢測(cè)模型以及對(duì)指定特征的檢測(cè)確定是否有車(chē)輛駛?cè)胨鰴z測(cè)區(qū)域，具體為：

若根據(jù)所述車(chē)位特征檢測(cè)模型確認(rèn)所述檢測(cè)區(qū)域存在所述車(chē)輛，且所述檢測(cè)區(qū)域中不包含所述車(chē)位限位器，先后對(duì)所述車(chē)輛的車(chē)輛特征以及車(chē)牌進(jìn)行檢測(cè)以及識(shí)別，并根據(jù)識(shí)別結(jié)果設(shè)置在采集所述駛?cè)雸D像時(shí)對(duì)所述車(chē)牌或所述車(chē)輛的車(chē)輪進(jìn)行抓拍

若根據(jù)所述車(chē)位特征檢測(cè)模型確認(rèn)所述檢測(cè)區(qū)域存在所述車(chē)輛，但所述檢測(cè)區(qū)域中包含所述車(chē)位限位器，重新利用所述車(chē)位特征檢測(cè)模型對(duì)所述檢測(cè)區(qū)域進(jìn)行檢測(cè)；

若無(wú)法根據(jù)所述車(chē)位特征檢測(cè)模型確認(rèn)所述檢測(cè)區(qū)域是否存在所述車(chē)輛，先后對(duì)所述車(chē)輛的車(chē)輛特征以及車(chē)牌進(jìn)行檢測(cè)以及識(shí)別，并根據(jù)識(shí)別結(jié)果設(shè)置在采集所述駛?cè)雸D像時(shí)對(duì)所述車(chē)牌或所述車(chē)輛的車(chē)輪進(jìn)行抓拍。

優(yōu)選的，所述第二采集模塊在預(yù)設(shè)的時(shí)間段內(nèi)持續(xù)檢測(cè)到所識(shí)別出的車(chē)輛特征出現(xiàn)在同一位置時(shí)采集所述車(chē)輛的停留圖像或在所述車(chē)輛在所述模板匹配框中停留的時(shí)間超過(guò)預(yù)設(shè)的第二時(shí)間閾值時(shí)采集所述車(chē)輛的停留圖像，具體為：

當(dāng)所述車(chē)輛在所述模板匹配框中停留的時(shí)間超過(guò)預(yù)設(shè)的第二時(shí)間閾值時(shí)，采用強(qiáng)制停穩(wěn)方式采集所述車(chē)輛的停留圖像；

當(dāng)所述車(chē)輛在所述模板匹配框中停留的時(shí)間未超過(guò)預(yù)設(shè)的第二時(shí)間閾值，且所述車(chē)牌以及所述車(chē)輛特征均能夠被檢測(cè)以及識(shí)別，在所述車(chē)牌的位置停止的時(shí)間超過(guò)所述時(shí)間段后采集所述車(chē)輛的停留圖像；

當(dāng)所述車(chē)輛在所述模板匹配框中停留的時(shí)間未超過(guò)預(yù)設(shè)的第二時(shí)間閾值，所述車(chē)牌無(wú)法被識(shí)別，所述車(chē)輛特征能夠被檢測(cè)到，在所述車(chē)輛特征的位置停止的時(shí)間超過(guò)所述時(shí)間段后采集所述車(chē)輛的停留圖像。

優(yōu)選的，所述第三采集模塊在所述識(shí)別出的車(chē)輛特征發(fā)生位移的距離超過(guò)預(yù)設(shè)的距離閾值時(shí)采集所述車(chē)輛的駛離圖像或在所述檢測(cè)區(qū)域出現(xiàn)幀差的面積超過(guò)預(yù)設(shè)的面積閾值時(shí)采集所述車(chē)輛的駛離圖像，具體為：

若所述停留圖像通過(guò)所述強(qiáng)制停穩(wěn)方式采集，且所述檢測(cè)區(qū)域出現(xiàn)幀差的面積超過(guò)預(yù)設(shè)的面積閾值，采集所述車(chē)輛的駛離圖像；

若所述停留圖像未通過(guò)所述強(qiáng)制停穩(wěn)方式采集，且所述檢測(cè)區(qū)域出現(xiàn)幀差，根據(jù)所述車(chē)輛特征以及所述車(chē)牌的檢測(cè)結(jié)果，在所述車(chē)輛特征或所述車(chē)牌的位置與停穩(wěn)時(shí)的位置相差超過(guò)預(yù)設(shè)的距離閾值后采集所述車(chē)輛的駛離圖像。

優(yōu)選的，所述判斷模塊具體用于：

對(duì)所述車(chē)輛特征的位置進(jìn)行檢測(cè)；

若所述車(chē)輛特征的位置與所述車(chē)輛在停穩(wěn)時(shí)的位置接近，重新采集并更新所述駛離圖像；

若通過(guò)車(chē)位特征檢測(cè)模型在所述檢測(cè)區(qū)域無(wú)法檢測(cè)到所述車(chē)輛，且所述車(chē)牌的位置與所述車(chē)輛在停穩(wěn)時(shí)的位置不接近，確定所述檢測(cè)區(qū)域?yàn)榭哲?chē)位；

若通過(guò)車(chē)位特征檢測(cè)模型在所述檢測(cè)區(qū)域無(wú)法檢測(cè)到所述車(chē)輛，且所述車(chē)牌的位置與所述車(chē)輛在停穩(wěn)時(shí)的位置接近，重新采集并更新所述駛離圖像。

由此可見(jiàn)，在確定有車(chē)輛駛?cè)霗z測(cè)區(qū)域時(shí)采集駛?cè)雸D像，當(dāng)車(chē)輛停留的時(shí)間超過(guò)一定時(shí)間后，在時(shí)間段內(nèi)持續(xù)檢測(cè)到所識(shí)別出的車(chē)輛特征出現(xiàn)在同一位置或在模板匹配框中停留的時(shí)間超過(guò)一定時(shí)間時(shí)采集停留圖像，在識(shí)別出的車(chē)輛特征發(fā)生位移的距離超過(guò)預(yù)設(shè)的距離閾值或在檢測(cè)區(qū)域出現(xiàn)幀差的面積超過(guò)預(yù)設(shè)的面積閾值時(shí)采集駛離圖像，并判斷車(chē)輛特征是否與停留圖像中的位置接近，根據(jù)判斷結(jié)果將車(chē)位設(shè)置為空車(chē)位或?qū)Ⅰ傠x圖像根據(jù)檢測(cè)區(qū)域當(dāng)前的采集圖像進(jìn)行更新。從而在減少設(shè)備維護(hù)量的前提下，提高了車(chē)位狀態(tài)檢測(cè)效率。

附圖說(shuō)明

圖1為本申請(qǐng)具體實(shí)施例中停車(chē)位檢測(cè)示意圖；

圖2A為本申請(qǐng)具體實(shí)施例中車(chē)輛駛?cè)氲淖ヅ氖疽鈭D；

圖2B為本申請(qǐng)具體實(shí)施例中車(chē)輛停穩(wěn)的抓拍示意圖；

圖2C為本申請(qǐng)具體實(shí)施例中車(chē)輛駛離的抓拍示意圖；

圖2D為本申請(qǐng)具體實(shí)施例中空車(chē)位的抓拍示意圖；

圖3為本申請(qǐng)?zhí)岢龅囊环N車(chē)位檢測(cè)方法的流程示意圖；

圖4為本申請(qǐng)具體實(shí)施例中對(duì)車(chē)位檢測(cè)區(qū)域進(jìn)行配置的示意圖；

圖5為本申請(qǐng)具體實(shí)施例中車(chē)輛駛?cè)霗z測(cè)流程圖；

圖6為本申請(qǐng)具體實(shí)施例中車(chē)輛停穩(wěn)檢測(cè)流程圖；

圖7為本申請(qǐng)具體實(shí)施例中車(chē)輛駛離檢測(cè)流程圖；

圖8為本申請(qǐng)具體實(shí)施例中空車(chē)位檢測(cè)流程圖；

圖9為本申請(qǐng)?zhí)岢龅囊环N車(chē)位檢測(cè)設(shè)備的結(jié)構(gòu)示意圖。

具體實(shí)施方式

如背景技術(shù)所述，現(xiàn)有的車(chē)位檢測(cè)技術(shù)易受環(huán)境影響，抗干擾性較低，在實(shí)際應(yīng)用中檢測(cè)效率偏低，進(jìn)而影響車(chē)位檢測(cè)的準(zhǔn)確性。

有鑒于現(xiàn)有技術(shù)所存在的技術(shù)問(wèn)題，本申請(qǐng)?zhí)岢隽艘环N車(chē)位檢測(cè)方法，通過(guò)車(chē)輛特征檢測(cè)技術(shù)，對(duì)停車(chē)場(chǎng)的停車(chē)位從車(chē)輛駛?cè)?，?chē)輛停穩(wěn)，車(chē)輛駛離，空車(chē)位四個(gè)階段的圖像進(jìn)行實(shí)時(shí)檢測(cè)和采集。在此基礎(chǔ)上技術(shù)人員不僅能夠提供車(chē)位引導(dǎo)作用，而且還能夠準(zhǔn)確提供停車(chē)時(shí)長(zhǎng)。由于結(jié)合車(chē)輛特征進(jìn)行停車(chē)位的檢測(cè)，從而大大提升了大角度傾斜停車(chē)位的檢出率，具有檢測(cè)精度高，誤檢率低，檢測(cè)實(shí)時(shí)性好，實(shí)施維護(hù)方便，魯棒性高等優(yōu)勢(shì)。

如上所述，由于本申請(qǐng)旨在針對(duì)停車(chē)場(chǎng)內(nèi)的車(chē)位進(jìn)行高效率檢測(cè)的同時(shí)不增加設(shè)備的升級(jí)負(fù)擔(dān)，本申請(qǐng)的技術(shù)方案應(yīng)用于包含前端采集設(shè)備的停車(chē)管理系統(tǒng)中。特別地，該停車(chē)管理系統(tǒng)在具體的應(yīng)用場(chǎng)景中可以采用支持大角度車(chē)輛檢測(cè)的車(chē)位半球計(jì)時(shí)系統(tǒng)，相應(yīng)的前端采集設(shè)備為半球形攝像頭，這樣能夠?qū)崿F(xiàn)每臺(tái)車(chē)位半球相機(jī)監(jiān)控兩個(gè)或者三個(gè)停車(chē)位，從而對(duì)該車(chē)位進(jìn)行車(chē)輛駛?cè)?、?chē)輛停穩(wěn)、車(chē)輛駛離、空車(chē)位四個(gè)狀態(tài)實(shí)時(shí)檢測(cè)。

在本申請(qǐng)的具體實(shí)施例中，基于本申請(qǐng)技術(shù)方案的停車(chē)位檢測(cè)示意圖如圖1所示，相應(yīng)的四種不同狀態(tài)的停車(chē)位檢測(cè)分別如圖2A、圖2B、圖2C以及圖2D所示，該具體實(shí)施例的布置方式除了對(duì)于特殊工勘下的大角度傾斜停車(chē)位具有較好的檢測(cè)效果，后續(xù)還能夠通過(guò)車(chē)輛駛離與車(chē)輛駛?cè)氲臅r(shí)間差確定出停車(chē)時(shí)長(zhǎng)。

如圖3所示，為本申請(qǐng)?zhí)岢龅囊环N車(chē)位檢測(cè)方法的流程示意圖，雖然本申請(qǐng)的技術(shù)方案主要由車(chē)輛駛?cè)霠顟B(tài)判斷、車(chē)輛停穩(wěn)狀態(tài)判斷、車(chē)輛駛離狀態(tài)判斷以及空車(chē)位的判斷等流程組成，但是在此之前，還需要預(yù)先配置與車(chē)位對(duì)應(yīng)的檢測(cè)區(qū)域，在如圖4所示的具體應(yīng)用場(chǎng)景中，停車(chē)位的檢測(cè)區(qū)域?yàn)閷?shí)際車(chē)位ABCD四個(gè)頂點(diǎn)的外接矩形，其中虛線框?yàn)檐?chē)位限位器(例如擋輪桿(器)等)，在本申請(qǐng)的技術(shù)方案中，車(chē)位限位器是車(chē)輛駛?cè)?、駛離判定的重要依據(jù)之一。

具體地，該方法還包括如下步驟：

S301，根據(jù)車(chē)位特征檢測(cè)模型以及對(duì)指定特征的檢測(cè)確定是否有車(chē)輛駛?cè)胨鰴z測(cè)區(qū)域，并在確定結(jié)果為是時(shí)通過(guò)所述前端采集設(shè)備采集所述車(chē)輛的駛?cè)雸D像，所述指定特征包括環(huán)境特征以及車(chē)輛特征。

該步驟旨在對(duì)車(chē)輛駛?cè)霠顟B(tài)進(jìn)行判斷，判斷的依據(jù)來(lái)源于兩個(gè)不同的方面：一方面是檢測(cè)車(chē)輛的各類(lèi)特征(例如車(chē)頭、車(chē)位、車(chē)輪等)以及環(huán)境特征(例如停車(chē)位上的擋輪桿等車(chē)位限位器)，如果檢測(cè)區(qū)域存在車(chē)輛特征或者是不存在環(huán)境特征的話，那么該檢測(cè)區(qū)域有很大的區(qū)域存在車(chē)輛；除此之外，本申請(qǐng)的技術(shù)方案還從另一方面通過(guò)車(chē)位特征檢測(cè)模型確定是否有車(chē)輛駛?cè)胪＼?chē)位。在通過(guò)判斷確認(rèn)有車(chē)輛駛?cè)胲?chē)位之后，再通過(guò)前端采集設(shè)備對(duì)車(chē)輛的駛?cè)雸D像進(jìn)行抓拍。

在本申請(qǐng)的優(yōu)選實(shí)施例中，為了更好地支持大角度下的車(chē)輛檢測(cè)，駛?cè)霗z測(cè)過(guò)程主要利用基于卷積神經(jīng)網(wǎng)絡(luò)(Convolutional Neural Network,CNN)的車(chē)位特征檢測(cè)，該車(chē)位特征檢測(cè)模型進(jìn)一步包括二分類(lèi)檢測(cè)和三分類(lèi)檢測(cè)，二分類(lèi)分為有車(chē)以及無(wú)車(chē)兩種情況，但是這兩種情況的判斷方式較于三分類(lèi)來(lái)說(shuō)精度不高，而三分類(lèi)檢測(cè)能夠包括有車(chē)、無(wú)車(chē)、其它這三種情況，能給有效的減少跨車(chē)位停車(chē)漏拍情況，本領(lǐng)域技術(shù)人員可以結(jié)合實(shí)際情況利用不同類(lèi)型的車(chē)位檢測(cè)模型對(duì)檢測(cè)區(qū)域進(jìn)行檢測(cè)，這些改變均屬于本申請(qǐng)的保護(hù)范圍。

在本申請(qǐng)的優(yōu)選實(shí)施例中，車(chē)輛駛?cè)胲?chē)位抓拍策略包括車(chē)輪抓拍策略和車(chē)牌抓拍策略。對(duì)于無(wú)牌車(chē)或傾斜車(chē)位車(chē)牌未露出的場(chǎng)景可通過(guò)車(chē)輪抓拍方案進(jìn)行抓拍，正常的有牌車(chē)可通過(guò)車(chē)牌抓拍方案進(jìn)行抓拍，具體的處理方式如下：

(1)若根據(jù)所述車(chē)位特征檢測(cè)模型確認(rèn)所述檢測(cè)區(qū)域存在所述車(chē)輛，且所述檢測(cè)區(qū)域中不包含所述車(chē)位限位器，先后對(duì)所述車(chē)輛的車(chē)輛特征以及車(chē)牌進(jìn)行檢測(cè)以及識(shí)別，并根據(jù)識(shí)別結(jié)果設(shè)置在采集所述駛?cè)雸D像時(shí)對(duì)所述車(chē)牌或所述車(chē)輛的車(chē)輪進(jìn)行抓拍。

(2)若根據(jù)所述車(chē)位特征檢測(cè)模型確認(rèn)所述檢測(cè)區(qū)域存在所述車(chē)輛，但所述檢測(cè)區(qū)域中包含所述車(chē)位限位器，重新利用所述車(chē)位特征檢測(cè)模型對(duì)所述檢測(cè)區(qū)域進(jìn)行檢測(cè)。

(3)若無(wú)法根據(jù)所述車(chē)位特征檢測(cè)模型確認(rèn)所述檢測(cè)區(qū)域是否存在所述車(chē)輛，先后對(duì)所述車(chē)輛的車(chē)輛特征以及車(chē)牌進(jìn)行檢測(cè)以及識(shí)別，并根據(jù)識(shí)別結(jié)果設(shè)置在采集所述駛?cè)雸D像時(shí)對(duì)所述車(chē)牌或所述車(chē)輛的車(chē)輪進(jìn)行抓拍。

在利用車(chē)位特征檢測(cè)模型以及環(huán)境特征對(duì)檢測(cè)區(qū)域是否存在車(chē)輛進(jìn)行判斷的過(guò)程中，有可能會(huì)出現(xiàn)無(wú)法確定判斷結(jié)果的情況。例如，當(dāng)利用二分類(lèi)的車(chē)位特征檢測(cè)模型確認(rèn)檢測(cè)區(qū)域不存在車(chē)輛，而且利用三分類(lèi)的車(chē)位特征檢測(cè)模型無(wú)法確認(rèn)檢測(cè)區(qū)域究竟是否存在車(chē)輛的情況(檢測(cè)結(jié)果為其它情況)下，那么即需要針對(duì)車(chē)輛特征以及車(chē)牌先后進(jìn)行檢測(cè)以確定檢測(cè)區(qū)域到底是否有車(chē)輛駛?cè)肓恕Ｏ鄳?yīng)的，如果僅僅只是通過(guò)二分類(lèi)的車(chē)位特征檢測(cè)模型初步確定檢測(cè)區(qū)域存在車(chē)輛且車(chē)位限位器不可見(jiàn)時(shí)，也無(wú)法真正的確認(rèn)檢測(cè)區(qū)域究竟是否存在車(chē)輛，此時(shí)同樣需要針對(duì)車(chē)輛特征以及車(chē)牌先后進(jìn)行檢測(cè)以確定檢測(cè)區(qū)域到底是否有車(chē)輛駛?cè)搿?/p>

需要指出的是，以上僅為本申請(qǐng)針對(duì)車(chē)位特征檢測(cè)模型以及指定特征所提出的一種優(yōu)選實(shí)施方案，其中車(chē)位特征檢測(cè)模型能夠基本輸出檢測(cè)區(qū)域是否存在車(chē)輛的判斷結(jié)果，而通過(guò)環(huán)境特征以及車(chē)輛特征能夠進(jìn)一步的驗(yàn)證車(chē)位特征檢測(cè)模型的輸出結(jié)果是否準(zhǔn)確。在此基礎(chǔ)上，本領(lǐng)域技術(shù)人員能夠設(shè)置其他利用車(chē)位特征檢測(cè)模型以及指定特征檢測(cè)的方式來(lái)確定是否有車(chē)輛駛?cè)霗z測(cè)區(qū)域，而不僅限于本申請(qǐng)上述優(yōu)選實(shí)施例中的實(shí)施方式。

舉例來(lái)說(shuō)，技術(shù)人員可以設(shè)置在根據(jù)車(chē)位特征檢測(cè)模型首先對(duì)檢測(cè)區(qū)域中是否存在車(chē)輛進(jìn)行檢測(cè)，如果能夠僅通過(guò)車(chē)位特征檢測(cè)模型確認(rèn)檢測(cè)區(qū)域存在車(chē)輛時(shí)，則可以直接對(duì)該車(chē)輛的車(chē)牌進(jìn)行檢測(cè)以及識(shí)別。在通過(guò)車(chē)位特征檢測(cè)模型在檢測(cè)不到車(chē)牌或針對(duì)車(chē)牌的識(shí)別失敗時(shí)，再進(jìn)行擋輪桿的檢測(cè)。在客觀因素較差或者是擋輪桿都檢測(cè)不到的情況下，再對(duì)檢測(cè)區(qū)域進(jìn)行車(chē)輪檢測(cè)，最終在檢測(cè)到車(chē)輪時(shí)對(duì)車(chē)輛的車(chē)輪進(jìn)行抓拍。

可以理解的是，以上方式為本申請(qǐng)針對(duì)具體應(yīng)用場(chǎng)景提出的說(shuō)明而并非限制，在此基礎(chǔ)上技術(shù)人員所做的改進(jìn)均屬于本申請(qǐng)的保護(hù)范圍。

如圖5所示，為本申請(qǐng)的具體實(shí)施例中車(chē)輛駛?cè)霗z測(cè)流程圖。當(dāng)相機(jī)監(jiān)控三車(chē)位時(shí)，左右兩側(cè)的車(chē)位角度較為傾斜，會(huì)出現(xiàn)車(chē)輛停穩(wěn)后車(chē)頭車(chē)尾在相機(jī)場(chǎng)景中未完整露出的情況，在特殊工勘下也可能出現(xiàn)大角度的傾斜車(chē)位情況，但在這些情況下車(chē)輪往往能比車(chē)頭車(chē)尾更容易檢測(cè)到。針對(duì)S501中所介紹的不同的檢測(cè)方式，以下結(jié)合具體的應(yīng)用場(chǎng)景對(duì)其分別進(jìn)行介紹：

(1)CNN車(chē)位特征檢測(cè)

在車(chē)位傾斜角度較大或車(chē)頭車(chē)尾部分未露出時(shí)，車(chē)頭與車(chē)尾檢測(cè)可能存在漏檢情況，而CNN車(chē)位特征檢測(cè)對(duì)以上情況都不敏感，通過(guò)學(xué)習(xí)大量的輸入與輸出之間的映射關(guān)系，用已知的模式對(duì)卷積網(wǎng)絡(luò)加以訓(xùn)練，網(wǎng)絡(luò)就具有輸入輸出之間的映射能力，可以很好地進(jìn)行停車(chē)位有車(chē)無(wú)車(chē)的二分類(lèi)判斷。

在本申請(qǐng)具體的實(shí)施例中，CNN網(wǎng)絡(luò)可以采取一個(gè)如下簡(jiǎn)單的7層結(jié)構(gòu)：

輸入層Input圖像大小為：72*48；C1層卷積模板為3*3，跨距為1，輸出特征圖數(shù)量為12，大小為70*46；S2層下采樣模板為2*2，跨距為1，輸出特征圖數(shù)量為12，大小為35*23；C3層卷積模板為5*5，跨距為2，輸出特征圖數(shù)量為24，大小為16*10；S4層下采樣模板為2*2，跨距為1，輸出特征圖數(shù)量為24，大小為8*5；C5層卷積模板為8*5，輸出特征圖數(shù)量為96，大小為1*1；輸出層Output輸出特征圖數(shù)量為2(二分類(lèi)時(shí))或3(三分類(lèi)時(shí))。

(2)擋輪桿(器)檢測(cè)

以圖4所示的具體應(yīng)用場(chǎng)景為例，本具體實(shí)施例先提取實(shí)際車(chē)位上1/5高，AB長(zhǎng)的區(qū)域作為檢測(cè)區(qū)域；然后采用Sobel算子邊緣檢測(cè)并進(jìn)行二值化處理，該方法對(duì)噪聲具有平滑作用，能提供較為精確的邊緣方向信息；接著對(duì)該檢測(cè)區(qū)域二值化邊緣圖像作水平方向上的投影處理；最后計(jì)算投影均值，當(dāng)某點(diǎn)的投影值與投影均值的絕對(duì)差值大于1/2的投影均值，則認(rèn)為該點(diǎn)為偏離均值點(diǎn)，當(dāng)偏離均值點(diǎn)數(shù)大于整個(gè)投影長(zhǎng)度的閾值Th0時(shí)，則認(rèn)為沒(méi)有檢測(cè)到擋輪桿(器)，否則存在擋輪桿(器)。

(3)車(chē)輪檢測(cè)、車(chē)頭/車(chē)尾檢測(cè)

該類(lèi)型的檢測(cè)主要是通過(guò)CNN二分類(lèi)進(jìn)行車(chē)位特征檢測(cè)，再通過(guò)車(chē)輪、車(chē)頭車(chē)尾的檢測(cè)可以大大降低車(chē)輛的誤檢概率，而且可以通過(guò)車(chē)輪或車(chē)頭車(chē)尾檢測(cè)目標(biāo)框位置的移動(dòng)狀態(tài)來(lái)判斷車(chē)輛是駛?cè)牖蚴峭７€(wěn)狀態(tài)。對(duì)于有牌車(chē)，通過(guò)車(chē)頭車(chē)尾檢測(cè)可以減小車(chē)牌檢測(cè)或車(chē)牌識(shí)別的范圍，減少檢測(cè)時(shí)間。

(4)車(chē)牌檢測(cè)和車(chē)牌識(shí)別

對(duì)于車(chē)牌檢測(cè)和車(chē)牌識(shí)別，技術(shù)人員可以基于已有的圖像文字識(shí)別技術(shù)實(shí)現(xiàn)，該步驟的目的主要在于記錄停入車(chē)輛的車(chē)牌號(hào)碼，以便于管理人員計(jì)時(shí)收費(fèi)。

S302，當(dāng)所述車(chē)輛在預(yù)設(shè)的模板匹配框中停留的時(shí)間超過(guò)預(yù)設(shè)的第一時(shí)間閾值后，在預(yù)設(shè)的時(shí)間段內(nèi)持續(xù)檢測(cè)到所識(shí)別出的車(chē)輛特征出現(xiàn)在同一位置時(shí)采集所述車(chē)輛的停留圖像，或在所述車(chē)輛在所述模板匹配框中停留的時(shí)間超過(guò)預(yù)設(shè)的第二時(shí)間閾值時(shí)采集所述車(chē)輛的停留圖像。

在用戶將自己的車(chē)輛在車(chē)位進(jìn)行停車(chē)的過(guò)程中，存在車(chē)輛短暫經(jīng)過(guò)車(chē)位或借用車(chē)位倒車(chē)但并未真正停下的情況，即當(dāng)駛?cè)胱ヅ暮?，CNN卻長(zhǎng)時(shí)間Th1s未檢到車(chē)位有車(chē)，則可能駛?cè)胝`抓，將目標(biāo)刪除，重新等待車(chē)輛駛?cè)?。因此本步驟通過(guò)車(chē)輛停穩(wěn)檢測(cè)車(chē)位是否真正有車(chē)停放。

為了確認(rèn)車(chē)位是否真正有車(chē)停放，本步驟首先利用預(yù)設(shè)的模板匹配框檢測(cè)車(chē)輛是否大致停穩(wěn)，隨后分別通過(guò)兩種不同的判定方式確認(rèn)車(chē)輛是否真正的停穩(wěn)，其中包括了在預(yù)設(shè)的時(shí)間段內(nèi)持續(xù)檢測(cè)到所識(shí)別出的車(chē)輛特征出現(xiàn)在同一位置時(shí)采集所述車(chē)輛的停留圖像以及在所述車(chē)輛在所述模板匹配框中停留的時(shí)間超過(guò)預(yù)設(shè)的第二時(shí)間閾值時(shí)采集所述車(chē)輛的停留圖像兩種不同的方式。前者是針對(duì)車(chē)輛完全停穩(wěn)的情況進(jìn)行識(shí)別，后者則是針對(duì)車(chē)輛長(zhǎng)時(shí)間無(wú)法正常停穩(wěn)所采取的方式。在具體的操作過(guò)程中技術(shù)人員可以同時(shí)采取這兩種不同的方式對(duì)車(chē)輛是否停穩(wěn)進(jìn)行判斷，這些改進(jìn)均在本申請(qǐng)的保護(hù)范圍之內(nèi)。

在本申請(qǐng)的優(yōu)選實(shí)施例中，該步驟的具體實(shí)現(xiàn)方式如下：

(1)當(dāng)所述車(chē)輛在所述模板匹配框中停留的時(shí)間超過(guò)預(yù)設(shè)的第二時(shí)間閾值，且無(wú)法通過(guò)所述車(chē)位特征檢測(cè)模型檢測(cè)到所述車(chē)輛特征時(shí)，強(qiáng)制停穩(wěn)采集所述車(chē)輛的停留圖像；

(2)當(dāng)所述車(chē)輛在所述模板匹配框中停留的時(shí)間未超過(guò)預(yù)設(shè)的第二時(shí)間閾值，且所述車(chē)牌以及所述車(chē)輛特征均能夠被檢測(cè)以及識(shí)別，在所述車(chē)牌的位置停止的時(shí)間超過(guò)所述時(shí)間段后采集所述車(chē)輛的停留圖像；

(3)當(dāng)所述車(chē)輛在所述模板匹配框中停留的時(shí)間未超過(guò)預(yù)設(shè)的第二時(shí)間閾值，所述車(chē)牌無(wú)法被識(shí)別，所述車(chē)輛特征能夠被檢測(cè)到，在所述車(chē)輛特征的位置停止的時(shí)間超過(guò)所述時(shí)間段后采集所述車(chē)輛的停留圖像。

在以上優(yōu)選實(shí)施例利用模板匹配框?qū)?chē)輛的停留進(jìn)行判斷時(shí)，由于模板匹配框能夠在檢測(cè)區(qū)域的圖像采集范圍內(nèi)對(duì)車(chē)輛的輪廓進(jìn)行覆蓋，因此模板匹配框的作用在于初步確認(rèn)車(chē)輛在檢測(cè)區(qū)域是否停穩(wěn)，然而完全確定車(chē)輛是否停穩(wěn)需要利用車(chē)輛的特征是會(huì)發(fā)生相對(duì)移動(dòng)為準(zhǔn)。但同時(shí)為了防止車(chē)輛一直小幅移動(dòng)或客觀環(huán)境所造成的鏡頭抖動(dòng)所造成的無(wú)法使車(chē)輛特征相對(duì)停止的情況出現(xiàn)，本申請(qǐng)的技術(shù)方案也將采用強(qiáng)制停穩(wěn)方式采集車(chē)輛的停留圖像。因此，在基于模板匹配框以及車(chē)輛特征的相對(duì)位移的特性的基礎(chǔ)上，技術(shù)人員也可以采取其他組合判斷策略確定車(chē)輛是否停留以及何時(shí)采集車(chē)輛的停留圖像，這些均屬于本申請(qǐng)的保護(hù)范圍。

以圖4所示的具體應(yīng)用場(chǎng)景為例，本申請(qǐng)具體實(shí)施例中的車(chē)輛停穩(wěn)檢測(cè)流程圖如圖6所示。在該具體實(shí)施例的流程中，車(chē)輛停穩(wěn)檢測(cè)分為兩步：首次停穩(wěn)判定和二次停穩(wěn)判定。采用模板框自適應(yīng)縮放的模板匹配算法進(jìn)行車(chē)輛預(yù)停穩(wěn)判定，當(dāng)模板匹配框連續(xù)一定的閾值Th2s停止不動(dòng)時(shí)，認(rèn)為車(chē)輛可能已經(jīng)停穩(wěn)，然后進(jìn)行車(chē)輪(大角度下車(chē)頭車(chē)尾檢出率不高，但車(chē)輪特征明顯)檢測(cè)，若檢測(cè)到車(chē)輪，則進(jìn)行車(chē)牌識(shí)別；若無(wú)車(chē)輪，則根據(jù)駛?cè)胱ヅ念?lèi)型進(jìn)行不同時(shí)間的等待后再進(jìn)行車(chē)牌識(shí)別，如果有車(chē)牌識(shí)別結(jié)果，則為車(chē)牌首次停穩(wěn)判定停車(chē)，否則為車(chē)輪首次停穩(wěn)判定停車(chē)。二次判定是基于首次判定的結(jié)果，若首次判定的車(chē)輛特征(車(chē)輪或車(chē)牌)在同一位置連續(xù)Th6s檢測(cè)到，則認(rèn)為該車(chē)輛已經(jīng)停穩(wěn)，進(jìn)行第二張證據(jù)圖的抓拍。

作為對(duì)正常停穩(wěn)策略的一個(gè)補(bǔ)充，為了防止車(chē)輛駛?cè)胱ヅ暮竽０迤ヅ淇蜷L(zhǎng)時(shí)間穩(wěn)定不移動(dòng)，但車(chē)輪或車(chē)頭車(chē)尾都檢測(cè)不出的情況發(fā)生，增加了強(qiáng)制停穩(wěn)判定策略：當(dāng)目標(biāo)框長(zhǎng)時(shí)間停止超過(guò)Th3s，直接進(jìn)行二次停穩(wěn)抓拍。

在通過(guò)該步驟對(duì)車(chē)輛停穩(wěn)進(jìn)行判斷后，技術(shù)人員可設(shè)置當(dāng)相機(jī)監(jiān)控的所有車(chē)位都停放車(chē)輛時(shí)，車(chē)位指示燈顯示紅色；當(dāng)有空閑車(chē)位時(shí)，車(chē)位指示燈顯示綠色(指示燈的顏色可選)，以此來(lái)實(shí)現(xiàn)停車(chē)車(chē)位誘導(dǎo)指示作用。

S303，在所述識(shí)別出的車(chē)輛特征發(fā)生位移的距離超過(guò)預(yù)設(shè)的距離閾值時(shí)采集所述車(chē)輛的駛離圖像，或在所述檢測(cè)區(qū)域出現(xiàn)幀差的面積超過(guò)預(yù)設(shè)的面積閾值時(shí)采集所述車(chē)輛的駛離圖像。

在該步驟中，判斷車(chē)輛是否駛離主要依據(jù)于識(shí)別出的車(chē)輛特征發(fā)生位移的距離是否超過(guò)預(yù)設(shè)的距離閾值，以及檢測(cè)區(qū)域出現(xiàn)幀差的面積是否超過(guò)預(yù)設(shè)的面積閾值，這兩種方式是分別針對(duì)S302中不同停穩(wěn)判定情況而提出。在本申請(qǐng)的優(yōu)選實(shí)施例中，基于不同的采集方式，該步驟的執(zhí)行方式如下：

(1)若所述停留圖像通過(guò)所述強(qiáng)制停穩(wěn)方式采集，且所述檢測(cè)區(qū)域出現(xiàn)幀差的面積超過(guò)預(yù)設(shè)的面積閾值，采集所述車(chē)輛的駛離圖像；

(2)若所述停留圖像非通過(guò)所述強(qiáng)制停穩(wěn)方式采集，且所述檢測(cè)區(qū)域出現(xiàn)幀差，根據(jù)所述車(chē)輛特征以及所述車(chē)牌的檢測(cè)結(jié)果，在所述車(chē)輛特征或所述車(chē)牌的位置與停穩(wěn)時(shí)的位置相差超過(guò)預(yù)設(shè)的距離閾值后采集所述駛離圖像。

如圖7所示，為本申請(qǐng)具體實(shí)施例中車(chē)輛駛離檢測(cè)流程圖，先檢測(cè)停車(chē)區(qū)域是否出現(xiàn)幀差，在出現(xiàn)幀差的情況下再根據(jù)是否是強(qiáng)制停穩(wěn)判定分為強(qiáng)制駛離判定和正常駛離判定。由于強(qiáng)制停穩(wěn)判定情況下車(chē)輪和車(chē)頭車(chē)尾均未檢測(cè)到，因此，在強(qiáng)制駛離判定中，只根據(jù)出現(xiàn)幀差的面積超過(guò)閾值Th8進(jìn)行判定。而正常駛離判定又可根據(jù)正常停穩(wěn)判定分成以下兩種情況，一是車(chē)輪判定駛離，二是車(chē)牌判定駛離。盡管檢測(cè)的特征不一樣，但離開(kāi)判定的實(shí)質(zhì)是一樣的，都是根據(jù)車(chē)輛停穩(wěn)時(shí)的特征位置(車(chē)輪特征或車(chē)牌特征)跟當(dāng)前檢測(cè)到的特征位置進(jìn)行比較，如果兩者的位置距離超過(guò)設(shè)定的閾值Th7，則認(rèn)為車(chē)輛將要離開(kāi)車(chē)位，進(jìn)行第三張證據(jù)圖的抓拍。通過(guò)駛離和駛?cè)霑r(shí)間差的計(jì)算，可得到車(chē)輛停車(chē)的時(shí)長(zhǎng)。

以上是正常情況下的車(chē)輛駛離判定方法，也存在一些特殊的異常情況：當(dāng)行人路過(guò)或其它車(chē)輛經(jīng)過(guò)已經(jīng)判定為停穩(wěn)的車(chē)輛時(shí)，停穩(wěn)時(shí)的車(chē)輪或車(chē)牌附近可能會(huì)出現(xiàn)幀差，但是車(chē)輪或車(chē)牌卻沒(méi)有檢測(cè)到(被遮擋)，為了防止出現(xiàn)該情況下的駛離誤抓，在本方案中，增加一個(gè)CNN車(chē)位有車(chē)/無(wú)車(chē)的二分類(lèi)檢測(cè)，若CNN檢測(cè)到有車(chē)，則說(shuō)明車(chē)輛確實(shí)還存在，再返回進(jìn)行駛離判定；若CNN檢測(cè)到無(wú)車(chē)，則進(jìn)行第三張證據(jù)圖抓拍。

若停車(chē)區(qū)域沒(méi)有做到幀差，則每隔Th9時(shí)間定時(shí)進(jìn)行第三張離開(kāi)證據(jù)圖的更新，這樣做目的是為了保證第三張證據(jù)圖不會(huì)漏拍且圖內(nèi)一定存在車(chē)輛，與第一張證據(jù)圖的間隔盡可能長(zhǎng)。

S304，判斷所述車(chē)輛特征是否與所述停留圖像中的位置接近。

S305，若是，清除所述車(chē)輛的信息，并將所述車(chē)位設(shè)置為空車(chē)位。

S306，若否，將所述駛離圖像根據(jù)所述檢測(cè)區(qū)域當(dāng)前的采集圖像進(jìn)行更新。

該步驟主要用于判斷車(chē)輛是否完全駛離車(chē)位，從而確定車(chē)位是否為空車(chē)位。在本申請(qǐng)的優(yōu)選實(shí)施例中，首先對(duì)車(chē)輛特征的位置進(jìn)行檢測(cè)，并根據(jù)以下不同情況執(zhí)行不同的處理：

(1)若所述車(chē)輛特征的位置與所述車(chē)輛在停穩(wěn)時(shí)的位置接近，重新采集并更新所述駛離圖像；

(2)若通過(guò)車(chē)位特征檢測(cè)模型在所述檢測(cè)區(qū)域無(wú)法檢測(cè)到所述車(chē)輛，且所述車(chē)牌的位置與所述車(chē)輛在停穩(wěn)時(shí)的位置不接近，確定所述檢測(cè)區(qū)域?yàn)榭哲?chē)位；

(3)若通過(guò)車(chē)位特征檢測(cè)模型在所述檢測(cè)區(qū)域無(wú)法檢測(cè)到所述車(chē)輛，且所述車(chē)牌的位置與所述車(chē)輛在停穩(wěn)時(shí)的位置接近，重新采集并更新所述駛離圖像。

在圖8所示的具體實(shí)施例中，先進(jìn)行車(chē)輪檢測(cè)，若車(chē)輪未檢測(cè)到，則進(jìn)行CNN二分類(lèi)檢測(cè)，若CNN未檢測(cè)到車(chē)輛的時(shí)間超過(guò)一定閾值(正常駛離設(shè)為T(mén)h11s或強(qiáng)制駛離設(shè)為T(mén)h10s)，再進(jìn)行車(chē)牌識(shí)別，若車(chē)牌識(shí)別無(wú)結(jié)果，則該車(chē)位判定為空，清空上一車(chē)輛的所有目標(biāo)信息，等待下一輛車(chē)駛?cè)搿Ｈ魴z測(cè)到車(chē)輪或車(chē)牌識(shí)別有結(jié)果，且這兩者的位置與停穩(wěn)時(shí)的位置距離接近，則認(rèn)為車(chē)輛還在車(chē)位，更新第三張離開(kāi)證據(jù)圖，重新進(jìn)行車(chē)輛駛離判定，該補(bǔ)充策略可降低空車(chē)位的誤判。

通過(guò)應(yīng)用以上技術(shù)方案，在確定有車(chē)輛駛?cè)霗z測(cè)區(qū)域時(shí)采集駛?cè)雸D像，當(dāng)車(chē)輛停留的時(shí)間超過(guò)第一時(shí)間閾值后，在時(shí)間段內(nèi)持續(xù)檢測(cè)到所識(shí)別出的車(chē)輛特征出現(xiàn)在同一位置或在模板匹配框中停留的時(shí)間超過(guò)預(yù)設(shè)的第二時(shí)間閾值時(shí)采集停留圖像，在識(shí)別出的車(chē)輛特征發(fā)生位移的距離超過(guò)預(yù)設(shè)的距離閾值或在檢測(cè)區(qū)域出現(xiàn)幀差的面積超過(guò)預(yù)設(shè)的面積閾值時(shí)采集駛離圖像，并判斷車(chē)輛特征是否與停留圖像中的位置接近，根據(jù)判斷結(jié)果；將車(chē)位設(shè)置為空車(chē)位或?qū)Ⅰ傠x圖像根據(jù)檢測(cè)區(qū)域當(dāng)前的采集圖像進(jìn)行更新。從而在減少設(shè)備維護(hù)量的前提下，提高了車(chē)位狀態(tài)檢測(cè)效率。

為達(dá)到以上技術(shù)目的，本申請(qǐng)還提出了一種車(chē)位檢測(cè)設(shè)備，應(yīng)用于包含前端采集設(shè)備的停車(chē)管理系統(tǒng)中，如圖9所示，包括：

配置模塊910，預(yù)先配置與車(chē)位對(duì)應(yīng)的檢測(cè)區(qū)域；

第一采集模塊920，根據(jù)車(chē)位特征檢測(cè)模型以及對(duì)指定特征的檢測(cè)確定是否有車(chē)輛駛?cè)胨鰴z測(cè)區(qū)域，并在確定結(jié)果為是時(shí)通過(guò)所述前端采集設(shè)備采集所述車(chē)輛的駛?cè)雸D像，所述指定特征包括環(huán)境特征以及車(chē)輛特征；

第二采集模塊930，當(dāng)所述車(chē)輛在預(yù)設(shè)的模板匹配框中停留的時(shí)間超過(guò)預(yù)設(shè)的第一時(shí)間閾值后，在預(yù)設(shè)的時(shí)間段內(nèi)持續(xù)檢測(cè)到所識(shí)別出的車(chē)輛特征出現(xiàn)在同一位置時(shí)采集所述車(chē)輛的停留圖像，或在所述車(chē)輛在所述模板匹配框中停留的時(shí)間超過(guò)預(yù)設(shè)的第二時(shí)間閾值時(shí)采集所述車(chē)輛的停留圖像；

第三采集模塊940，在所述識(shí)別出的車(chē)輛特征發(fā)生位移的距離超過(guò)預(yù)設(shè)的距離閾值時(shí)采集所述車(chē)輛的駛離圖像，或在所述檢測(cè)區(qū)域出現(xiàn)幀差的面積超過(guò)預(yù)設(shè)的面積閾值時(shí)采集所述車(chē)輛的駛離圖像；

判斷模塊950，判斷所述車(chē)輛的一個(gè)或多個(gè)車(chē)輛特征是否與所述停留圖像中的位置接近；

更新模塊960，用于在所述判斷模塊的判斷結(jié)果為否時(shí)清除所述車(chē)輛的信息，并將所述車(chē)位設(shè)置為空車(chē)位，以及在所述判斷模塊的判斷結(jié)果為是時(shí)將所述駛離圖像根據(jù)所述檢測(cè)區(qū)域當(dāng)前的采集圖像進(jìn)行更新。

在具體的應(yīng)用場(chǎng)景中，所述環(huán)境特征具體為車(chē)位限位器，所述第一采集模塊根據(jù)車(chē)位特征檢測(cè)模型以及對(duì)指定特征的檢測(cè)確定是否有車(chē)輛駛?cè)胨鰴z測(cè)區(qū)域，具體為：

若根據(jù)所述車(chē)位特征檢測(cè)模型確認(rèn)所述檢測(cè)區(qū)域存在所述車(chē)輛，且所述檢測(cè)區(qū)域中不包含所述車(chē)位限位器，先后對(duì)所述車(chē)輛的車(chē)輛特征以及車(chē)牌進(jìn)行檢測(cè)以及識(shí)別，并根據(jù)識(shí)別結(jié)果設(shè)置在采集所述駛?cè)雸D像時(shí)對(duì)所述車(chē)牌或所述車(chē)輛的車(chē)輪進(jìn)行抓拍

若根據(jù)所述車(chē)位特征檢測(cè)模型確認(rèn)所述檢測(cè)區(qū)域存在所述車(chē)輛，但所述檢測(cè)區(qū)域中包含所述車(chē)位限位器，重新利用所述車(chē)位特征檢測(cè)模型對(duì)所述檢測(cè)區(qū)域進(jìn)行檢測(cè)；

若無(wú)法根據(jù)所述車(chē)位特征檢測(cè)模型確認(rèn)所述檢測(cè)區(qū)域是否存在所述車(chē)輛，先后對(duì)所述車(chē)輛的車(chē)輛特征以及車(chē)牌進(jìn)行檢測(cè)以及識(shí)別，并根據(jù)識(shí)別結(jié)果設(shè)置在采集所述駛?cè)雸D像時(shí)對(duì)所述車(chē)牌或所述車(chē)輛的車(chē)輪進(jìn)行抓拍。

在具體的應(yīng)用場(chǎng)景中，所述第二采集模塊在預(yù)設(shè)的時(shí)間段內(nèi)持續(xù)檢測(cè)到所識(shí)別出的車(chē)輛特征出現(xiàn)在同一位置時(shí)采集所述車(chē)輛的停留圖像或在所述車(chē)輛在所述模板匹配框中停留的時(shí)間超過(guò)預(yù)設(shè)的第二時(shí)間閾值時(shí)采集所述車(chē)輛的停留圖像，具體為：

當(dāng)所述車(chē)輛在所述模板匹配框中停留的時(shí)間超過(guò)預(yù)設(shè)的第二時(shí)間閾值時(shí)，采用強(qiáng)制停穩(wěn)方式采集所述車(chē)輛的停留圖像；

當(dāng)所述車(chē)輛在所述模板匹配框中停留的時(shí)間未超過(guò)預(yù)設(shè)的第二時(shí)間閾值，且所述車(chē)牌以及所述車(chē)輛特征均能夠被檢測(cè)以及識(shí)別，在所述車(chē)牌的位置停止的時(shí)間超過(guò)所述時(shí)間段后采集所述車(chē)輛的停留圖像；

當(dāng)所述車(chē)輛在所述模板匹配框中停留的時(shí)間未超過(guò)預(yù)設(shè)的第二時(shí)間閾值，所述車(chē)牌無(wú)法被識(shí)別，所述車(chē)輛特征能夠被檢測(cè)到，在所述車(chē)輛特征的位置停止的時(shí)間超過(guò)所述時(shí)間段后采集所述車(chē)輛的停留圖像。

在具體的應(yīng)用場(chǎng)景中，所述第三采集模塊在所述識(shí)別出的車(chē)輛特征發(fā)生位移的距離超過(guò)預(yù)設(shè)的距離閾值時(shí)采集所述車(chē)輛的駛離圖像或在所述檢測(cè)區(qū)域出現(xiàn)幀差的面積超過(guò)預(yù)設(shè)的面積閾值時(shí)采集所述車(chē)輛的駛離圖像，具體為：

若所述停留圖像通過(guò)所述強(qiáng)制停穩(wěn)方式采集，且所述檢測(cè)區(qū)域出現(xiàn)幀差的面積超過(guò)預(yù)設(shè)的面積閾值，采集所述車(chē)輛的駛離圖像；

若所述停留圖像未通過(guò)所述強(qiáng)制停穩(wěn)方式采集，且所述檢測(cè)區(qū)域出現(xiàn)幀差，根據(jù)所述車(chē)輛特征以及所述車(chē)牌的檢測(cè)結(jié)果，在所述車(chē)輛特征或所述車(chē)牌的位置與停穩(wěn)時(shí)的位置相差超過(guò)預(yù)設(shè)的距離閾值后采集所述車(chē)輛的駛離圖像。

在具體的應(yīng)用場(chǎng)景中，所述判斷模塊具體用于：

對(duì)所述車(chē)輛特征的位置進(jìn)行檢測(cè)；

若所述車(chē)輛特征的位置與所述車(chē)輛在停穩(wěn)時(shí)的位置接近，重新采集并更新所述駛離圖像；

若通過(guò)車(chē)位特征檢測(cè)模型在所述檢測(cè)區(qū)域無(wú)法檢測(cè)到所述車(chē)輛，且所述車(chē)牌的位置與所述車(chē)輛在停穩(wěn)時(shí)的位置不接近，確定所述檢測(cè)區(qū)域?yàn)榭哲?chē)位；

若通過(guò)車(chē)位特征檢測(cè)模型在所述檢測(cè)區(qū)域無(wú)法檢測(cè)到所述車(chē)輛，且所述車(chē)牌的位置與所述車(chē)輛在停穩(wěn)時(shí)的位置接近，重新采集并更新所述駛離圖像。

通過(guò)應(yīng)用以上技術(shù)方案，在確定有車(chē)輛駛?cè)霗z測(cè)區(qū)域時(shí)采集駛?cè)雸D像，當(dāng)車(chē)輛停留的時(shí)間超過(guò)一定時(shí)間后，在時(shí)間段內(nèi)持續(xù)檢測(cè)到所識(shí)別出的車(chē)輛特征出現(xiàn)在同一位置或在模板匹配框中停留的時(shí)間超過(guò)一定時(shí)間時(shí)采集停留圖像，在識(shí)別出的車(chē)輛特征發(fā)生位移的距離超過(guò)預(yù)設(shè)的距離閾值或在檢測(cè)區(qū)域出現(xiàn)幀差的面積超過(guò)預(yù)設(shè)的面積閾值時(shí)采集駛離圖像，并判斷車(chē)輛特征是否與停留圖像中的位置接近，根據(jù)判斷結(jié)果將車(chē)位設(shè)置為空車(chē)位或?qū)Ⅰ傠x圖像根據(jù)檢測(cè)區(qū)域當(dāng)前的采集圖像進(jìn)行更新。從而在減少設(shè)備維護(hù)量的前提下，提高了車(chē)位狀態(tài)檢測(cè)效率。

通過(guò)以上的實(shí)施方式的描述，本領(lǐng)域的技術(shù)人員可以清楚地了解到本發(fā)明可以通過(guò)硬件實(shí)現(xiàn)，也可以借助軟件加必要的通用硬件平臺(tái)的方式來(lái)實(shí)現(xiàn)?；谶@樣的理解，本發(fā)明的技術(shù)方案可以以軟件產(chǎn)品的形式體現(xiàn)出來(lái)，該軟件產(chǎn)品可以存儲(chǔ)在一個(gè)非易失性存儲(chǔ)介質(zhì)(可以是CD-ROM，U盤(pán)，移動(dòng)硬盤(pán)等)中，包括若干指令用以使得一臺(tái)計(jì)算機(jī)設(shè)備(可以是個(gè)人計(jì)算機(jī)，服務(wù)器，或者網(wǎng)絡(luò)設(shè)備等)執(zhí)行本發(fā)明各個(gè)實(shí)施場(chǎng)景所述的方法。

本領(lǐng)域技術(shù)人員可以理解附圖只是一個(gè)優(yōu)選實(shí)施場(chǎng)景的示意圖，附圖中的模塊或流程并不一定是實(shí)施本發(fā)明所必須的。

本領(lǐng)域技術(shù)人員可以理解實(shí)施場(chǎng)景中的裝置中的模塊可以按照實(shí)施場(chǎng)景描述進(jìn)行分布于實(shí)施場(chǎng)景的裝置中，也可以進(jìn)行相應(yīng)變化位于不同于本實(shí)施場(chǎng)景的一個(gè)或多個(gè)裝置中。上述實(shí)施場(chǎng)景的模塊可以合并為一個(gè)模塊，也可以進(jìn)一步拆分成多個(gè)子模塊。

上述本發(fā)明序號(hào)僅僅為了描述，不代表實(shí)施場(chǎng)景的優(yōu)劣。

以上公開(kāi)的僅為本發(fā)明的幾個(gè)具體實(shí)施場(chǎng)景，但是，本發(fā)明并非局限于此，任何本領(lǐng)域的技術(shù)人員能思之的變化都應(yīng)落入本發(fā)明的保護(hù)范圍。