路侧停车检测方法、装置、设备及可读存储介质

技术领域

本发明属于车辆停车技术领域，具体涉及路侧停车检测方法、装置、设备及可读存储介质。

背景技术

科技的快速发展推动机动车数量迅猛增长，有限的封闭式停车场已不能满足停车需求，为此越来越多的路侧或路内停车场应运而生，随着智能信息化的崛起，车位管理正朝着自动化的方向急剧发展。

目前路侧或路内车位检测方法主要是依赖于高位相机直接检测车位上的停车状况，但相机直接检测车位时，容易遇到遮挡物遮挡住停车位(如绿化树生长遮挡)，需要人工多次移除遮挡物或调整监控设备，导致不能很好的识别车辆停车信息。

发明内容

针对现有技术中存在的问题，本发明提供了路侧停车检测方法、装置、设备及可读存储介质，，能够较好的识别车辆停车信息。

为了解决上述技术问题，本发明通过以下技术方案予以实现：

一种路侧停车检测方法，路侧停车位内设置有地磁传感器；

包括：

获取所述停车位所在路段上行驶的目标机动车实时图片；

将所述停车位所在路段上行驶的目标机动车实时图片输入预先构建的机动车停车模型，输出目标机动车所在目标框的中心点与所述地磁传感器之间的距离；

若所述目标机动车所在目标框的中心点与所述地磁传感器之间的距离不大于预设距离阈值，且所述停车位内的地磁传感器检测到机动车进入信号后，则提取所述目标机动车车牌信息并发送至停车收费系统；

记录所述进入信号对应的时间为所述目标机动车停车起始时间；当所述停车位内的地磁传感器检测到机动车离开信号后，记录所述离开信号对应的时间为所述目标机动车停车结束时间。

进一步地，所述机动车停车模型的构建方法包括：

获取所述停车位内地磁传感器信息以及机动车停入所述停车位时的机动车图片信息，形成数据集，将所述数据集分为训练集和测试集；

采用所述训练集训练预设的机动车停车模型，得到训练完成的所述机动车停车模型，所述训练完成的所述机动车停车模型输出机动车所在目标框的中心点与所述地磁传感器之间的距离，所述预设的机动车停车模型采用YOLOV5框架和DIOU算法。

进一步地，所述机动车停车模型的构建方法还包括：

采用所述测试集测试所述训练完成的所述机动车停车模型，若测试结果不满足预设精度，则继续训练模型，直至测试结果满足预设精度，则得到最终的所述机动车停车模型。

进一步地，所述获取所述停车位内地磁传感器信息以及机动车停入所述停车位时的机动车图片信息，形成数据集后，还包括：

将所述数据集采用数据增强方法进行数据增强处理。

进一步地，所述数据增强方法包括mosaic、按角度旋转、正则化处理和随机增加错误标签。

一种路侧停车检测装置，路侧停车位内设置有地磁传感器，包括：

获取模块，用于获取所述停车位所在路段上行驶的目标机动车实时图片；

输出模块，用于将所述停车位所在路段上行驶的目标机动车实时图片输入预先构建的机动车停车模型，输出目标机动车所在目标框的中心点与所述地磁传感器之间的距离；

判断提取模块，若所述目标机动车所在目标框的中心点与所述地磁传感器之间的距离不大于预设距离阈值，且所述停车位内的地磁传感器检测到机动车进入信号后，则提取所述目标机动车车牌信息并发送至停车收费系统；

停车时间记录模块，用于记录所述进入信号对应的时间为所述目标机动车停车起始时间；当所述停车位内的地磁传感器检测到机动车离开信号后，记录所述离开信号对应的时间为所述目标机动车停车结束时间。

一种设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现所述一种路侧停车检测方法的步骤。

一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现一种路侧停车检测方法的步骤。

与现有技术相比，本发明至少具有以下有益效果：本发明提供的一种路侧停车检测方法，在路侧停车位内设置有地磁传感器；获取停车位所在路段上行驶的目标机动车实时图片；将停车位所在路段上行驶的目标机动车实时图片输入预先构建的机动车停车模型，输出目标机动车所在目标框的中心点与地磁传感器之间的距离；若目标机动车所在目标框的中心点与地磁传感器之间的距离不大于预设距离阈值，且停车位内的地磁传感器检测到机动车进入信号后，则提取目标机动车车牌信息并发送至停车收费系统；记录进入信号对应的时间为目标机动车停车起始时间；当停车位内的地磁传感器检测到机动车离开信号后，记录离开信号对应的时间为目标机动车停车结束时间。采用本发明的停车检测方法，无需高位相机直接检测车位上的停车状况，而获取的是停车位所在路段上行驶的目标机动车实时图片，这样便避免了相机直接检测车位时，容易遇到绿化树生长遮挡住停车位，进而需要人工多次移除遮挡物或调整监控设备，导致不能很好的识别车辆停车信息的问题。本发明能够有效的识别车辆停车信息。

为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。

附图说明

为了更清楚地说明本发明具体实施方式中的技术方案，下面将对具体实施方式描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为某一实施例中路侧停车检测方法流程图；

图2为某一实施例中路侧停车检测示意图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合附图对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明一种路侧停车检测方法，在路侧停车位内设置有地磁传感器，具体如下：

获取停车位所在路段上行驶的目标机动车实时图片；

将停车位所在路段上行驶的目标机动车实时图片输入预先构建的机动车停车模型，输出目标机动车所在目标框的中心点与地磁传感器之间的距离；

若目标机动车所在目标框的中心点与地磁传感器之间的距离不大于预设距离阈值，且停车位内的地磁传感器检测到机动车进入信号后，则提取目标机动车车牌信息并发送至停车收费系统；

记录进入信号对应的时间为目标机动车停车起始时间；当停车位内的地磁传感器检测到机动车离开信号后，记录离开信号对应的时间为目标机动车停车结束时间。

具体地说，机动车停车模型的构建方法包括：

获取停车位内地磁传感器信息以及机动车停入停车位时的机动车图片信息，形成数据集，将数据集分为训练集和测试集；优选的，将数据集采用数据增强方法进行数据增强处理，数据增强方法包括mosaic、按角度旋转、正则化处理和随机增加错误标签；

采用训练集训练预设的机动车停车模型，得到训练完成的机动车停车模型，训练完成的机动车停车模型输出机动车所在目标框的中心点与地磁传感器之间的距离，预设的机动车停车模型采用YOLOV5框架和DIOU算法；

优选的，采用测试集测试训练完成的机动车停车模型，若测试结果不满足预设精度，则继续训练模型，直至测试结果满足预设精度，则得到最终的机动车停车模型。

本发明提供的一种路侧停车检测装置，包括：

获取模块，用于获取停车位所在路段上行驶的目标机动车实时图片；

输出模块，用于将停车位所在路段上行驶的目标机动车实时图片输入预先构建的机动车停车模型，输出目标机动车所在目标框的中心点与地磁传感器之间的距离；

判断提取模块，若目标机动车所在目标框的中心点与地磁传感器之间的距离不大于预设距离阈值，且停车位内的地磁传感器检测到机动车进入信号后，则提取目标机动车车牌信息并发送至停车收费系统；

停车时间记录模块，用于记录进入信号对应的时间为目标机动车停车起始时间；当停车位内的地磁传感器检测到机动车离开信号后，记录离开信号对应的时间为目标机动车停车结束时间。

实施例：

结合图1和图2所示，利用路侧监控设备追踪采集阈值内(路侧8个停车位对应车行道)动态车辆图像信息，这些图像用于车位定位、车牌识别和车辆特征提取。同时对阈值内车辆进行多目标跟踪，追踪目标车辆中心点与地磁传感器中心点之间的距离，使之与通过YOLOV5框架和DIOU算法而得到的机动车停车模型进行比对，若满足一定距离(如：30cm)的阈值，监控摄像机提取此车信息，则确认此车在与之最接近的地磁传感器车位上停车，记录停车起始时间，上传至停车收费系统，反之删除已被摄像机提取的车辆信息。若此车位内地磁传感器车位由占用转为空闲，提取地磁传感器上对应停车位上的车辆信息上传至停车收费系统，记录停车结束时间。

参见图1，本实施例路侧停车检测方法如下：

1、通过手机拍摄和路侧相机拍摄路侧机动车停车图，监控视频中机动车停车图，对机动车停车图进行标注和清洗，分别建立车辆运动数据集，且通过多种方式进行数据增强，扩充样本量。

2、通过YOLOV5S框架和DIOU算法训练扩充后的机动车停车数据集，得到机动车停车模型。

3、以监控视频中的停车图为测试集，通过YOLOV5S框架和DIOU算法验证机动车停车模型。

4、对机动车停车图采用YOLOV5S框架和DIOU算法，检测路侧停车路段，跟踪某车运动图，输入机动车停车模型。

5、若在阈值范围内，则该机动车存在停车行为。

6、确认此车在与之最接近的地磁车位上停车，记录停车起始时间，上传至停车收费系统，反之删除已被摄像机提取的车辆信息。

此方法高效解决了由于路侧或路内监控摄像头安装高度有限或存在遮挡物而导致车辆信息无法识别的问题。且无论强光、弱光、雨天、雾霾、雪天等极端环境下，车辆信息也可以高效的识别。该方法适用于路内或路侧无人值守的高位停车场。

本实施例中，样本集为：手机拍摄和路侧相机拍摄共600张图片。数据增强方法：mosaic、按角度旋转、正则化处理和随机增加错误标签的方式，数据增强后的图片总数为：3600张图片。训练的样本集为：数据总数*0.8，测试的样本集为：数据总数-训练数据集，还包括验证的样本集为：路侧监控相机拍摄若干。

本实施例中：

采用深度学习框架PyTorch；

采用网络结构是卷积神经网络YOLOV5S；

激活函数：

最后一个输出的网络单元采用tanh激活函数，其余网络层采用ReLU6激活函数。

损失函数：

DIOU损失函数：DIOU不仅考虑了重叠区域，还考虑了中心点距离和长宽比。DIoU收敛速度和效果都很好，而且DIoU能够用于NMS的计算中。

本实施例中，训练机动车停车模型如下：

利用YOLOV5框架和DIOU算法对训练的样本集和测试的样本集进行训练，得到机动车停车模型。对路侧监控设备获取的验证的样本集，对机动车停车模型图进行验证。

监控设备的部署安装：平行车位采用双云枪相机，一体机对外端口必须是LAN1口，网络交换设备必须使用千兆交换机。立杆在车位同侧，一体机安装高度6米，安装位置在车位外边线的正上方，立杆距离1号车位8～12米距离。覆盖1～8个车位，可以照车头或者车尾，现场应具备220V/50Hz交流电(电压范围100V～240V，最好具有UPS稳压功能，达到一级负载要求)、交流线缆、网络线缆。交流线缆和网络线缆从设备柜布线到路面中间对应的横杆上枪机位置即可。

本发明主要解决高位停车中，若停车位被遮挡后无需人工移除遮挡物，也能高效精准识别车位上的车辆信息，通过手机拍摄和路侧相机拍摄路侧停车图和实际摄像机监测拍摄的路侧停车图，且通过多种方式进行数据增强，扩充样本量，采用YOLOV5S框架及DIOU算法，训练和验证拍摄的路侧停车图，得到最终高识别率的机动车停车模型。

包括图像样本的采集，图像样本的增强、图像样本的划分，图像样本特征的提取，路侧停车模型的构建，路侧停车模型的验证。

通过YOLOV5S可对动态目标车辆追踪和检测，而DIOU损失函数能够高效判定两个目标框中心点距离，训练机动车停车模型，设定原始框为YOLOV5S自识别的通用车辆构成的最大框，目标框以路侧停车位的地磁为中心构成的固定长宽的长方形(可人为设定长宽值，但不能超过国标)，通过YOLOV5框架和DIOU算法(读取两个框的中心点之间的距离以及它们最小框的对角线距离和方向)，确定车辆是否存在停车行为。

停车步骤：

某路侧高位停车路段，若某车需要停车，监控相机实时监控车辆的中心点与路侧地磁之间距离的变化，若车辆中心点与地磁之间的距离达到某一阈值(如：30CM，可人为提前设定)，监控摄像机提取此车信息，则确认此车在与之最接近的地磁车位上停车，记录停车起始时间，上传至停车收费系统，反之删除已被摄像机提取的车辆信息。

本发明在一个实施例中，提供了一种计算机设备，该计算机设备包括处理器以及存储器，所述存储器用于存储计算机程序，所述计算机程序包括程序指令，所述处理器用于执行所述计算机存储介质存储的程序指令。处理器可能是中央处理单元(CentralProcessing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital SignalProcessor、DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable GateArray，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等，其是终端的计算核心以及控制核心，其适于实现一条或一条以上指令，具体适于加载并执行一条或一条以上指令从而实现相应方法流程或相应功能；本发明实施例所述的处理器可以用于一种路侧停车检测方法的操作。

本发明在一个实施例中，一种路侧停车检测方法如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。计算机可读存储介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。

所述计算机存储介质可以是计算机能够存取的任何可用介质或数据存储设备，包括但不限于磁性存储器(例如软盘、硬盘、磁带、磁光盘(MO)等)、光学存储器(例如CD、DVD、BD、HVD等)、以及半导体存储器(例如ROM、EPROM、EEPROM、非易失性存储器(NANDFLASH)、固态硬盘(SSD))等。

本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

最后应说明的是：以上所述实施例，仅为本发明的具体实施方式，用以说明本发明的技术方案，而非对其限制，本发明的保护范围并不局限于此，尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应所述以权利要求的保护范围为准。