买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：苏州优鲜信网络生活服务科技有限公司

摘要：本申请的视频图像解析的场内动态车位检测与导引系统及方法，涉及车位检测与定位技术领域，通过构建车位唯一标识码，收集停车场内所有摄像头的视频，建立停车场三维模型，将停车场三维模型投射到平面，确定停车场的电子地图；获取视频中连续帧的视频图像数据，根据连续帧的视频图像数据和车位唯一标识码确定每个车位的车位状态；利用标记好车位状态的视频图像数据训练得到车位状态识别模型；设置轮询间隔T，通过轮询每个摄像头获取实时视频图像数据，将实时视频图像数据输入车位状态识别模型，确定每个车位的实时车位状态，并对电子地图中的车位状态进行更新；根据实时车位状态引导用户车辆入位，为用户提供到达空车位的最优路径。

主权项：1.视频图像解析的场内动态车位检测与导引方法，其特征在于，包括：构建车位唯一标识码，收集停车场内所有摄像头的视频，建立停车场三维模型，将停车场三维模型投射到平面，确定停车场的电子地图；获取视频中连续帧的视频图像数据，根据连续帧的视频图像数据和车位唯一标识码确定每个车位的车位状态；利用标记好车位状态的视频图像数据训练得到车位状态识别模型；设置轮询间隔T，通过轮询每个摄像头获取实时视频图像数据，将实时视频图像数据输入车位状态识别模型，确定每个车位的实时车位状态，并对电子地图中的车位状态进行更新；根据实时车位状态引导用户车辆入位；所述设置轮询间隔T的具体方法为：将停车场摄像头系统的系统负载和数据实时性差异加权求和的结果定义为目标函数fT，将轮询间隔的取值范围定义为约束条件，设定初始的T值；采用遗传算法进行迭代，计算每个T值的目标函数fT，设定适应度评价阈值，将目标函数大于适应度评价阈值的T值进行交叉变异操作，得到下一代T值，重复该过程，每重复一次，迭代次数加1；设定最大迭代次数，当迭代次数到达最大迭代次数时停止，将目标函数值最小的T值作为轮询间隔；所述根据实时车位状态引导用户车辆入位的具体方法为：预设入口位置m，将电子地图中的通道作为边，两个车位之间的空间距离作为边的权重，计算每个车位的综合权重，将综合权重最小的车位作为目标车位，从入口位置出发，不断沿着当前节点的邻居节点中综合权重最小的节点前进，直到到达目标车位；所述构建车位唯一标识码，收集停车场内所有摄像头的视频，建立停车场三维模型，将停车场三维模型投射到平面，确定停车场的电子地图的具体方法为：使用激光雷达获取停车场的点云数据，构建停车场的三维模型；在停车场的三维模型上标注车位、行车道路、障碍物的语义信息；根据摄像头的内外参数，建立三维模型到平面的投影映射；为停车场内的每个车位生成车位唯一标识码，根据每个车位唯一标识码和平面的投影映射，构建停车场的电子地图；所述根据摄像头的内外参数，建立三维模型到图像平面的投影映射的具体方法为：获取摄像头的内参数和外参数，得到内参矩阵K和外参矩阵；所述内参矩阵中的内参数包括：摄像头的焦距fx，fy、光学中心cx，cy，内参矩阵为；所述外参矩阵中的外参数包括：相机的旋转矩阵R和平移向量t；将三维模型中的点X，Y，Z转换到摄像头坐标系中，得到摄像头坐标系下的该点坐标x，y，z；所述将三维模型中的点X，Y，Z转换到摄像头坐标系中，得到摄像头坐标系下的该点坐标x，y，z的计算公式为：；将摄像头坐标系中的点投影到二维归一化平面，得到归一化平面中的该点坐标；所述将摄像头坐标系中的点投影到二维归一化平面，得到归一化平面中的该点坐标的计算公式为：；通过摄像头的内参数将归一化平面中的点映射到像素坐标u，v；所述通过摄像头的内参数将归一化平面中的点映射到像素坐标u，v的计算公式为：；所述获取视频中连续帧的视频图像数据，根据连续帧的视频图像数据和车位唯一标识码确定每个车位的车位状态的具体方法为：在高峰时段和非高峰时段分别收集停车场所有摄像头的视频图像数据；收集包含不同类型车辆占用车位的视频图像数据，所述不同类型车辆包括但不限于：轿车、SUV、卡车；按照车位状态对视频图像数据进行人工标注，在视频图像数据上标注出每个车位的车位状态，所述车位状态包括：空车位、有车、车辆正在停入、车辆正在驶离；对于每个车位，整合该车位在不同视频图像数据中的不同视角；对于部分被遮挡的车位，根据其车位唯一标识码在其他摄像头视角下查找该车位的视频图像数据，根据该视频图像上的车位状态，统一并标注部分被遮挡的车位的车位状态；所述利用标记好车位状态的视频图像数据训练得到车位状态识别模型的具体方法为：将每个车位的图像裁剪出来得到车位裁剪图像，将车位裁剪图像作为训练车位状态识别模型的输入；对车位裁剪图像进行归一化处理，并将车位裁剪图像进行旋转、翻转、缩放操作，构成数据集；将标注好的数据集划分为训练样本、验证样本和测试样本；选择卷积神经网络作为训练车位状态识别模型的初始模型，将车位裁剪图像作为训练车位状态识别模型的输入数据，将每张车位裁剪图像对应标注的车位状态作为输出数据，将准确识别每张车位裁剪图像的车位状态作为预测目标，将最小化车位状态识别模型在训练集上的总损失作为训练目标，当损失函数达到收敛时停止训练，得到车位状态识别模型；所述损失函数的计算公式为：，其中，M表示车位状态的类别总数，是用于表示训练样本o中的车位状态是否属于类别c的指示变量，表示预测的训练样本o中的车位状态属于类别c的概率；所述车位状态的类别总数M包括：空车位、有车、车辆正在停入、车辆正在驶离，M等于4。

全文数据：

权利要求：

百度查询： 苏州优鲜信网络生活服务科技有限公司 视频图像解析的场内动态车位检测与导引系统及方法