基于道路视频识别的无线停车方法及相关装置
申请人信息
- 申请人:深圳市前海铼停科技有限公司
- 申请人地址:518000 广东省深圳市前海深港合作区前湾一路1号A栋201室(入驻深圳市前海商务秘书有限公司)
- 发明人: 深圳市前海铼停科技有限公司
专利详细信息
| 项目 | 内容 |
|---|---|
| 专利名称 | 基于道路视频识别的无线停车方法及相关装置 |
| 专利类型 | 发明授权 |
| 申请号 | CN202311345738.7 |
| 申请日 | 2023/10/18 |
| 公告号 | CN117095338B |
| 公开日 | 2024/2/6 |
| IPC主分类号 | G06V20/40 |
| 权利人 | 深圳市前海铼停科技有限公司 |
| 发明人 | 姜华; 丁家亮; 刘裕发 |
| 地址 | 广东省深圳市前海深港合作区前湾一路1号A栋201室(入驻深圳市前海商务秘书有限公司) |
摘要文本
深圳市前海铼停科技有限公司取得“一种透气窗帘布”专利技术,本发明涉及图像识别技术领域,公开了一种基于道路视频识别的无线停车方法及相关装置,用于提高基于道路视频识别的无线停车的准确率。包括:对目标停车场进行区域划分及空闲位置标定,得到多个待停车区域及多个空闲位置并进行待驶入区域建模得到待驶入空间模型;对目标车辆进行道路视频采集,得到目标车辆的待分析道路视频;对待分析道路视频进行环境特征提取,得到环境特征集,对待驶入空间模型进行待驶入空间位置映射,得到待驶入空间位置区域;将待驶入空间位置区域及当前位置信息输入深度强化学习模型进行行驶路线规划,得到目标行驶路线并进行导航模块匹配,得到多个外部导航模块,以及控制多个外部导航模块进行导航指引。
专利主权项内容
1.一种基于道路视频识别的无线停车方法,其特征在于,所述基于道路视频识别的无线停车方法包括:通过目标停车场的每个停车位中安装的物联网数据检测单元进行车位占用情况分析,得到车位占用数据;通过所述车位占用数据对所述目标停车场进行区域划分以及空闲位置标定,得到多个待停车区域以及多个空闲位置,对多个所述待停车区域以及多个所述空闲位置进行待驶入区域建模,得到待驶入空间模型;具体包括:通过预置的分布式算法对所述车位占用数据进行分布式存储,得到多个数据节点以及每个数据节点的存储数据;对每个所述数据节点的存储数据进行数据聚合处理,得到聚合数据集;对所述聚合数据集进行缺失值填充,得到待分析聚合数据集;对所述待分析聚合数据集进行车位状态统计,得到多个所述空闲位置;将每个所述数据节点的存储数据输入预置的卷积神经网络进行停车场布局分析,得到停车场布局信息;通过多个所述空闲位置对所述停车场布局信息进行区域划分,得到多个所述待停车区域;对多个所述待停车区域以及多个所述空闲位置进行待驶入区域建模,得到待驶入空间模型;其中,对多个所述待停车区域进行区域边界提取,得到每个所述待停车区域的区域边界信息;基于多个所述空闲位置以及每个所述待停车区域的区域边界信息,对每个所述待停车区域进行空闲位置数量计算,得到每个所述待停车区域的空闲位置数量;通过每个所述待停车区域的空闲位置数量,对多个所述待停车区域进行区域空间结构提取,得到每个所述待停车区域的区域空间结构;对每个所述待停车区域的区域空间结构进行高维特征转换,得到高维特征集合;通过所述高维特征集合进行待驶入区域建模,得到所述待驶入空间模型;获取目标车辆的当前位置信息,基于所述当前位置信息,在预设的时间区间内对所述目标车辆进行道路视频采集,得到所述目标车辆的待分析道路视频;具体包括:通过所述目标车辆的位置传感器进行位置信息采集,得到所述目标车辆的当前位置信息;对所述目标车辆进行物联网节点匹配,得到所述目标车辆对应的多个物联网节点;通过所述当前位置信息对多个所述物联网节点进行节点筛选,得到多个目标物联网节点;通过多个所述目标物联网节点进行图像采集终端匹配,得到多个图像采集终端;分别对每个所述图像采集终端进行工作参数分析,得到每个所述图像采集终端的工作参数集;基于每个所述图像采集终端的工作参数集,控制每个所述图像采集终端在预设的时间区间内对所述目标车辆进行道路视频采集,得到所述目标车辆的待分析道路视频;对所述待分析道路视频进行环境特征提取,得到环境特征集,并通过所述环境特征集对所述待驶入空间模型进行待驶入空间位置映射,得到对应的待驶入空间位置区域;具体包括:对所述待分析道路视频进行视频分割,得到多个道路视频帧;分别对每个所述道路视频帧进行图像特征提取,得到每个所述道路视频帧的图像特征集,其中,所述图像特征集包括颜色分布数据、纹理特征以及图像轮廓数据;对所述道路视频帧的图像特征集进行特征连接处理,得到所述环境特征集;通过所述环境特征集对所述待驶入空间模型进行待驶入空间位置映射,得到对应的待驶入空间位置区域;其中,对所述环境特征集进行编码表数据分析,得到所述环境特征集对应的目标编码表;通过所述目标编码表对所述环境特征集进行特征融合编码,得到融合编码特征;通过所述融合编码特征对所述待驶入空间模型进行相关位置坐标分析,生成对应的相关位置坐标集合;通过所述相关位置坐标集合对所述待驶入空间模型进行待驶入空间位置映射,得到对应的待驶入空间位置区域;将所述待驶入空间位置区域以及所述当前位置信息输入预置的深度强化学习模型进行行驶路线规划,得到目标行驶路线,并对所述目标行驶路线进行导航模块匹配,得到多个外部导航模块,以及控制多个所述外部导航模块进行导航指引;具体包括:将所述待驶入空间位置区域以及所述当前位置信息输入所述深度强化学习模型进行状态表示构建,得到目标状态表示参数;将所述目标状态表示参数输入所述深度强化学习模型的深度神经网络进行路径动作匹配,得到路径动作信息;对所述路径动作信息进行动作调整参数分析,得到动作调整参数集;通过所述动作调整参数集,将所述目标状态表示参数以及所述路径动作信息输入所述深度强化学习模型进行迭代分析,得到目标行驶路线;对所述目标行驶路线进行路线分割,得到多个行驶子路线;分别对每个所述行驶子路线进行导航模块匹配,得到多个外部导航模块,以及控制多个所述外部导航模块进行导航指引。