基于车位检测模型的夜间停车位检测方法、装置及设备与流程
- 国知局
- 2024-07-31 21:04:35
本公开涉及物联网及人工智能,更具体地涉及一种基于车位检测模型的夜间停车位检测方法、装置、设备、介质及程序产品。
背景技术:
1、当前,随着汽车保有量的迅速增长,停车难问题日益凸显。尤其在夜晚或光线不佳的室外停车场,驾驶员往往难以快速准确地找到空车位,这不仅影响了停车效率,也降低了驾驶体验。智慧停车业务因此应运而生,旨在通过技术手段优化停车过程,提升用户体验。
2、在实现智慧停车的过程中,精准统计每个车位的状态是关键一环。然而,在实际应用中面临着诸多挑战。首先,当大型室外停车场占据整张图像时,所有的车位在图像中像素尺度较小,传统的目标检测模型在这些小目标车位上特征提取效果较差,所以会发生空车位漏检的情况。其次,在室外场景下,图像受到阴天、雨天等不同环境因素影响,导致拍摄的室外停车场图像清晰度较低,无法从中提取到有效的车位特征,使得室外停车场车位检测性能大大降低。不仅如此,日间检测效果好的检测模型在夜间场景下检测精度也会下降。
技术实现思路
1、鉴于上述问题,本公开的实施例提供了一种基于车位检测模型的夜间停车位检测方法、装置、设备、介质及程序产品。
2、根据本公开的第一个方面,提供了一种基于车位检测模型的夜间停车位检测方法,所述方法包括:响应于目标车辆进入夜间停车场,利用设置于所述夜间停车场的图像采集设备,获取所述夜间停车场的图像信息;通过知识蒸馏将图像检测模型与图像增强模型进行融合,生成车位检测模型;基于所述夜间停车场的图像信息,利用所述车位检测模型识别出所述夜间停车场的空余停车位的数量及位置;以及响应于识别成功,给所述目标车辆的驾驶人员发送空余车位图像,使得所述驾驶人员能够根据所述空余车位图像对所述目标车辆进行停车。
3、根据本公开的实施例,所述图像增强模型基于第一编码器和第一解码器构建,所述图像检测模型基于第二编码器构建;所述通过知识蒸馏将图像检测模型与图像增强模型进行融合,生成车位检测模型包括:通过所述第一编码器对所述第一编码器自制的夜间图像数据集进行编码,得到第一潜在特征图,并利用所述第一解码器对所述第一潜在特征图进行解码,得到所述第一解码器的输出;获取日间停车场的日间图像数据集,将所述日间图像数据集输入到所述第二编码器中,得到第二潜在特征图;当所述第二潜在特征图与所述第一潜在特征图之间的损失大于第一规定阈值时,调整所述第二编码器的参数,直至所述第二潜在特征图与所述第一潜在特征图之间的损失小于等于第一规定阈值;以及当所述第一解码器的输出与所述夜间图像数据集之间的损失大于第二规定阈值时,调整所述第一编码器的参数,直至所述第一解码器的输出与所述夜间图像数据集之间的损失小于等于第二规定阈值。
4、根据本公开的实施例,所述基于所述夜间停车场的图像信息,利用所述车位检测模型识别出所述夜间停车场的空余停车位的数量及位置包括:将所述图像信息输入所述车位检测模型,对所述图像信息进行编码,提取所述图像信息的深层特征;通过预先训练的粘合层对所述深层特征进行下采样和整合操作,并进行卷积和批归一化函数处理,得到所述粘合层的输出信息;以及基于所述输出信息,识别所述夜间停车场的空余停车位数量及位置。
5、根据本公开的实施例,预先训练所述粘合层包括:基于改进后的所述图像检测模型,对所述日间图像数据集进行编码,得到第三潜在特征图;通过所述粘合层提取所述第二潜在特征图的夜间特征,并对所述夜间特征进行卷积和批归一化函数处理,获取所述粘合层的输出;以及当所述粘合层的输出与所述第三潜在特征图之间的损失大于第三规定阈值时,调整所述粘合层的参数,直至所述粘合层的输出与所述第三潜在特征图之间的损失小于等于第三规定阈值。
6、根据本公开的实施例,所述通过所述第一编码器对所述第一编码器自制的夜间图像数据集进行编码,得到第一潜在特征图,并利用所述第一解码器对所述第一潜在特征图进行解码,得到所述第一解码器的输出包括:通过所述第一编码器的多个第一子模块对所述夜间图像数据集进行多次卷积和池化操作,得到与各所述第一子模块对应的多层所述第一潜在特征图;通过所述第一解码器的多个第二子模块对最底层的所述第一潜在特征图进行多次反卷积和上采样操作,并将每经过一次上采样后的所述第一潜在特征图与所述编码器对应层的所述第一潜在特征图进行连接;以及对连接后的所述第一潜在特征图进行特征重建,得到所述第一解码器的输出。
7、根据本公开的实施例,所述方法还包括:采用预设的损失函数,计算所述图像检测模型的损失,并调整所述图像检测模型的参数,直至所述损失函数表示所述图像检测模型的损失小于或等于第四规定阈值,其中,所述损失包括边界框回归损失、置信度损失及分类损失。
8、根据本公开的实施例,所述方法还包括:响应于识别成功,通过预设客户端将所述空余车位图像推送至所述驾驶人员,使得所述驾驶人员能够获知所述空余车位图像;以及给所述空余车位图像添加空车位标记框,其中,所述空车位标记框用于表明各空余车位的具体位置。
9、本公开的第二方面提供了一种基于车位检测模型的夜间停车位检测装置,所述装置包括:采集模块,用于响应于目标车辆进入夜间停车场,利用设置于所述夜间停车场的图像采集设备,获取所述夜间停车场的图像信息;融合模块,用于通过知识蒸馏将图像检测模型与图像增强模型进行融合,生成车位检测模型;识别模块,用于基于所述夜间停车场的图像信息,利用所述车位检测模型识别出所述夜间停车场的空余停车位的数量及位置;以及发送模块,用于响应于识别成功,给所述目标车辆的驾驶人员发送空余车位图像,使得所述驾驶人员能够根据所述空余车位图像对所述目标车辆进行停车。
10、本公开的第三方面提供了一种电子设备,包括:一个或多个处理器;存储装置,用于存储一个或多个计算机程序,所述一个或多个处理器执行所述一个或多个计算机程序以实现所述基于车位检测模型的夜间停车位检测方法的步骤。
11、本公开的第四方面还提供了一种计算机可读存储介质,其上存储有计算机程序/指令,该计算机程序/指令被处理器执行时实现所述基于车位检测模型的夜间停车位检测方法的步骤。
12、本公开的第五方面还提供了一种计算机程序产品,包括计算机程序/指令,所述计算机程序/指令被处理器执行时实现所述基于车位检测模型的夜间停车位检测方法的步骤。
13、在本公开的实施例中,通过知识蒸馏将图像检测模型与图像增强模型进行融合,生成车位检测模型,并利用该车位检测模型在弱光环境下进行停车场车位检测,使得在不增加额外夜间数据集的基础上,提升模型检测精度,从而在夜间进行车位检测时,提高车位检测的准确性,避免因盲目寻找车位而耗费大量时间,缓解了不必要的停车场拥堵压力。
技术特征:1.一种基于车位检测模型的夜间停车位检测方法,其特征在于,所述方法包括:
2.根据权利要求1所述的方法,其特征在于,所述图像增强模型基于第一编码器和第一解码器构建,所述图像检测模型基于第二编码器构建;
3.根据权利要求1或2所述的方法,其特征在于,所述基于所述夜间停车场的图像信息,利用所述车位检测模型识别出所述夜间停车场的空余停车位的数量及位置包括:
4.根据权利要求3所述的方法,其特征在于,预先训练所述粘合层包括:
5.根据权利要求2所述的方法,其特征在于,所述通过所述第一编码器对所述第一编码器自制的夜间图像数据集进行编码,得到第一潜在特征图,并利用所述第一解码器对所述第一潜在特征图进行解码,得到所述第一解码器的输出包括:
6.根据权利要求1、2和4中任一项所述的方法,其特征在于,所述方法还包括:
7.根据权利要求1、2和4中任一项所述的方法,其特征在于,所述方法还包括:
8.一种基于车位检测模型的夜间停车位检测装置,其特征在于,所述装置包括:
9.一种电子设备,包括:
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该计算机程序被处理器执行时实现根据权利要求1~7中任一项所述方法的步骤。
11.一种计算机程序产品,包括计算机程序,其特征在于,所述计算机程序被处理器执行时实现根据权利要求1~7中任一项所述方法的步骤。
技术总结本公开提供了一种基于车位检测模型的夜间停车位检测方法,应用于物联网及人工智能技术领域。该方法包括:响应于目标车辆进入夜间停车场,利用设置于夜间停车场的图像采集设备,获取夜间停车场的图像信息;通过知识蒸馏将图像检测模型与图像增强模型进行融合,生成车位检测模型;基于夜间停车场的图像信息,利用车位检测模型识别出夜间停车场的空余停车位的数量及位置;以及响应于识别成功,给目标车辆的驾驶人员发送空余车位图像,使得驾驶人员能够根据空余车位图像对目标车辆进行停车。本公开还提供了一种基于车位检测模型的夜间停车位检测装置、设备、介质和程序产品。技术研发人员:张卓阳,靳远东,龙永梅,纪凡受保护的技术使用者:中国工商银行股份有限公司技术研发日:技术公布日:2024/6/26本文地址:https://www.jishuxx.com/zhuanli/20240731/188234.html
版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容, 请发送邮件至 YYfuon@163.com 举报,一经查实,本站将立刻删除。
下一篇
返回列表