(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210923586.3 (22)申请日 2022.08.02 (71)申请人 中汽创智科技有限公司 地址 211100 江苏省南京市江宁区秣陵街 道胜利路8 8号 (72)发明人 马然　 (74)专利代理 机构 广州三环 专利商标代理有限 公司 44202 专利代理师 王若愚 (51)Int.Cl. G06V 20/58(2022.01) G06V 20/70(2022.01) G06V 10/42(2022.01) G06V 10/44(2022.01) G06V 10/75(2022.01)G06V 10/762(2022.01) G06V 10/82(2022.01) G08G 1/14(2006.01) (54)发明名称 一种停车位识别方法和装置 (57)摘要 本发明涉及了一种停车位识别方法和装置， 该方法包括： 利用目标神经网络模 型提取停车场 图像包含的全局语义特征和局部语义特征； 目标 停车位为可用于停车的空闲停车位； 基于目标神 经网络模型中包括的先验停车位入口信息和局 部语义特征， 对初始入口角点信息进行调整， 得 到目标入口角点信息； 先验停车位入口信息包括 标准停车位的标准入口角点方向和标准入口宽 度； 将目标入口角点方向、 目标入口宽度标注在 目标停车位中， 以引导车辆停车。 本方案以先验 停车位入口信息为指导进行停车位入口识别， 减 小了目标神经网络模型的计算量， 使得模型达到 实时的运算速度； 并且， 可 以提高停车位入口识 别精度， 有效地避免停车位误检和方向不准确的 问题。 权利要求书2页 说明书11页 附图3页 CN 115497068 A 2022.12.20 CN 115497068 A 1.一种停车位识别方法， 其特 征在于， 所述方法包括： 获取待识别停车位的停车场图像； 利用目标神经网络模型提取所述停车场图像包含的全局语义特征和局部语义特征； 所 述全局语义特征用于确定目标停车位的初始入口角点信息； 所述目标停车位为可用于停车 的空闲停车位； 基于所述目标神经网络模型中包括的先验停车位入口信 息和所述局部语义特征， 对所 述初始入口角点信息进行修正， 得到目标入口角点信息， 所述 目标入口角点信息包括 目标 入口角点方向和目标入口宽度； 所述先验停车位入口信息包括标准停车位的标准入口角点 方向和标准入口宽度； 将所述目标入口角点方向、 所述目标入口宽度标注在所述目标停车位中， 以引导车辆 停车。 2.根据权利要求1所述的方法， 其特征在于， 所述目标神经网络模型通过以下方法训练 得到： 将停车场样本图像数据集和预先获取的先验停车位入口信息输入初始神经网络模型 中； 利用所述初始神经网络模型的特征主干网络， 提取所述停车场样本图像包括的各个单 元格的样本全局特征信息； 所述样本全局特征信息包括： 所述单元格是否位于样本目标停 车位内部、 所述样本目标停车位的类别、 所述样本目标停车位的样本初始入口角点信息、 所 述目标停车位是否被占用； 利用所述特征主干网络， 提取所述各个单元格的样本局部特征信息， 所述样本局部特 征信息用于对所述样本初始入口角点信息进 行修正， 得到预测入口角点方向和预测入口宽 度； 基于预先确定的目标先验停车位入口信 息和所述样本目标停车位的真实入口信 息， 分 别确定所述预测入口角点方向对应的第一残差和所述预测入口宽度对应的第二残差； 基于所述第 一残差和所述第 二残差对所述初始神经网络模型进行训练， 得到目标神经 网络模型。 3.根据权利要求2所述的方法， 其特征在于， 所述确定所述预测入口角点方向对应的第 一残差， 包括： 获取所述先验停车位入口信 息中包括的标准入口角点方向和标准入口宽度， 并获取所 述真实入口角点信息中包括的真实入口角点方向和真实入口宽度； 确定以e为底， 以所述预测入口角点方向为指数的指数函数的值， 得到方向指数值； 确定所述标准入口角点方向和所述方向指数值的乘积， 得到方向乘积； 确定所述方向乘积和所述真实入口角点方向之间的差的二次方， 得到所述第一残差 。 4.根据权利要求3所述的方法， 其特征在于， 所述确定所述预测入口宽度对应的第 二残 差， 包括： 确定以e为底， 以所述预测入口宽度为指数的指数函数的值， 得到距离指数值； 确定所述标准入口宽度和所述距离指数值的乘积， 得到距离乘积； 确定所述距离乘积和所述真实入口宽度之间的差的二次方， 得到所述第二残差 。 5.根据权利要求2所述的方法， 其特征在于， 在利用目标神经网络模型提取所述停车场权　利　要　求　书 1/2 页 2 CN 115497068 A 2图像包含的全局语义特 征和局部语义特 征之前， 还 包括： 获取停车位样本图像数据集； 所述停车位样本图像数据集中包括当前存在的各种类型 的停车位图像； 对所述停车位样本图像数据集执行聚类算法， 得到目标数量个聚类簇， 其中， 每个所述 聚类簇包括相似类型的停车位； 分别获取各个所述聚类簇 中的停车位的入口角点方向和入口宽度， 得到所述目标数量 组先验停车位入口信息 。 6.根据权利要求5所述的方法， 其特征在于， 在 分别确定所述预测入口角点方向对应的 第一残差和所述预测入口宽度对应的第二残差之前， 还 包括： 将所述目标数量组先验停车位入口信息与所述样本目标停车位对应的真实入口角点 信息进行匹配， 得到目标匹配度； 从所述目标数量组先验停车位入口信 息中， 选取所述目标匹配度 大于或等于预设的匹 配度阈值的先验停车位入口信息， 作为目标 先验停车位入口信息 。 7.根据权利要求1所述的方法， 其特征在于， 所述目标入口宽度为所述目标停车位的左 入口角点和右入口角点之间的欧氏距离 。 8.一种停车位识别装置， 其特 征在于， 所述装置包括： 图像获取模块， 用于获取待识别停车位的停车场图像； 特征提取模块， 用于利用目标神经网络模型提取所述停车场图像包含的全局语义特征 和局部语义特征； 所述全局语义特征用于确定目标停车位的初始入口角点信息； 所述 目标 停车位为可用于停车的空 闲停车位； 目标入口角点信 息获取模块， 用于基于所述目标神经网络模型中包括的先验停车位入 口信息和所述局部语义特征， 对 所述初始入口角点信息进行修正， 得到目标入口角点信息， 所述目标入口角点信息包括目标入口角点方向和目标入口宽度； 所述先验停车位入口信息 包括标准停车位的标准入口角点方向和标准入口宽度； 标注模块， 用于将所述目标入口角点方向、 所述目标入口宽度标注在所述目标停车位 中， 以引导车辆停车。 9.一种电子设备， 其特征在于， 所述电子设备包括处理器和存储器， 所述存储器中存储 有至少一条指 令、 至少一段程序、 代码集 或指令集， 所述至少一条指 令、 所述至少一段程序、 所述代码集或指 令集由所述处理器加载并执行以实现如权利要求 1‑7任一项所述的停车位 识别方法。 10.一种计算机可读存储介质， 其特征在于， 所述存储介质中存储有至少一条指令、 至 少一段程序、 代码集或指令集， 所述至少一条指令、 所述至少一段程序、 所述代码集或指令 集由处理器加载并执 行以实现如权利要求1 ‑7任一项所述的停车位识别方法。权　利　要　求　书 2/2 页 3 CN 115497068 A 3