[0073] 进一步地，所述判断所述车辆位于停车位区域内的步骤还可以包括：若在连续n个视频帧图像中所述车辆均位于停车位区域内，则确认所述车辆位于停车位区域内，n大于或等于预设阈值。其中，预设阈值可以为3、4等，本发明实施例不做限定。通过进一步设定位于停车位区域内的静止帧数，可以防止将误驶入停车区域的逆向车辆作为违章车辆，进一步提升违章停车管理的准确性。

[0074] 进一步地，当确认车辆存在逆向停车行为，则输出告警信息，所述告警信息用于提示所述车辆为违章车辆。其中，告警信息可以为文本信息、音频信息、视频信息等，本发明实施例不做限定。对于本发明实施例，通过输出告警信息，从而可以进一步保证违章车辆处理的及时性和准确性。

[0075] 本发明实施例的其中一种具体实现方式可以如图3所示，但不限于此，具体步骤可以包括：

[0076] S1、利用高位视频停车设备获取当前停车位的连续视频帧。

[0077] 在执行步骤S1之前可以预先做如下准备工作，包括：预先训练车头车尾特征的卷积神经网络模型并加载到装置中；预先训练车辆检测的卷积神经网络模型并加载到装置中。

[0078] S2、在采集到的任一视频帧中标定停车位区域，确定所述停车位区域的坐标信息。

[0079] S3、获取当前视频帧，使用卷积神经网络模型对视频帧进行车辆的车头车尾特征检测，对其中的车头车尾信息为逆向的记录并预警，同时开启停车位监测；

[0080] 具体地，包括以下步骤：

[0081] S3.1、获取视频帧，运用神经网络模型对视频帧进行车辆的车头车尾特征全帧检测；

[0082] S3.2、对检测到的每一个车头车尾目标进行方向的判断，结果跟设定停车方向相反的为逆向；如果每一个车头车尾目标方向均为正向，则将装置的有无逆向车辆的开关设置为无，循环步骤S3；装置检测到视频帧中存在逆向车辆时，则保存逆向的车头车尾信息特征，将装置的有无逆向车辆的开关设置为有，继续执行步骤S4。

[0083] S4、检测到视频帧中存在逆向车辆时，用车辆检测工具检测车辆，判断停车位中是否停入车辆；每一视频帧都做此步骤计算，直到有无逆向车辆的开关设置为无为止；

[0084] 具体地，包括以下步骤：

[0085] S4.1、运用已加载的车辆检测的神经网络训练模型对视频帧进行车辆检测，获得视频帧中所有车辆目标的边界框；

[0086] S4.2、计算每个车辆目标的下边界的中点是否在停车位区域内。若其中点在停车位区域内，则确定有车辆驶入该停车位内，否则，则该停车位内没有车辆驶入。

[0087] S4.3、保存当前帧的停车位车辆有无状态。

[0088] S5、继续对后一视频帧的车辆进行车头车尾特征检测结果并跟前帧预警车辆特征匹配；

[0089] 具体地，包括以下步骤：

[0090] S5.1、获取当前视频帧的连续后一帧，运用神经网络模型对后一视频帧进行车辆的车头车尾特征全帧检测；

[0091] S5.2、检测到后一帧中的逆向的车头车尾特征信息；

[0092] S5.3、匹配前后帧中逆向的车头车尾特征信息；如果前一帧中的逆向车头车尾特征都能在后一帧中匹配成功，则继续步骤S6；否则继续步骤S7。

[0093] S6、获取连续视频帧，结合逆向车辆位置的变化及其是否停车入位的判断，计算结果是否满足逆向停车规则，若满足，则上报车辆的违章逆向停车行为；

[0094] 具体地，包括以下步骤：

[0095] S6.1、逆向车辆的车头车尾匹配成功后，其各自检测边界框的位置的变化；如果其位置变化已静止，继续步骤S6.2，计算位置是否位于停车位区域内；否则继续获取下一视频帧，循环步骤S5。

[0096] S6.2预警车辆的车头车尾匹配成功后，如果其位置变化已静止，即满足步骤S6.1的静止条件，计算位置是否位于停车位区域内。计算位置是否位于停车位区域内的算法同步骤S4.2。如果不在停车位内，则进入停车位的计数置为0；如果在停车位内，则进入停车位的计数加1；

[0097] S6.3计算逆向车辆的车头车尾静止并处于停车位内的连续帧数。如果静止并处于停车位内的连续帧数达到n帧以上(通常n＝3)，就视为预警逆向停车车辆已进入停车位停车，可以上报车辆的违章逆向停车行为，同时装置的有无逆向车辆的开关设置为无。如果连续帧数未达到数量要求，则循环步骤S5。

[0098] S7结合车辆位置的变化及停车位是否有车驶入的判断，计算结果是否满足逆向停车规则，若满足，则上报车辆的违章逆向停车行为。

[0099] 具体地，包括以下步骤：

[0100] S7.1逆向车辆的车头车尾匹配未成功时，查看以前各视频帧中预警车辆出现时各边界框的位置的变化。结合这些变化，可以实现预警车辆位置的跟踪；

[0101] S7.2计算停车位内是否有逆向的车头车尾特征信息，如果没有逆向车辆的车头车尾位于停车位内，则继续S7.3；如果有继续S4；

[0102] S7.3查询步骤4计算的视频帧中停车位是否有车驶入的状态信息；如果逆向车辆的车头车尾特征信息匹配不成功的第一帧起，停车位内由无到有，存在车辆驶入，则计为车辆逆向停车进入停车位的第一帧；

[0103] S7.4计算逆向车辆的车头车尾匹配不成功并且停车位内驶入车辆的连续帧数。如果达到n帧以上(通常n＝3)，就视为预警逆向停车车辆已进入停车位停车，可以上报车辆的违章逆向停车行为，同时装置的有无逆向车辆的开关设置为无。如果连续帧数未达到数量要求，则循环步骤S5。

[0104] 本发明实施例提供的一种路侧逆向停车的判断方法，通过根据车辆的车头车尾特征信息和连续视频帧图像中逆向车辆的位置变化信息，确定所述车位对应的逆向停车行为，与目前通过人工的方式进行违章停车管理相比，可以提高违章停车管理效率和准确率，同时降低违章停车管理成本。

[0105] 为实现本发明实施例提供的方法，本发明实施例提供一种路侧逆向停车的判断装置，如图2所示，该装置包括：标注模块21、视频采集模块22、检测模块23、判断模块24、通讯模块25；

[0106] 视频采集模块22，用于采集当前视频帧图像。

[0107] 其中，视频帧图像是通过高位视频停车设备进行采集的，视频帧图像具体可以包括停车位区域图像，停车位附近行车道区域图像等，本发明实施例不做限定。

[0108] 检测模块23，用于通过预置卷积神经网络模型从所述视频帧图像中获取车辆的车头车尾特征信息，并根据所述车辆的车头车尾特征信息，获取逆向车辆。

[0109] 其中，预置卷积神经网络模型可以为SSD卷积网络模型等，本发明实施例不做限定。

[0110] 判断模块24，用于根据从当前视频帧开始的连续视频帧图像中所述逆向车辆的位置变化信息，确认所述车辆是否存在逆向停车行为。

[0111] 进一步地，所述检测模块23，具体用于若根据所述车辆车头车尾特征信息，判断所述车辆的方向与预置停车方向相反，则确认所述车辆为逆向车辆。

[0112] 进一步地，所述判断模块24，具体用于若根据从当前视频帧开始的连续多个视频帧图像中所述车辆的位置变化信息，判断所述车辆位于停车位区域内并处于静止状态，则确认所述车辆为逆向停车行为。

[0113] 对于本发明实施例，所述判断所述车辆是否处于静止状态的步骤可以包括：若逆向车辆的车头车尾的检测边界框连续n帧内其位置最大变化在阈值内，通常取阈值为变化方向上边界框边长的1/2，则确认该车辆处于静止状态。其中n可以为3、4等，本发明实施例不做限定。

[0114] 例如，前一帧中逆向车辆的车头车尾检测边界框的中心点为(x0，y0)，后一帧中匹配的逆向车辆的车头车尾检测边界框的中心点为(x1，y1),宽为W1，高为H1，则其变化为Eh＝abs(y1-y0)，Ew＝abs(x1-x0)，如果Eh

[0115] 进一步地，所述判断模块24，还用于若在所述停车位区域未识别到所述车辆，则根据从当前视频帧开始的连续多个视频帧图像中所述车辆的位置变化信息，判断最后一帧视频图像中所述车辆在车位旁是否消失并且所述车辆消失的同时所述车位内的车辆是否从无到有；若是，则确认所述车辆位于停车位区域内并且所述车辆为逆向停车行为。

[0116] 进一步地，所述视频采集模块22，还用于采集视频流中的任意一帧图像；所述标注模块21，用于标注并保存图像中的停车位坐标信息，所述停车位坐标信息包括停车位边界的四个点的坐标。

[0117] 例如，选取连续视频帧中的任一帧图像，对该帧图像中的停车位区域进行绘制，以停车位的某一顶点A(a0，b0)作为起点，沿停车位的边界绘制多边形，并记录多边形的各个顶点B(a1，b1)、C(a2，b2)、D

[0118] (a3，b3)，最后形成闭合的四边形，该闭合的四边形即为绘制的停车区域。本项工作可在设备调试成功时进行；装置开始启用时，自动加载这些停车位的坐标信息以作为车辆是否停车入位的判断依据。

[0119] 进一步地，所述判断模块24，具体还用于检测视频帧图像中所述车辆对应的边界框，所述边界框为预先训练配置的；根据所述边界框的坐标信息和所述停车位坐标信息判断所述车辆对应的边界框的下边界中点是否在停车位区域内；若其中点在停车位区域内，则确定有车辆驶入该停车位内。

[0120] 例如，停车位四边形的顶点为A(a0，b0)、B(a1，b1)、C(a2，b2)、D(a3，b3)，某车辆目标的边界框的顶点坐标为(x0，y0)、

[0121] (x1，y0)、(x0，y1)、(x1，y1)，x0

[0122] 进一步地，所述判断模块24，具体还用于若在连续n个视频帧图像中所述车辆均位于停车位区域内，则确认所述车辆位于停车位区域内，n大于或等于预设阈值。

[0123] 其中，预设阈值可以为3、4等，本发明实施例不做限定。通过进一步设定位于停车位区域内的静止帧数，可以防止将误驶入停车区域的逆向车辆作为违章车辆，进一步提升违章停车管理的准确性。

[0124] 进一步地，所述检测模块23，具体还用于通过预置卷积神经网络模型对所述视频帧图像进行全帧检测，得到车辆的车头车尾特征信息。

[0125] 进一步地，所述判断模块24，具体还用于从当前视帧开始的连续视频帧图像中分别获取所述车辆车头或者车尾对应的边界框；根据所述车辆车头或者车尾对应的边界框的坐标位置变化确认所述车辆的位置变化信息。

[0126] 进一步地，所述装置还包括：通讯模块25；所述通讯模块25，用于若所述车辆存在逆向停车行为，则输出告警信息，所述告警信息用于提示所述车辆为违章车辆。

[0127] 本发明实施例提供的一种路侧逆向停车的判断装置，通过根据车辆的车头车尾特征信息和连续视频帧图像中逆向车辆的位置变化信息，确定所述车位对应的逆向停车行为，与目前通过人工的方式进行违章停车管理相比，可以提高违章停车管理效率和准确率，同时降低违章停车管理成本。

[0128] 以上所述的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施方式而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

• 停车
• 车辆
• 停车位
• 逆向
• 车尾
• 车头
• 视频
• 违章
• 边界
• 图像