CN111461026B - 车辆姿态识别方法、停车场内车辆状态的检测方法及装置 - Google Patents

Abstract

本申请公开了一种车辆姿态识别方法、停车场内车辆状态的检测方法及装置，车辆姿态识别方法包括：将待识别图像输入预设车辆位置检测模型，得到第一位置信息集合和第二位置信息集合，使得第一位置信息集合包括至少一个车辆位置信息，第二位置信息集合包括至少一个车头位置信息和/或至少一个车尾位置信息，并根据第一位置信息集合和第二位置信息集合，建立第一关联关系，第一关联关系用于记录各车辆位置信息与部位位置信息之间的对应关系。根据第一关联关系和待识别车辆的车辆位置确定待识别车辆的目标部位位置信息，根据待识别车辆的目标部位位置信息确定待识别车辆的姿态信息，提高车辆姿态的确定准确性，从而提高停车场内车辆状态的检测准确性。

Description

车辆姿态识别方法、停车场内车辆状态的检测方法及装置

技术领域

本申请涉及图像处理技术领域，尤其涉及一种车辆姿态识别方法、停车场内车辆状态的检测方法及装置。

背景技术

车辆姿态确定是一种重要的图像处理技术，而且车辆姿态确定是实现确定预设场景(例如，车库、停车场或公路等场景)下车辆状态等技术的前提步骤。其中，车辆姿态确定是指从待识别图像中确定出各待识别车辆的姿态。然而，如何识别从待识别图像中识别出各待识别车辆的姿态成为一个亟待解决的技术问题。

发明内容

为了解决现有技术中存在的以上技术问题，本申请提供一种车辆姿态识别方法、停车场内车辆状态的检测方法及装置，能够提高确定的车辆姿态的准确性，从而提高停车场内车辆状态的检测准确性。

为了实现上述目的，本申请实施例提供的技术方案如下：

本申请实施例提供了一种车辆姿态识别方法，包括：

将待识别图像输入预设车辆位置检测模型，得到第一位置信息集合和第二位置信息集合；所述待识别图像包括至少一个待识别车辆；所述第一位置信息集合包括至少一个车辆位置信息，所述第二位置信息集合包括至少一个车头位置信息和/或至少一个车尾位置信息；所述预设车辆位置检测模型是利用训练图像以及所述训练图像中的实际位置信息训练得到的；所述实际位置信息包括实际车辆位置信息、实际车头位置信息或实际车尾位置信息中的至少两种；

根据所述第一位置信息集合和所述第二位置信息集合，建立第一关联关系，所述第一关联关系用于记录各车辆位置信息与各部位位置信息之间的对应关系，所述部位位置信息为车头位置信息或车尾位置信息；

根据所述第一关联关系和所述待识别车辆的车辆位置信息，确定待识别车辆的目标部位位置信息；

根据所述待识别车辆的目标部位位置信息，确定所述待识别车辆的姿态信息。

可选的，所述根据所述待识别车辆的目标部位位置信息，确定所述待识别车辆的姿态信息，具体包括：

若所述目标部位位置信息的个数为1，则根据所述待识别车辆的车辆位置的中心点位置、所述待识别车辆的目标部位位置信息的中心点位置、以及所述待识别车辆的目标部位位置信息的信息类型，确定所述待识别车辆的姿态信息；

若所述目标部位位置信息的个数为2，则根据所述待识别车辆的各目标部位位置信息的中心点位置、以及所述待识别车辆的目标部位位置信息的信息类型，确定所述待识别车辆的姿态信息。

可选的，所述根据所述待识别车辆的车辆位置的中心点位置、所述待识别车辆的目标部位位置信息的中心点位置、以及所述待识别车辆的目标部位位置信息的信息类型，确定所述待识别车辆的姿态信息，具体包括：

若所述待识别车辆的目标部位位置信息的信息类型为车头位置信息，则将所述待识别车辆的车辆位置的中心点位置作为姿态向量的起点，将所述待识别车辆的目标部位位置信息的中心点位置作为所述姿态向量的终点，构建所述姿态向量，并根据所述姿态向量确定所述待识别车辆的姿态信息；

若所述待识别车辆的目标部位位置信息的信息类型为车尾位置信息，则将所述待识别车辆的目标部位位置信息的中心点位置作为所述姿态向量的起点，将所述待识别车辆的车辆位置的中心点位置作为姿态向量的终点，构建所述姿态向量，并根据所述姿态向量确定所述待识别车辆的姿态信息。

可选的，所述根据所述待识别车辆的各目标部位位置信息的中心点位置、以及所述待识别车辆的目标部位位置信息的信息类型，确定所述待识别车辆的姿态信息，具体包括：

若第一个目标部位位置信息的信息类型为车头位置信息，且第二个目标部位位置信息的信息类型为车尾位置信息，则将所述待识别车辆的第二个目标部位位置信息的中心点位置作为姿态向量的起点，将所述待识别车辆的第一个目标部位位置信息的中心点位置作为姿态向量的终点，构建所述姿态向量，并根据所述姿态向量确定所述待识别车辆的姿态信息。

可选的，当所述姿态信息包括姿态角时，则所述根据所述姿态向量确定所述待识别车辆的姿态信息，具体包括：

根据所述姿态向量与基准向量的夹角，确定所述待识别车辆的姿态角。

可选的，所述预设车辆位置检测模型的训练过程包括：

获取训练图像以及所述训练图像中的实际位置信息；

将所述训练图像输入到所述初始车辆检测模型，得到所述初始车辆检测模型输出的所述训练图像中的预测位置信息；所述预测位置信息包括预测车辆位置信息、预测车头位置信息或预测车尾位置信息中的至少一种；

在确定所述训练图像中的预测位置信息未满足停止条件时，根据所述训练图像中的预测位置信息和所述训练图像中的实际位置信息，更新初始车辆检测模型，继续执行所述将所述训练图像输入到所述初始车辆检测模型以及后续步骤，直至在确定所述训练图像中的预测位置信息满足所述停止条件时，将所述初始车辆检测模型作为所述预设车辆位置检测模型；其中，所述停止条件是根据所述训练图像中的实际位置信息生成的。

可选的，所述预设车辆位置检测模型的训练过程，还包括：

根据所述训练图像中的实际位置信息，确定所述训练图像中的实际位置关联关系，所述实际位置关联关系包括：所述实际车辆位置信息与所述实际车头位置信息之间的关联关系、所述实际车辆位置信息与所述实际车尾位置信息之间的关联关系、以及所述实际车头位置信息与所述实际车尾位置信息之间的关联关系中的至少一个；

根据所述训练图像中的预测位置信息，确定所述训练图像中的预测位置关联关系，所述预测位置关联关系包括：所述预测车辆位置信息与所述预测车头位置信息之间的关联关系、所述预测车辆位置信息与所述预测车尾位置信息之间的关联关系、以及所述预测车头位置信息与所述预测车尾位置信息之间的关联关系中的至少一个；

所述在确定所述训练图像中的预测位置信息未满足停止条件时，根据所述训练图像中的预测位置信息和所述训练图像中的实际位置信息，更新初始车辆检测模型，具体包括：

在确定所述训练图像中的预测位置信息以及预测位置关联关系未满足停止条件时，根据所述训练图像中的预测位置信息、所述训练图像中的预测位置关联关系、所述训练图像中的实际位置信息、以及所述训练图像中的实际位置关联关系，更新初始车辆检测模型；其中，所述停止条件是根据所述训练图像中的实际位置信息和所述训练图像中的实际位置关联关系生成的；

所述在确定所述训练图像中的预测位置信息满足所述停止条件时，将所述初始车辆检测模型作为所述预设车辆位置检测模型，具体包括：

在确定所述训练图像中的预测位置信息以及预测位置关联关系满足所述停止条件时，将所述初始车辆检测模型作为所述预设车辆位置检测模型。

可选的，当所述实际位置关联关系包括：所述实际车辆位置信息与所述实际车头位置信息之间的关联关系、和/或所述实际车辆位置信息与所述实际车尾位置信息之间的关联关系时，则所述根据所述训练图像中的实际位置信息，确定所述训练图像中的实际位置关联关系，具体包括：

根据所述训练图像中的实际位置信息，计算不同类型的实际位置信息对应的实际位置重叠度IOU；所述实际位置IOU为所述实际车辆位置信息与所述实际车头位置信息对应的IOU、和/或所述实际车辆位置信息与所述实际车尾位置信息对应的IOU；

根据所述不同类型的实际位置信息对应的实际位置IOU和预设关联IOU阈值，确定所述训练图像中的实际位置关联关系。

可选的，当所述预测位置关联关系包括：所述预测车辆位置信息与所述预测车头位置信息之间的关联关系、和/或所述预测车辆位置信息与所述预测车尾位置信息之间的关联关系时，则所述根据所述训练图像中的预测位置信息，确定所述训练图像中的预测位置关联关系，具体包括：

根据所述训练图像中的预测位置信息，计算不同类型的预测位置信息对应的预测位置IOU；所述不同类型的预测位置信息对应的预测位置IOU为所述预测车辆位置信息与所述预测车头位置信息对应的IOU、和/或所述预测车辆位置信息与所述预测车尾位置信息对应的IOU；

根据所述不同类型的预测位置信息对应的预测位置IOU和预设IOU阈值，确定所述训练图像中的预测位置关联关系。

本申请实施例还提供了一种停车场内车辆状态的检测方法，包括：

接收停车场内图像采集设备发送的待检测图像；所述待检测图像中包括至少一个待检测车辆；

利用上述车辆姿态识别方法对所述待检测图像进行车辆姿态识别，得到所述待检测车辆的姿态信息及位置信息；

根据停车场内位置用途标识信息和所述待检测车辆的姿态信息及位置信息，确定所述待检测车辆的状态信息；所述停车场内位置用途标识信息包括停车位标识、行车方向指引标识或故障提醒标识中的至少一种。

可选的，所述根据停车场内位置用途标识信息和所述待检测车辆的姿态信息及位置信息，确定所述待检测车辆的状态信息，具体包括：

根据所述停车场内位置用途标识信息，确定所述待检测车辆的位置信息对应的目标位置用途标识；

根据所述目标位置用途标识和所述待检测车辆的姿态信息，确定所述待检测车辆的状态信息。

可选的，若所述目标位置用途标识为所述行车方向指引标识，则所述根据所述目标位置用途标识和所述待检测车辆的姿态信息，确定所述待检测车辆的状态信息，具体包括：

根据所述待检测车辆的姿态信息，确定所述待检测车辆的实际行驶方向；

根据所述目标位置用途标识，确定标定行使方向；

在确定所述待检测车辆的实际行驶方向与所述标定行使方向一致时，确定所述待检测车辆处于正常行使状态；

在确定所述待检测车辆的实际行驶方向与所述标定行使方向相反时，确定所述待检测车辆处于逆向行使状态。

可选的，所述方法还包括：

在确定所述待检测车辆处于正常行使状态时，根据所述待检测车辆的实际行驶方向，预测所述待检测车辆是否驶向拥堵区域；

在确定所述待检测车辆驶向拥堵区域时，生成拥堵提醒信息，并利用所述拥堵提醒信息对所述待检测车辆进行拥堵提醒。

可选的，当所述停车场内图像采集设备包括停车场内各个图像采集设备时；所述方法还包括：

根据所述待检测车辆的状态信息，确定停车场内车位使用信息。

本申请实施例还提供了一种车辆姿态识别装置，包括：

第一检测单元，用于将待识别图像输入预设车辆位置检测模型，得到第一位置信息集合和第二位置信息集合；所述待识别图像包括至少一个待识别车辆；所述第一位置信息集合包括至少一个车辆位置信息，所述第二位置信息集合包括至少一个车头位置信息和/或至少一个车尾位置信息；所述预设车辆位置检测模型是利用训练图像以及所述训练图像中的实际位置信息训练得到的；所述实际位置信息包括实际车辆位置信息、实际车头位置信息或实际车尾位置信息中的至少两种；

第一构建单元，用于根据所述第一位置信息集合和所述第二位置信息集合，建立第一关联关系，所述第一关联关系用于记录各车辆位置信息与各部位位置信息之间的对应关系，所述部位位置信息为车头位置信息或车尾位置信息；

第一确定单元，用于根据所述第一关联关系和所述待识别车辆的车辆位置信息，确定待识别车辆的目标部位位置信息；

第一识别单元，用于根据所述待识别车辆的目标部位位置信息，确定待识别车辆的姿态信息。

本申请实施例还提供了一种停车场内车辆状态的检测装置，包括：

接收单元，用于接收停车场内图像采集设备发送的待检测图像；所述待检测图像中包括至少一个待检测车辆；

第二检测单元，用于利用权利要求1-9任一项所述的车辆姿态识别方法对所述待检测图像进行车辆姿态识别，得到所述待检测车辆的姿态信息及位置信息；

第二确定单元，用于根据停车场内位置用途标识信息和所述待检测车辆的姿态信息及位置信息，确定所述待检测车辆的状态信息；所述停车场内位置用途标识信息包括停车位标识、行车方向指引标识或故障提醒标识中的至少一种。

本申请实施例还提供了一种设备，所述设备包括处理器以及存储器：

所述存储器用于存储计算机程序；

所述处理器用于根据所述计算机程序执行上述车辆姿态识别方法的任一实施方式，或者执行上述停车场内车辆状态的检测方法的任一实施方式。

本申请实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质用于存储计算机程序，所述计算机程序用于执行上述车辆姿态识别方法的任一实施方式，或者执行上述停车场内车辆状态的检测方法的任一实施方式。

与现有技术相比，本申请实施例至少具有以下优点：

本申请实施例提供的车辆姿态识别方法中，首先，将待识别图像输入预设车辆位置检测模型，得到第一位置信息集合和第二位置信息集合，使得所述第一位置信息集合包括至少一个车辆位置信息，所述第二位置信息集合包括至少一个车头位置信息和/或至少一个车尾位置信息，并根据所述第一位置信息集合和所述第二位置信息集合，建立第一关联关系，所述第一关联关系用于记录各车辆位置信息与部位位置信息(也就是车头位置信息或车尾位置信息)之间的对应关系。然后，根据所述第一关联关系和所述待识别车辆的车辆位置确定待识别车辆的目标部位位置信息，并根据所述待识别车辆的目标部位位置信息确定待识别车辆的姿态信息。其中，因所述预设车辆位置检测模型是利用训练图像以及所述训练图像中的实际位置信息训练得到的，且所述实际位置信息包括实际车辆位置信息、实际车头位置信息或实际车尾位置信息中的至少两种，使得该预设车辆位置检测模型能够准确地确定出待识别图像的第一位置信息集合(也就是，车辆位置信息集合)和第二位置信息集合(也就是，车头或车尾位置信息集合)，从而使得基于待识别车辆的车辆位置信息以及目标部位位置信息，能够准确地确定出待识别车辆的姿态信息，如此能够提高确定的车辆姿态的准确性，从而提高停车场内车辆状态的检测准确性。

附图说明

为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。

图1为本申请实施例提供的一种车辆姿态识别方法的流程图；

图2为本申请实施例提供的待识别车辆的姿态向量的示意图；

图3为本申请实施例提供的一种预设车辆检测模型的训练过程的流程图；

图4为本申请实施例提供的预测车辆位置信息的示意图；

图5为本申请实施例提供的另一种预设车辆检测模型的训练过程的流程图；

图6为本申请实施例提供的停车场内车辆状态的检测方法的流程图；

图7为本申请实施例提供的车辆姿态识别装置的结构示意图；

图8为本申请实施例提供的停车场内车辆状态的检测装置的结构示意图。

具体实施方式

为了使本技术领域的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

方法实施例一

参见图1，该图为本申请实施例提供的一种车辆姿态识别方法的流程图。

本申请实施例提供的车辆姿态识别方法，包括步骤S101-S104：

S101：将待识别图像输入预设车辆位置检测模型，得到第一位置信息集合和第二位置信息集合。

待识别图像是指需要进行车辆姿态识别的图像，而且待识别图像包括至少一个待识别车辆。其中，车辆姿态用于表征车辆姿态信息；而且，本申请实施例不限定车辆姿态的表示方式，例如，车辆姿态可以采用姿态角或方向矢量进行表示。

本申请实施例不限定待识别图像的获取方式，例如，待识别图像是由预设姿态识别场景(例如，停车场等场景)中的图像采集设备采集到的。

第一位置信息集合用于记录待识别图像中的车辆位置信息，而且车辆位置信息用于描述待检测图像中车辆的整个车身所处位置。另外，第一位置信息集合包括至少一个车辆位置信息；而且，第一位置信息集合中车辆位置信息的个数与待识别图像中待识别车辆的个数相等。

第二位置信息集合用于记录待识别图像中的车辆部位位置信息(车辆部位位置信息是对车头位置信息和车尾位置信息的统称)。其中，车头位置信息用于描述待识别图像中车辆的车头所处位置。车尾位置信息用于描述待识别图像中车辆的车尾所处位置。

第二位置信息集合包括至少一个车头位置信息和/或至少一个车尾位置信息。另外，本申请实施例中，因预设车辆位置检测模型能够识别出每个待识别车辆的车头位置信息和/或车尾位置信息，使得第二位置信息集合至少包括每个待识别车辆的一个车头位置信息和/或一个车尾位置信息。

另外，本申请实施例不限定车辆位置信息的表示形式，例如，车辆位置信息可以采用车辆的外接矩形框(如图2所示的整个车辆外接矩形框)中四角位置坐标进行表示，也可以采用车辆的外接矩形框中的一个参考位置坐标(例如，矩形左上角的位置坐标或矩形中心点位置坐标)、车辆的外接矩形框的长以及车辆的外接矩形框的宽来表示。另外，车头位置信息的表示形式和车尾位置信息的表示形式均类似于上文车辆位置信息的表示形式，为了简要在此不再赘述。

预设车辆位置检测模型用于识别该模型输入图像中车辆的相关位置信息，而且预设车辆位置检测模型是利用训练图像以及训练图像中的实际位置信息训练得到的。其中，所述实际位置信息包括实际车辆位置信息、实际车头位置信息或实际车尾位置信息中的至少两种。

另外，本申请实施例不限定预设车辆位置检测模型，预设车辆位置检测模型可以是任一种能够实现车辆检测的机器学习模型。例如，预设车辆位置检测模型可以是基于一阶段(one-stage)的检测模型。

另外，本申请实施例还提供了预设车辆位置检测模型的训练过程，技术详情请参见下文方法实施例二。

基于上述内容可知，本申请实施例中，在获取到待识别图像之后，可以将待识别图像输入到预设车辆位置检测模型，以使预设车辆位置检测模型能够对待识别图像中车辆位置信息、车头位置信息和车尾位置信息进行检测，以便基于预设车辆位置检测模型的输出结果生成第一位置信息集合和第二位置信息集合。

S102：根据所述第一位置信息集合和所述第二位置信息集合，建立第一关联关系。

第一关联关系用于记录各车辆位置信息与各部位位置信息之间的对应关系。其中，部位位置信息用于表征待识别车辆的部分位置信息，也就是，部位位置信息是车头位置信息或车尾位置信息的统称。可见，部位位置信息包括车头位置信息和车尾位置信息这两种类型信息，使得部位位置信息可以是车头位置信息或车尾位置信息。

理论上来说，属于同一个待识别车辆的车辆位置信息所表征的区域与部位位置信息所表征的区域之间的重合度很高。基于此可知，本申请实施例可以基于不同类型位置信息所表征的区域之间的重合度，来确定不同类型信息之间的关联关系，尤其可以确定各车辆位置信息与各部位位置信息之间的对应关系。另外，本申请实施例不限定区域间重合度的衡量方式，例如，本申请实施例可以使用重叠度(Intersection over Union，IOU)这一衡量方式，该IOU用于描述不同区域之间的重合程度。

基于上述内容，本申请实施例还提供了一种第一关联关系的建立方法，其具体包括以下步骤：

步骤1：计算第x个车辆位置信息A_x和第y个部位位置信息P_y之间的IOU，得到第x个车辆位置信息和第y个部位位置信息对应的重叠度值I_xy。其中，x为正整数，x≤N_all，N_all表示第一位置信息集合中车辆位置信息的个数；y为正整数，y≤N_part，N_part表示第二位置信息集合中车头位置信息和车尾位置信息的总数。

步骤2：判断重叠度值I_xy是否大于第一阈值，若是，则确定第x个车辆位置信息和第y个部位位置信息之间具有关联关系；若否，则确定第x个车辆位置信息和第y个部位位置信息之间不具有关联关系。其中，x为正整数，x≤N_all，N_all表示第一位置信息集合中车辆位置信息的个数；y为正整数，y≤N_part，N_part表示第二位置信息集合中车头位置信息和车尾位置信息的总数。

步骤3：将第一位置信息集合中各个车辆位置信息与第二位置信息集合中各个部位位置信息之间是否具有关联关系的判断结果的集合，确定为第一关联关系。

基于上述内容可知，本申请实施例中，在获取到第一位置信息集合和第二位置信息集合之后，可以基于各个车辆位置信息与各个部位位置信息之间的IOU，判断各个车辆位置信息与各个部位位置信息之间是否具有关联关系，以便基于该判断结果生成第一关联关系，使得第一关联关系用于记录各车辆位置信息与各部位位置信息之间的对应关系，其中部位位置信息为车头位置信息或车尾位置信息。

S103：根据所述第一关联关系和所述待识别车辆的车辆位置信息，确定待识别车辆的目标部位位置信息。

目标部位位置信息是指与待识别车辆的车辆位置具有关联关系的车头位置信息或车尾位置信息；而且，每个待识别车辆的目标部位位置信息的个数为1个或2个。另外，类似于上文的部位位置信息，目标部位位置信息包括车头位置信息和车尾位置信息这两种类型信息，使得目标部位位置信息可以是车头位置信息或车尾位置信息。

本申请实施例中，在获取到第一关联关系之后，可以根据第一关联关系，确定各待识别车辆的车辆位置对应的目标部位位置信息，该过程具体为：从第一关联关系中，查找与第x个车辆位置信息具有关联关系的车头位置信息和/或车尾位置信息，若只查找到车头位置关系，则将该车头位置关系作为第x个车辆位置信息对应的目标部位位置信息；若只查找到车尾位置关系，则将该车尾位置关系作为第x个车辆位置信息对应的目标部位位置信息；若查找到车头位置信息和车尾位置信息，则将该车头位置信息和该车尾位置信息均作为第x个车辆位置信息对应的目标部位位置信息，如此找到了具有第x个车辆位置信息的待识别车辆的目标部位位置信息。其中，x为正整数，x≤N_all，N_all表示第一位置信息集合中车辆位置信息的个数。

S104：根据所述待识别车辆的目标部位位置信息，确定待识别车辆的姿态信息。

姿态信息用于表征待识别车辆的姿态；而且本申请实施例不限定姿态信息，例如，姿态信息可以包括车辆的姿态角和/或车辆的行车方向。

本申请实施例还提供了获取待识别车辆的姿态信息(也就是S104)的一种实施方式，在该实施方式中，S104具体可以包括S1041-S1042：

S1041：若所述目标部位位置信息的个数为1，则根据所述待识别车辆的车辆位置的中心点位置、所述待识别车辆的目标部位位置信息的中心点位置、以及所述待识别车辆的目标部位位置信息的信息类型，确定待识别车辆的姿态信息。

本申请实施例中，若确定第h个待识别车辆只存在一个目标部位位置信息，可以确定预设车辆位置检测模型只识别出第h个待识别车辆的车头位置信息或车尾位置信息，此时，可以借助第h个待识别车辆的车辆位置信息和目标部位位置信息来确定第h个待识别车辆的的姿态信息，其具体为：根据第h个待识别车辆的车辆位置的中心点位置、第h个待识别车辆的目标部位位置信息的中心点位置、以及第h个待识别车辆的目标部位位置信息的信息类型，确定待识别车辆的姿态信息。其中，h为正整数，且h≤H，H为待识别图像中待识别车辆的个数。

另外，当目标部位位置信息的信息类型不同时，待识别车辆的姿态信息的获取过程也不同，其包括以下两种情况：

第一种情况(如图2中的第一种情况所示)：若所述待识别车辆的目标部位位置信息的信息类型为车头位置信息，则将所述待识别车辆的车辆位置的中心点位置作为姿态向量的起点，将所述待识别车辆的目标部位位置信息的中心点位置作为所述姿态向量的终点，构建所述姿态向量，并根据所述姿态向量确定所述待识别车辆的姿态信息。

如图2中的第一种情况所示，在本申请实施例中，在获取到第h个待识别车辆的车头位置信息和车辆位置信息之后，首先，将第h个待识别车辆的车辆位置信息所表征区域(也就是，车辆外接矩形)的中心点位置作为姿态向量的起点，并将第h个待识别车辆的车头位置信息所表征区域(也就是，车头外接矩形)的中心点位置作为姿态向量的终点，得到第h个待识别车辆的姿态向量。然后，根据第h个待识别车辆的姿态向量，确定第h个待识别车辆的姿态信息。其中，h为正整数，且h≤H，H为待识别图像中待识别车辆的个数。

第二种情况(如图2中的第二种情况所示)：若所述待识别车辆的目标部位位置信息的信息类型为车尾位置信息，则将所述待识别车辆的目标部位位置信息的中心点位置作为所述姿态向量的起点，将所述待识别车辆的车辆位置的中心点位置作为姿态向量的终点，构建所述姿态向量，并根据所述姿态向量确定所述待识别车辆的姿态信息。

如图2中的第二种情况所示，在本申请实施例中，在获取到第h个待识别车辆的车尾位置信息和车辆位置信息之后，首先，将第h个待识别车辆的车尾位置信息所表征区域(也就是，车尾外接矩形)的中心点位置作为姿态向量的起点，并将第h个待识别车辆的车辆位置信息所表征区域(也就是，车辆外接矩形)的中心点位置作为姿态向量的终点，得到第h个待识别车辆的姿态向量。然后，根据第h个待识别车辆的姿态向量，确定第h个待识别车辆的姿态信息。其中，h为正整数，且h≤H，H为待识别图像中待识别车辆的个数。

基于上述两种情况可知，本申请实施例中，在只获取到待识别车辆的一个目标部位位置信息之后，可以根据所述待识别车辆的车辆位置的中心点位置、所述待识别车辆的目标部位位置信息的中心点位置、以及所述待识别车辆的目标部位位置信息的信息类型，确定待识别车辆的姿态信息。

S1042：若所述目标部位位置信息的个数为2，则根据所述待识别车辆的各目标部位位置信息的中心点位置、以及所述待识别车辆的目标部位位置信息的信息类型，确定待识别车辆的姿态信息。

本申请实施例中，若确定第h个待识别车辆存在两个目标部位位置信息，则可以确定预设车辆位置检测模型识别出第h个待识别车辆的车头位置信息和车尾位置信息，此时，可以借助第h个待识别车辆的车头位置信息和车尾位置信息，来确定第h个待识别车辆的的姿态信息，其具体为：根据第h个待识别车辆的各目标部位位置信息的中心点位置、以及第h个待识别车辆的目标部位位置信息的信息类型，确定第h个待识别车辆的姿态信息。

另外，本申请实施例还提供了S1042的一种实施方式，具体为：若第一个目标部位位置信息的信息类型为车头位置信息，且第二个目标部位位置信息的信息类型为车尾位置信息，则将所述待识别车辆的第二个目标部位位置信息的中心点位置作为姿态向量的起点，将所述待识别车辆的第一个目标部位位置信息的中心点位置作为姿态向量的终点，构建所述姿态向量，并根据所述姿态向量确定所述待识别车辆的姿态信息。

如图2中的第三种情况所示，在本申请实施例中，在获取到第h个待识别车辆的车头位置信息和车尾位置信息之后，首先，将第h个待识别车辆的车尾位置信息所表征区域(也就是，车尾外接矩形)的中心点位置作为姿态向量的起点，并将第h个待识别车辆的车头位置信息所表征区域(也就是，车头外接矩形)的中心点位置作为姿态向量的终点，得到第h个待识别车辆的姿态向量。然后，根据第h个待识别车辆的姿态向量，确定第h个待识别车辆的姿态信息。其中，h为正整数，且h≤H，H为待识别图像中待识别车辆的个数。

基于上述S1041和S1042的相关内容可知，本申请实施例中，在获取到待识别车辆的目标部位位置信息之后，可以先基于待识别车辆的目标部位位置信息确定该待识别车辆的姿态向量，再基于该待识别车辆的姿态向量确定该待识别车辆的姿态信息。其中，因姿态向量能够准确地表征待识别车辆的姿态信息，使得基于姿态向量确定的姿态信息更准确。

另外，本申请实施例不限定基于姿态向量确定姿态信息的实施方式，下面结合示例进行说明。

作为示例，所述姿态信息包括姿态角时，所述根据所述姿态向量确定所述待识别车辆的姿态信息，具体包括：根据所述姿态向量与基准向量的夹角，确定所述待识别车辆的姿态角。其中，基准向量用于表征衡量车辆姿态所依据的标准姿态信息；而且基准向量可以预先根据应用场景设定。

另外，本申请实施例不限定姿态向量与基准向量的夹角的计算方式，例如，可以先根据姿态向量与基准向量，计算姿态向量与基准向量的夹角的余弦值；再根据姿态向量与基准向量的夹角的余弦值，确定姿态向量与基准向量的夹角。

基于上述S104的内容可知，本申请实施例中，在获取到待识别车辆的目标部位位置信息，可以基于待识别车辆的目标部位位置信息确定待识别车辆的姿态信息。

基于上述S101至S104的相关内容可知，本申请实施例提供的车辆姿态识别方法中，首先，将待识别图像输入预设车辆位置检测模型，得到第一位置信息集合和第二位置信息集合，使得所述第一位置信息集合包括至少一个车辆位置信息，所述第二位置信息集合包括至少一个车头位置信息和/或至少一个车尾位置信息，并根据所述第一位置信息集合和所述第二位置信息集合，建立第一关联关系，所述第一关联关系用于记录各车辆位置信息与各部位位置信息(也就是车头位置信息或车尾位置信息)之间的对应关系。然后，根据所述第一关联关系和所述待识别车辆的车辆位置确定待识别车辆的目标部位位置信息，并根据所述待识别车辆的目标部位位置信息确定待识别车辆的姿态信息。

可见，因所述预设车辆位置检测模型是利用训练图像以及所述训练图像中的实际位置信息训练得到的，且所述实际位置信息包括实际车辆位置信息、实际车头位置信息或实际车尾位置信息中的至少两种，使得该预设车辆位置检测模型能够准确地确定出待识别图像的第一位置信息集合(也就是，车辆位置信息集合)和第二位置信息集合(也就是，车头或车尾位置信息集合)，从而使得基于待识别车辆的车辆位置信息以及目标部位位置信息，能够准确地确定出待识别车辆的姿态信息，如此能够提高确定的车辆姿态的准确性，从而提高停车场内车辆状态的检测准确性。

基于上述车辆姿态识别方法的相关内容可知，为了能够提高预设车辆位置检测模型的识别准确性，可以基于训练图像中各车辆的实际车辆位置信息、实际车头位置信息和实际车尾位置信息，对预设车辆位置检测模型进行训练，使得训练好的预设车辆位置检测模型能够准确地识别出图像中各车辆的实际车辆位置信息、实际车头位置信息和实际车尾位置信息。基于此，本申请实施例还提供了预设车辆位置检测模型的训练过程的一些实施方式，下面将在方法实施例二中进行介绍。

方法实施例二

参见图3，该图为本申请实施例提供的一种预设车辆位置检测模型的训练过程的流程图。如图3所示，该预设车辆位置检测模型的训练过程，具体可以包括S301-S305：

S301：获取训练图像以及所述训练图像中的实际位置信息。

训练图像是指训练预设车辆位置检测模型时所使用的图像，而且本申请实施例不限定训练图像的获取方式，例如，训练图像可以是目标场景(如停车场)视频中的多帧图像。

实际位置信息用于描述训练图像中车辆所处的实际位置，而且实际位置信息包括实际车辆位置信息、实际车头位置信息或实际车尾位置信息中的至少一种类型的位置信息。其中，实际车辆位置信息用于描述训练图像中车辆的整个车身所处的实际位置。实际车头位置信息用于描述训练图像中车辆的车头所处的实际位置。实际车尾位置信息用于描述训练图像中车辆的车尾所处的实际位置。

另外，在一些情况下，因训练图像中车辆较多或者训练图像的拍摄角度较偏，导致训练图像中可能只包括一些车辆的车头或车尾，如此导致可能只能获取到该训练图像中的实际车头位置信息或实际车尾位置信息。另外，如果训练图像中包括一些车辆的整个车身，则可以获取到该训练图像中的实际车辆位置信息、实际车头位置信息和实际车尾位置信息这三种类型的位置信息。可见，训练图像中的实际位置信息可以包括实际车辆位置信息、实际车头位置信息或实际车尾位置信息中的至少一种类型的位置信息。

另外，本申请实施例不限定训练图像中的各种类型的实际位置信息的获取方式，例如，可以采用人工标注的方式获取，也就是，由人工标注出训练图像中的实际车辆位置信息、并标注出训练图像中的实际车头位置信息或实际车尾位置信息。

此外，在一些情况下，因训练图像中车辆较多或者训练图像的拍摄角度较偏，导致训练图像(如图4所示的图像)中可能只包括一些车辆的车头或车尾，此时为了更好地描述训练图像中车辆所处的实际位置，可以预测(或人工估计)训练图像中的实际车辆位置信息，并将预测(或人工估计)得到实际车辆位置信息添加为训练图像中的实际位置信息，如此使得训练图像中的实际位置信息可以在包括实际车头位置信息或实际车尾位置信息的同时还包括实际车辆位置信息，如此使得在训练图像中存在车辆间严重遮挡时，训练图像中的实际位置信息也能够准确地表征训练图像中车辆所处的实际位置。

基于上述S301的相关内容可知，本申请实施例中，可以先获取大量的训练图像以及每个训练图像中的实际位置信息，以便后续可以利用这些训练图像中的实际位置信息充当训练标签的角色来指导基于这些训练图像的模型训练过程。

S302：将所述训练图像输入到所述初始车辆检测模型，得到所述初始车辆检测模型输出的所述训练图像中的预测位置信息。

预测位置信息是指由初始车辆检测模型预测得到的用于描述训练图像中车辆所处位置的信息；而且预测位置信息包括预测车辆位置信息、预测车头位置信息或预测车尾位置信息中的至少一种类型的位置信息。其中，预测车辆位置信息用于描述训练图像中车辆的整个车身所处的预测位置。预测车头位置信息用于描述训练图像中车辆的车头所处的预测位置。预测车尾位置信息用于描述训练图像中车辆的车尾所处的预测位置。

另外，在一些情况下，因训练图像中车辆较多或者训练图像的拍摄角度较偏，导致训练图像中可能只包括一些车辆的车头或车尾，如此导致初始车辆检测模型可能只输出该训练图像中的预测车头位置信息或预测车尾位置信息。另外，如果训练图像中包括一些车辆的整个车身，则初始车辆检测模型可以输出该训练图像中的预测车辆位置信息、预测车头位置信息和预测车尾位置信息这三种类型的位置信息。可见，训练图像中的预测位置信息可以包括预测车辆位置信息、预测车头位置信息或预测车尾位置信息中的至少一种类型的位置信息。

基于上述内容可知，本申请实施例中，在获取到训练图像之后，可以将训练图像输入到初始车辆检测模型中进行车辆检测，从而得到初始车辆检测模型输出的训练图像中的预测位置信息。

S303：判断所述训练图像中的预测位置信息是否满足停止条件，若是，则执行S305；若否，则执行S304。

停止条件是根据所述训练图像中的实际位置信息生成的，而且，本申请实施例不限定停止条件。例如，停止条件可以包括训练图像中的预测位置信息与训练图像中的实际位置信息之间的差值小于第一阈值；也可以为当前次训练图像中的预测位置信息与前一次训练图像中的预测位置信息的差值小于第二阈值；还可以为训练图像中的预测位置信息的获取次数达到第三阈值。

基于上述内容可知，本申请实施例中，在获取到初始车辆检测模型输出的训练图像中的预测位置信息之后，可以先判断训练图像中的预测位置信息是否满足停止条件，以便在确定训练图像中的预测位置信息不满足停止条件时，根据所述训练图像中的预测位置信息和所述训练图像中的实际位置信息，更新初始车辆检测模型，并返回执行S302；然而，在确定训练图像中的预测位置信息满足所述停止条件时，则将所述初始车辆检测模型作为所述预设车辆位置检测模型。

S304：根据所述训练图像中的预测位置信息和所述训练图像中的实际位置信息，更新初始车辆检测模型，并返回执行S302。

S305：将所述初始车辆检测模型作为所述预设车辆位置检测模型。

基于上述S301至S305的相关内容可知，本申请实施例中，在获取到训练图像以及训练图像中的实际位置信息之后，可以基于训练图像以及训练图像中的实际位置信息来训练初始车辆检测模型，以便后续可以将训练好的初始车辆检测模型确定为预设车辆位置检测模型。

另外，不同类型实际位置信息之间不是孤立的，而是存在一定关联关系，这种关联关系具体可以描述为：属于同一个车辆的不同类型实际位置信息之间具有关联性，属于不同车辆的不同类型实际位置信息之间不具有关联性。例如，当第1个实际车辆位置信息、第1个实际车头位置信息和第1个实际车尾位置信息均用于描述第1个车辆所处的实际位置，而且第2个实际车辆位置信息、第2个实际车头位置信息和第2个实际车尾位置信息均用于描述第2个车辆所处的实际位置时，基于上述理论可知，第1个实际车辆位置信息与第1个实际车头位置信息之间具有关联性、第1个实际车辆位置信息与第1个实际车尾位置信息之间具有关联性、第1个实际车头位置信息与第1个实际车尾位置信息之间具有关联性；然而，第1个实际车辆位置信息与第2个实际车头位置信息之间不具有关联性、第1个实际车辆位置信息与第2个实际车尾位置信息之间不具有关联性、第1个实际车头位置信息与第2个实际车尾位置信息之间不具有关联性、第1个实际车尾位置信息与第2个实际车头位置信息之间不具有关联性。

可见，对于训练图像来说，训练图像中的实际位置信息以及不同类型实际位置信息之间的关联关系均携带了训练图像中车辆所处的实际位置的相关信息。此时，为了进一步提高预设车辆位置检测模型的检测准确性，除了可以利用训练图像中的实际位置信息指导模型训练过程以外，还可以进一步地参考训练图像中的不同类型实际位置信息(例如，实际车辆位置信息与实际车头位置信息)之间的关联关系来指导模型训练过程。

基于此，本申请实施例还提供了另一种预设车辆位置检测模型的训练过程，如图5所示，该训练过程具体可以包括以下S501-S507：

S501：获取训练图像以及所述训练图像中的实际位置信息。

需要说明的是，S501的内容与S301的内容相同，为了简要起见，在此不再赘述。

S502：根据所述训练图像中的实际位置信息，确定所述训练图像中的实际位置关联关系。

实际位置关联关系用于描述测试图像中的不同类型实际位置信息之间是否具有关联性，而且实际位置关联关系包括：所述实际车辆位置信息与所述实际车头位置信息之间的关联关系、所述实际车辆位置信息与所述实际车尾位置信息之间的关联关系、以及所述实际车头位置信息与所述实际车尾位置信息之间的关联关系中的至少一种关系。

其中，所述实际车辆位置信息与所述实际车头位置信息之间的关联关系用于描述测试图像中的各实际车辆位置信息与各实际车头位置信息之间是否具有关联性。所述实际车辆位置信息与所述实际车尾位置信息之间的关联关系用于描述测试图像中的各实际车辆位置信息与各实际车尾位置信息之间是否具有关联性。所述实际车头位置信息与所述实际车尾位置信息之间的关联关系用于描述测试图像中的各实际车头位置信息与各实际车尾位置信息之间是否具有关联性。

另外，在理论上，对于所述实际车辆位置信息与所述实际车头位置信息之间的关联关系、所述实际车辆位置信息与所述实际车尾位置信息之间的关联关系、以及所述实际车头位置信息与所述实际车尾位置信息之间的关联关系这三种关联关系，在获取到这三种关联关系中的两种关联关系之后，可以基于这两种已获得的关联关系确定出未获得的一种关联关系。例如，在获取到所述实际车辆位置信息与所述实际车头位置信息之间的关联关系、以及所述实际车辆位置信息与所述实际车尾位置信息之间的关联关系之后，可以基于所述实际车辆位置信息与所述实际车头位置信息之间的关联关系、以及所述实际车辆位置信息与所述实际车尾位置信息之间的关联关系，确定出所述实际车头位置信息与所述实际车尾位置信息之间的关联关系。

基于上述理论可知，为了提高检测效率，可以只在S502中获取上述三种关联关系中两种关联关系，例如，只在S502中获取所述实际车辆位置信息与所述实际车头位置信息之间的关联关系、以及所述实际车辆位置信息与所述实际车尾位置信息之间的关联关系。

另外，在理论情况下，具有关联性的不同类型实际位置信息对应的位置区域之间的区域交集大于不具有关联性的不同类型实际位置信息对应的位置区域之间的区域交集。例如，假设第1个车辆外接矩形和第1个车头外接矩形均是用于描述第1个车辆所处位置的，而且第2个车辆外接矩形和第2个车头外接矩形均是用于描述第2个车辆所处位置的。在理论上，第1个车辆外接矩形与第1个车头外接矩形之间的交集大于第1个车辆外接矩形与第2个车头外接矩阵之间的交集。可见，属于同一个车辆的不同类型外接矩形之间的交集往往大于属于不同车辆的不同类型外接矩形之间的交集。

基于上述两个理论可知，本申请实施例可以借助不同类型实际位置信息对应的位置区域之间的区域交集来确定不同类型实际位置信息之间是否具有关联性。基于此，本申请实施例还提供了一种S502的具体实施方式，在该实施方式中，当所述实际位置关联关系包括：所述实际车辆位置信息与所述实际车头位置信息之间的关联关系、和/或所述实际车辆位置信息与所述实际车尾位置信息之间的关联关系时，则S502可以包括S5021-S5022：

S5021：根据所述训练图像中的实际位置信息，计算不同类型的实际位置信息对应的实际位置IOU。

重叠度(Intersection over Union，IOU)用于描述不同区域之间的重合程度。

实际位置IOU用于描述训练图像中不同类型实际位置信息对应位置区域之间的重合程度，而且实际位置IOU可以为：所述车辆位置信息与所述车头位置信息对应的IOU、和/或所述车辆位置信息与所述车尾位置信息对应的IOU。

其中，所述车辆位置信息与所述车头位置信息对应的IOU用于描述训练图像中车辆位置信息对应的位置区域与车头位置信息对应的位置区域之间的重合程度。所述车辆位置信息与所述车尾位置信息对应的IOU用于描述训练图像中车辆位置信息对应的位置区域与车尾位置信息对应的位置区域之间的重合程度。

基于上述S5021的相关内容可知，本申请实施例中，在获取到训练图像中的实际位置信息之后，可以根据训练图像中的实际位置信息，计算不同类型的实际位置信息对应的实际位置重叠度IOU。作为示例，当训练图像中包括第1个实际车辆位置信息至第3个实际车辆位置信息、第1个实际车头位置信息、第2个实际车头位置信息，以及第1个实际车尾位置信息时，则S5021具体可以为：计算第i个实际车辆位置信息与第1个实际车头位置信息对应的实际位置IOU；计算第i个实际车辆位置信息与第2个实际车头位置信息对应的实际位置IOU；计算第i个实际车辆位置信息与第1个实际车尾位置信息对应的实际位置IOU；其中，i＝1,2,3。

S5022：根据所述不同类型的实际位置信息对应的实际位置IOU和预设关联IOU阈值，确定所述训练图像中的实际位置关联关系。

预设关联IOU阈值用于表征具有关联性的不同类型实际位置信息应该达到的最低IOU值；而且，预设关联IOU阈值可以预先设定，例如，预设关联IOU阈值为0.95。

基于上述内容可知，本申请实施例中，在获取到训练图像中不同类型的实际位置信息对应的实际位置IOU之后，可以基于不同类型的实际位置信息对应的实际位置IOU和预设关联IOU阈值，确定所述训练图像中的实际位置关联关系，其具体为：可以将对应实际位置IOU达到预设关联IOU阈值的不同类型实际位置信息确定为具有关联性，并将对应实际位置IOU没有达到预设关联IOU阈值的不同类型实际位置信息确定为不具有关联性。作为示例，当预设关联IOU阈值为0.95时，若确定第1个实际车辆位置信息与第1个实际车头位置信息对应的实际位置IOU大于或等于0.95，则确定第1个实际车辆位置信息与第1个实际车头位置信息具有关联性；若确定第1个实际车辆位置信息与第1个实际车头位置信息对应的实际位置IOU小于0.95，则确定第1个实际车辆位置信息与第1个实际车头位置信息不具有关联性。同理，若确定第1个实际车辆位置信息与第1个实际车尾位置信息对应的实际位置IOU大于或等于0.95，则确定第1个实际车辆位置信息与第1个实际车尾位置信息具有关联性；若确定第1个实际车辆位置信息与第1个实际车尾位置信息对应的实际位置IOU小于0.95，则确定第1个实际车辆位置信息与第1个实际车尾位置信息不具有关联性。

基于上述S502的内容可知，本申请实施例中，在获取到训练图像中的实际位置信息之后，可以根据不同类型实际位置信息确定训练图像中的实际位置关联关系，其具体可以为：根据实际车辆位置信息和实际车头位置信息，确定训练图像中的实际车辆位置信息与所述实际车头位置信息之间的关联关系；并根据实际车辆位置信息和实际车尾位置信息，确定训练图像中的实际车辆位置信息与所述实际车尾位置信息之间的关联关系；然后，再基于所述实际车辆位置信息与所述实际车头位置信息之间的关联关系、以及所述实际车辆位置信息与所述实际车尾位置信息之间的关联关系，确定出所述实际车头位置信息与所述实际车尾位置信息之间的关联关系。如此得到的实际位置关联关系包括有所述实际车辆位置信息与所述实际车头位置信息之间的关联关系、所述实际车辆位置信息与所述实际车尾位置信息之间的关联关系、以及所述实际车头位置信息与所述实际车尾位置信息之间的关联关系这三种。

S503：将所述训练图像输入到所述初始车辆检测模型，得到所述初始车辆检测模型输出的所述训练图像中的预测位置信息。

需要说明的是，S503的内容与上文S302的内容相同，在此不再赘述。

S504：根据所述训练图像中的预测位置信息，确定所述训练图像中的预测位置关联关系。

预测位置关联关系用于描述测试图像中的不同类型预测位置信息之间是否具有关联性，而且预测位置关联关系包括：所述预测车辆位置信息与所述预测车头位置信息之间的关联关系、所述预测车辆位置信息与所述预测车尾位置信息之间的关联关系、以及所述预测车头位置信息与所述预测车尾位置信息之间的关联关系中的至少一种关系。

其中，所述预测车辆位置信息与所述预测车头位置信息之间的关联关系用于描述测试图像中的各预测车辆位置信息与各预测车头位置信息之间是否具有关联性。所述预测车辆位置信息与所述预测车尾位置信息之间的关联关系用于描述测试图像中的各预测车辆位置信息与各预测车尾位置信息之间是否具有关联性。所述预测车头位置信息与所述预测车尾位置信息之间的关联关系用于描述测试图像中的各预测车头位置信息与各预测车尾位置信息之间是否具有关联性。

需要说明的是，预测位置关联关系与上文实际位置关联关系的理论、内容以及具体实施方式类似，为了简要，在此不再赘述。

本申请实施例还提供了一种S504的具体实施方式，在该实施方式中，当所述预测位置关联关系包括：所述预测车辆位置信息与所述预测车头位置信息之间的关联关系、和/或所述预测车辆位置信息与所述预测车尾位置信息之间的关联关系时，则S504可以包括S5041-S5042：

S5041：根据所述训练图像中的预测位置信息，计算不同类型的预测位置信息对应的预测位置IOU。

预测位置IOU用于描述训练图像中不同类型预测位置信息对应位置区域之间的重合程度，而且预测位置IOU可以为：所述车辆位置信息与所述车头位置信息对应的IOU、和/或所述车辆位置信息与所述车尾位置信息对应的IOU。

其中，所述车辆位置信息与所述车头位置信息对应的IOU用于描述训练图像中车辆位置信息对应的位置区域与车头位置信息对应的位置区域之间的重合程度。所述车辆位置信息与所述车尾位置信息对应的IOU用于描述训练图像中车辆位置信息对应的位置区域与车尾位置信息对应的位置区域之间的重合程度。

基于上述S5041的相关内容可知，本申请实施例中，在获取到训练图像中的预测位置信息之后，可以根据训练图像中的预测位置信息，计算不同类型的预测位置信息对应的预测位置重叠度IOU。作为示例，当训练图像中包括第1个预测车辆位置信息至第3个预测车辆位置信息、第1个预测车头位置信息、第2个预测车头位置信息，以及第1个预测车尾位置信息时，则S5041具体可以为：计算第i个预测车辆位置信息与第1个预测车头位置信息对应的预测位置IOU；计算第i个预测车辆位置信息与第2个预测车头位置信息对应的预测位置IOU；计算第i个预测车辆位置信息与第1个预测车尾位置信息对应的预测位置IOU；其中，i＝1,2,3。

S5042：根据所述不同类型的预测位置信息对应的预测位置IOU和预设关联IOU阈值，确定所述训练图像中的预测位置关联关系。

本申请实施例中，在获取到训练图像中不同类型的预测位置信息对应的预测位置IOU之后，可以基于不同类型的预测位置信息对应的预测位置IOU和预设关联IOU阈值，确定所述训练图像中的预测位置关联关系，其具体为：可以将对应预测位置IOU达到预设关联IOU阈值的不同类型预测位置信息确定为具有关联性，并将对应预测位置IOU没有达到预设关联IOU阈值的不同类型预测位置信息确定为不具有关联性。作为示例，当预设关联IOU阈值为0.95时，若确定第1个预测车辆位置信息与第1个预测车头位置信息对应的预测位置IOU大于或等于0.95，则确定第1个预测车辆位置信息与第1个预测车头位置信息具有关联性；若确定第1个预测车辆位置信息与第1个预测车头位置信息对应的预测位置IOU小于0.95，则确定第1个预测车辆位置信息与第1个预测车头位置信息不具有关联性。同理，若确定第1个预测车辆位置信息与第1个预测车尾位置信息对应的预测位置IOU大于或等于0.95，则确定第1个预测车辆位置信息与第1个预测车尾位置信息具有关联性；若确定第1个预测车辆位置信息与第1个预测车尾位置信息对应的预测位置IOU小于0.95，则确定第1个预测车辆位置信息与第1个预测车尾位置信息不具有关联性。

基于上述S504的内容可知，本申请实施例中，在获取到训练图像中的预测位置信息之后，可以根据不同类型预测位置信息确定训练图像中的预测位置关联关系，其具体可以为：根据预测车辆位置信息和预测车头位置信息，确定训练图像中的预测车辆位置信息与所述预测车头位置信息之间的关联关系；并根据预测车辆位置信息和预测车尾位置信息，确定训练图像中的预测车辆位置信息与所述预测车尾位置信息之间的关联关系；然后，再基于所述预测车辆位置信息与所述预测车头位置信息之间的关联关系、以及所述预测车辆位置信息与所述预测车尾位置信息之间的关联关系，确定出所述预测车头位置信息与所述预测车尾位置信息之间的关联关系。如此得到的预测位置关联关系包括有所述预测车辆位置信息与所述预测车头位置信息之间的关联关系、所述预测车辆位置信息与所述预测车尾位置信息之间的关联关系、以及所述预测车头位置信息与所述预测车尾位置信息之间的关联关系这三种。

S505：判断所述训练图像中的预测位置信息以及预测位置关联关系是否满足停止条件，若是，则执行S507；若否，则执行S506。

其中，所述停止条件是根据所述训练图像中的实际位置信息和所述训练图像中的实际位置关联关系生成的，而且，本申请实施例不限定停止条件。例如，停止条件可以包括训练图像中的预测位置信息以及该预测位置信息对应的预测位置关联关系，与训练图像中的实际位置信息以及该实际位置信息对应的实际位置关联关系之间的差值小于第四阈值；也可以为当前次训练图像中的预测位置信息与前一次训练图像中的预测位置信息的差值小于第五阈值；还可以为训练图像中的预测位置信息的获取次数达到第六阈值。

基于上述内容可知，本申请实施例中，在获取到初始车辆检测模型输出的训练图像中的预测位置信息以及预测位置关联关系之后，可以先判断训练图像中的预测位置信息以及预测位置关联关系是否满足停止条件，以便在确定训练图像中的预测位置信息以及预测位置关联关系不满足停止条件时，根据所述训练图像中的预测位置信息、所述训练图像中的预测位置关联关系、所述训练图像中的实际位置信息、以及所述训练图像中的实际位置关联关系，更新初始车辆检测模型，并返回执行S503；然而，在确定训练图像中的预测位置信息以及预测位置关联关系满足所述停止条件时，则将所述初始车辆检测模型作为所述预设车辆位置检测模型。

S506：根据所述训练图像中的预测位置信息、所述训练图像中的预测位置关联关系、所述训练图像中的实际位置信息、以及所述训练图像中的实际位置关联关系，更新初始车辆检测模型，并返回执行S503。

本申请实施例中，在确定训练图像中的预测位置信息以及预测位置关联关系不满足停止条件时，可以确定初始车辆检测模型输出的测试图像中的预测位置信息不准确，从而可以基于所述训练图像中的预测位置信息、所述训练图像中的预测位置关联关系、所述训练图像中的实际位置信息、以及所述训练图像中的实际位置关联关系，更新初始车辆检测模型，使得更新后的初始车辆检测模型能够输出更接近所述训练图像中的实际位置信息以及所述训练图像中的实际位置关联关系的预测位置信息。

S507：将所述初始车辆检测模型作为所述预设车辆位置检测模型。

基于上述S501至S507的相关内容可知，本申请实施例中，在获取到训练图像、训练图像中的实际位置信息、以及训练图像中的实际位置关联关系之后，可以基于训练图像、训练图像中的实际位置信息、以及训练图像中的实际位置关联关系来训练初始车辆检测模型，使得训练好的初始车辆检测模型能够输出几乎接近于所述训练图像中的实际位置信息以及所述训练图像中的实际位置关联关系的预测位置信息，以便后续可以将训练好的初始车辆检测模型确定为预设车辆位置检测模型。如此有利于提高预设车辆位置检测模型的车辆检测准确性。

基于上述提供的车辆姿态识别方法，本申请实施例还提供了一种停车场内车辆状态的检测方法，下面结合附图进行解释和说明。

方法实施例三

参见图6，该图为本申请实施例提供的停车场内车辆状态的检测方法的流程图。

本申请实施例提供的停车场内车辆状态的检测方法，包括S601-S603：

S601：接收停车场内图像采集设备发送的待检测图像。

本申请实施例不限定停车场，可以是露天停车场，也可以是地下停车场，还可以是其他任一形式的停车场。

本申请实施例不限定图像采集设备，例如，可以是监控摄像头。

待检测图像用于表征利用停车场内图像采集设备采集所得的图像；而且待检测图像中包括至少一个待检测车辆。另外，本申请实施例不限定待检测图像的获取方式，例如，待检测图像可以是监控摄像头采集的视频中的一帧图像。

S602：利用车辆姿态识别方法对所述待检测图像进行车辆姿态识别，得到所述待检测车辆的姿态信息及位置信息。

车辆姿态识别方法的相关内容请参见上文。

位置信息用于表征待检测车辆在待检测图像中的位置；而且，待检测车辆的位置信息包括该待检测车辆的车辆位置信息以及目标部位位置信息。可见，位置信息可以为车头位置信息和车辆位置信息，也可以为车尾位置信息和车辆位置信息，还可以为车头位置信息、车尾位置信息和车辆位置信息。

本申请实施例中，在获取到待检测图像之后，可以利用上文中的车辆姿态识别方法，来识别待检测图像中各个待检测车辆的姿态信息以及各个待检测车辆的位置信息，以便后续能够基于待检测图像中各个待检测车辆的姿态信息以及各个待检测车辆的位置信息，确定各个待检测车辆的状态信息。

S603：根据停车场内位置用途标识信息和所述待检测车辆的姿态信息及位置信息，确定所述待检测车辆的状态信息。

停车场内位置用途标识信息用于标记停车场内位置的用途；而且停车场内位置用途标识信息包括停车位标识、行车方向指引标识或故障提醒标识中的至少一种。其中，停车位标识用于标记停车场内的停车位。行车方向指引标识用于标记停车场内行车道上的车辆行驶方向，例如，行车方向指令标识可以是行车道上标记的箭头。故障提醒标识用于标记停车场内的故障位置。

状态信息用于表征待检测车辆在停车场内的状态；而且，状态信息可以包括停车状态信息和行驶状态信息这两种类型的信息。

停车状态信息用于表征待检测车辆在停车场内的停车信息，而且停车状态信息可以包括停车位占用信息。

行驶状态信息用于表征待检测车辆在停车场内的行驶信息，而且行驶状态信息可以包括是否逆行，是否超速等信息。

本申请实施例还提供了S603的一种实施方式，其具体可以包括S6031-S6032：

S6031：根据所述停车场内位置用途标识信息，确定所述待检测车辆的位置信息对应的目标位置用途标识。

目标位置用途标识用于表征待检测车辆在停车场内所处位置应该具有的用途。

本申请实施例中，在获取到待检测车辆的位置信息之后，可以根据待检测车辆的位置信息以及停车场内位置用途标识信息，来确定所述待检测车辆的位置信息对应的目标位置用途标识，其具体为：先根据待检测车辆的位置信息以及采集包括该待检测车辆的待检测图像的摄像头位置，确定待检测车辆在停车场的实际位置，再根据待检测车辆在停车场的实际位置，从停车场内位置用途标识信息中确定出该实际位置处的用途标识信息，作为目标位置用途标识。例如，当确定出该待检测车辆位于行车道上，则可以将该行车道对应的行车方向指引标识，确定为待检测车辆的位置信息对应的目标位置用途标识。

S6032：根据所述目标位置用途标识和所述待检测车辆的姿态信息，确定所述待检测车辆的状态信息。

本申请实施例中，在获取到目标位置用途标识和所述待检测车辆的姿态信息之后，即可根据根据所述目标位置用途标识和所述待检测车辆的姿态信息，确定所述待检测车辆的状态信息。例如，若目标位置用途标识属于停车位标识，则可以根据目标位置用途标识对应的停车位标识，确定待检测车辆的状态信息，使得待检测车辆的状态信息包括待检测车辆处于停车状态，和待检测车辆占用的停车位的位置。

另外，本申请实施例还提供了S6032的一种实施方式，在该实施方式中，所述目标位置用途标识为所述行车方向指引标识，而且，S6032具体可以包括S60321-S60323：

S60321：根据所述待检测车辆的姿态信息，确定所述待检测车辆的实际行驶方向。

S60322：根据所述目标位置用途标识，确定标定行使方向。

其中，标定行使方向用于表征待检测车辆所处行车道上规定的行驶方向。

S60323：在确定所述待检测车辆的实际行驶方向与所述标定行使方向一致时，确定所述待检测车辆处于正常行使状态。

S60324：在确定所述待检测车辆的实际行驶方向与所述标定行使方向相反时，确定所述待检测车辆处于逆向行使状态。

基于上述内容可知，在获取到目标位置用途标识之后，先判断目标位置用途标识的类型，以便在确定出目标位置用途标识属于行车方向指引标识时，先根据待检测车辆的姿态信息确定该待检测车辆的实际行驶方向，并根据所述目标位置用途标识确定标定行使方向；再判断待检测车辆的实际行驶方向与标定行使方向是否一致，若是则确定待检测车辆处于正常行使状态；若否则确定待检测车辆处于逆向行使状态。此时，为了保证停车场内的行车安全，可以生成安全告警信息，并利用该告警信息对该待检测车辆进行告警。

需要说明的是，本申请实施例不限定利用安全告警信息对待检测车辆进行告警的具体实施方式，例如，可以将告警信息发送给待检测车辆，也可以在停车场内进行广播，以使该待检测车辆能够获知该告警信息。

基于上述S601至S603的相关内容可知，本申请实施例提供的停车场内车辆状态的检测方法中，在接收到停车场内图像采集设备发送的待检测图像之后，可以先利用上述的车辆姿态识别方法对该待检测图像进行车辆姿态识别，得到该待检测车辆的姿态信息及位置信息；再根据停车场内位置用途标识信息和所述待检测车辆的姿态信息及位置信息，确定所述待检测车辆的状态信息。其中，因上述的车辆姿态识别方法能够准确地确定出图像中车辆的姿态信息以及位置信息，使得利用车辆姿态识别方法得到的待检测车辆的姿态信息及位置信息准确性较高，从而使得基于待检测车辆的姿态信息及位置信息确定的待检测车辆的状态信息准确性也较高，如此有提高停车场内车辆状态信息的确定准确性。

另外，在一些情况(例如，停车场内发生拥堵)下，可以根据停车场内车辆状态信息来对车辆的行驶进行正确地引导。基于此，本申请实施例还提供了停车场内车辆状态的检测方法的另一实施方式，在该实施方式中，停车场内车辆状态的检测方法除了包括上述S601-S603以外，还包括以下两步：

步骤1：在确定所述待检测车辆处于正常行使状态时，根据所述待检测车辆的实际行驶方向，预测所述待检测车辆是否驶向拥堵区域。

步骤2：在确定所述待检测车辆驶向拥堵区域时，生成拥堵提醒信息，并利用所述拥堵提醒信息对所述待检测车辆进行拥堵提醒。

基于上述内容可知，本申请实施例中，在确定待检测车辆的实际行驶方向之后，可以基于待检测车辆的实际行驶方向预测该待检测车辆是否是朝向拥堵区域行驶，若是则生成拥堵提醒信息，并利用所述拥堵提醒信息对所述待检测车辆进行拥堵提醒，以使待检测车辆的驾驶人员能够改变行驶方向，如此能够避免停车场拥堵现象的加重。

另外，本申请实施例还可以基于停车场内车辆状态信息来确定停车场内车位使用信息。基于此，本申请实施例还提供了停车场内车辆状态的检测方法的另一实施方式，在该实施方式中，当所述停车场内图像采集设备包括停车场内各个图像采集设备时，停车场内车辆状态的检测方法除了包括上述全部或部分步骤以外，还包括：根据所述待检测车辆的状态信息，确定停车场内车位使用信息。其中，停车场内车位使用信息用于表征停车场内车位被占用的信息；而且，停车场内车位使用信息可以包括各个停车位是否被占用的信息。

可见，本申请实施例中，在获取到停车场内所有车辆的状态信息之后，可以根据停车场内所有车辆的状态信息，尤其是处于停车状态的待检测车辆的状态信息，来确定停车场内车位使用信息，以便后续能够基于停车场内车位使用信息，来确定停车场内还剩余多少停车位可用。

基于上述方法实施例提供的车辆姿态识别方法，本申请实施例还提供了一种车辆姿态识别装置，下面结合附图进行说明。

装置实施例一

参见图7，该图为本申请实施例提供的车辆姿态识别装置的结构示意图。

本申请实施例提供的车辆姿态识别装置700，包括：

第一检测单元701，用于将待识别图像输入预设车辆位置检测模型，得到第一位置信息集合和第二位置信息集合；所述待识别图像包括至少一个待识别车辆；所述第一位置信息集合包括至少一个车辆位置信息，所述第二位置信息集合包括至少一个车头位置信息和/或至少一个车尾位置信息；所述预设车辆位置检测模型是利用训练图像以及所述训练图像中的实际位置信息训练得到的；所述实际位置信息包括实际车辆位置信息、实际车头位置信息或实际车尾位置信息中的至少两种；

第一构建单元702，用于根据所述第一位置信息集合和所述第二位置信息集合，建立第一关联关系，所述第一关联关系用于记录各车辆位置信息与各部位位置信息之间的对应关系，所述部位位置信息为车头位置信息或车尾位置信息；

第一确定单元703，用于根据所述第一关联关系和所述待识别车辆的车辆位置信息，确定待识别车辆的目标部位位置信息；

第一识别单元704，用于根据所述待识别车辆的目标部位位置信息，确定待识别车辆的姿态信息。

在一种可能的实施方式中，所述第一识别单元704，具体包括：

第一确定子单元，用于若所述目标部位位置信息的个数为1，则根据所述待识别车辆的车辆位置的中心点位置、所述待识别车辆的目标部位位置信息的中心点位置、以及所述待识别车辆的目标部位位置信息的信息类型，确定所述待识别车辆的姿态信息；

第二确定子单元，用于若所述目标部位位置信息的个数为2，则根据所述待识别车辆的各目标部位位置信息的中心点位置、以及所述待识别车辆的目标部位位置信息的信息类型，确定所述待识别车辆的姿态信息。

在一种可能的实施方式中，所述第一确定子单元，具体用于：

若所述待识别车辆的目标部位位置信息的信息类型为车头位置信息，则将所述待识别车辆的车辆位置的中心点位置作为姿态向量的起点，将所述待识别车辆的目标部位位置信息的中心点位置作为所述姿态向量的终点，构建所述姿态向量，并根据所述姿态向量确定所述待识别车辆的姿态信息；

若所述待识别车辆的目标部位位置信息的信息类型为车尾位置信息，则将所述待识别车辆的目标部位位置信息的中心点位置作为所述姿态向量的起点，将所述待识别车辆的车辆位置的中心点位置作为姿态向量的终点，构建所述姿态向量，并根据所述姿态向量确定所述待识别车辆的姿态信息。

在一种可能的实施方式中，所述第二确定子单元，具体用于：

若第一个目标部位位置信息的信息类型为车头位置信息，且第二个目标部位位置信息的信息类型为车尾位置信息，则将所述待识别车辆的第二个目标部位位置信息的中心点位置作为姿态向量的起点，将所述待识别车辆的第一个目标部位位置信息的中心点位置作为姿态向量的终点，构建所述姿态向量，并根据所述姿态向量确定所述待识别车辆的姿态信息。

在一种可能的实施方式中，当所述姿态信息包括姿态角时，则所述第一确定子单元或第二确定子单元，具体用于：根据所述姿态向量与基准向量的夹角，确定所述待识别车辆的姿态角。

在一种可能的实施方式中，所述预设车辆位置检测模型的训练过程包括：

获取训练图像以及所述训练图像中的实际位置信息；

将所述训练图像输入到所述初始车辆检测模型，得到所述初始车辆检测模型输出的所述训练图像中的预测位置信息；所述预测位置信息包括预测车辆位置信息、预测车头位置信息或预测车尾位置信息中的至少一种；

在确定所述训练图像中的预测位置信息未满足停止条件时，根据所述训练图像中的预测位置信息和所述训练图像中的实际位置信息，更新初始车辆检测模型，继续执行所述将所述训练图像输入到所述初始车辆检测模型以及后续步骤，直至在确定所述训练图像中的预测位置信息满足所述停止条件时，将所述初始车辆检测模型作为所述预设车辆位置检测模型；其中，所述停止条件是根据所述训练图像中的实际位置信息生成的。

在一种可能的实施方式中，所述预设车辆位置检测模型的训练过程，还包括：

根据所述训练图像中的实际位置信息，确定所述训练图像中的实际位置关联关系，所述实际位置关联关系包括：所述实际车辆位置信息与所述实际车头位置信息之间的关联关系、所述实际车辆位置信息与所述实际车尾位置信息之间的关联关系、以及所述实际车头位置信息与所述实际车尾位置信息之间的关联关系中的至少一个；

根据所述训练图像中的预测位置信息，确定所述训练图像中的预测位置关联关系，所述预测位置关联关系包括：所述预测车辆位置信息与所述预测车头位置信息之间的关联关系、所述预测车辆位置信息与所述预测车尾位置信息之间的关联关系、以及所述预测车头位置信息与所述预测车尾位置信息之间的关联关系中的至少一个；

所述在确定所述训练图像中的预测位置信息未满足停止条件时，根据所述训练图像中的预测位置信息和所述训练图像中的实际位置信息，更新初始车辆检测模型，具体包括：

在确定所述训练图像中的预测位置信息以及预测位置关联关系未满足停止条件时，根据所述训练图像中的预测位置信息、所述训练图像中的预测位置关联关系、所述训练图像中的实际位置信息、以及所述训练图像中的实际位置关联关系，更新初始车辆检测模型；其中，所述停止条件是根据所述训练图像中的实际位置信息和所述训练图像中的实际位置关联关系生成的；

所述在确定所述训练图像中的预测位置信息满足所述停止条件时，将所述初始车辆检测模型作为所述预设车辆位置检测模型，具体包括：

在确定所述训练图像中的预测位置信息以及预测位置关联关系满足所述停止条件时，将所述初始车辆检测模型作为所述预设车辆位置检测模型。

在一种可能的实施方式中，当所述实际位置关联关系包括：所述实际车辆位置信息与所述实际车头位置信息之间的关联关系、和/或所述实际车辆位置信息与所述实际车尾位置信息之间的关联关系时，则所述根据所述训练图像中的实际位置信息，确定所述训练图像中的实际位置关联关系，具体包括：

根据所述训练图像中的实际位置信息，计算不同类型的实际位置信息对应的实际位置重叠度IOU；所述实际位置IOU为所述实际车辆位置信息与所述实际车头位置信息对应的IOU、和/或所述实际车辆位置信息与所述实际车尾位置信息对应的IOU；

根据所述不同类型的实际位置信息对应的实际位置IOU和预设关联IOU阈值，确定所述训练图像中的实际位置关联关系。

在一种可能的实施方式中，当所述预测位置关联关系包括：所述预测车辆位置信息与所述预测车头位置信息之间的关联关系、和/或所述预测车辆位置信息与所述预测车尾位置信息之间的关联关系时，则所述根据所述训练图像中的预测位置信息，确定所述训练图像中的预测位置关联关系，具体包括：

根据所述训练图像中的预测位置信息，计算不同类型的预测位置信息对应的预测位置IOU；所述不同类型的预测位置信息对应的预测位置IOU为所述预测车辆位置信息与所述预测车头位置信息对应的IOU、和/或所述预测车辆位置信息与所述预测车尾位置信息对应的IOU；

根据所述不同类型的预测位置信息对应的预测位置IOU和预设IOU阈值，确定所述训练图像中的预测位置关联关系。

基于上述车辆姿态识别装置700的相关内容可知，本申请实施例中，首先，将待识别图像输入预设车辆位置检测模型，得到第一位置信息集合和第二位置信息集合，使得所述第一位置信息集合包括至少一个车辆位置信息，所述第二位置信息集合包括至少一个车头位置信息和/或至少一个车尾位置信息，并根据所述第一位置信息集合和所述第二位置信息集合，建立第一关联关系，所述第一关联关系用于记录各车辆位置信息与部位位置信息(也就是车头位置信息或车尾位置信息)之间的对应关系。然后，根据所述第一关联关系和所述待识别车辆的车辆位置确定待识别车辆的目标部位位置信息，并根据所述待识别车辆的目标部位位置信息确定待识别车辆的姿态信息。

其中，因所述预设车辆位置检测模型是利用训练图像以及所述训练图像中的实际位置信息训练得到的，且所述实际位置信息包括实际车辆位置信息、实际车头位置信息或实际车尾位置信息中的至少两种，使得该预设车辆位置检测模型能够准确地确定出待识别图像的第一位置信息集合(也就是，车辆位置信息集合)和第二位置信息集合(也就是，车头或车尾位置信息集合)，从而使得基于待识别车辆的车辆位置信息以及目标部位位置信息，能够准确地确定出待识别车辆的姿态信息，如此能够提高确定的车辆姿态的准确性，从而提高停车场内车辆状态的检测准确性。

基于上述方法实施例提供的停车场内车辆状态的检测方法，本申请实施例还提供了一种停车场内车辆状态的检测装置，下面结合附图进行说明。

装置实施例二

参见图8，该图为本申请实施例提供的停车场内车辆状态的检测装置的结构示意图。

本申请实施例提供的停车场内车辆状态的检测装置800，包括：

接收单元801，用于接收停车场内图像采集设备发送的待检测图像；所述待检测图像中包括至少一个待检测车辆；

第二检测单元802，用于利用本申请实施例提供的车辆姿态识别方法对所述待检测图像进行车辆姿态识别，得到所述待检测车辆的姿态信息及位置信息；

第二确定单元803，用于根据停车场内位置用途标识信息和所述待检测车辆的姿态信息及位置信息，确定所述待检测车辆的状态信息；所述停车场内位置用途标识信息包括停车位标识、行车方向指引标识或故障提醒标识中的至少一种。

在一种可能的实施方式中，所述第二确定单元803，具体包括：

第三确定子单元，用于根据所述停车场内位置用途标识信息，确定所述待检测车辆的位置信息对应的目标位置用途标识；

第四确定子单元，用于根据所述目标位置用途标识和所述待检测车辆的姿态信息，确定所述待检测车辆的状态信息。

在一种可能的实施方式中，若所述目标位置用途标识为所述行车方向指引标识，则所述第四确定子单元，具体包括：

第五确定子单元，用于根据所述待检测车辆的姿态信息，确定所述待检测车辆的实际行驶方向；

第六确定子单元，用于根据所述目标位置用途标识，确定标定行使方向；

第七确定子单元，用于在确定所述待检测车辆的实际行驶方向与所述标定行使方向一致时，确定所述待检测车辆处于正常行使状态；

第八确定子单元，用于在确定所述待检测车辆的实际行驶方向与所述标定行使方向相反时，确定所述待检测车辆处于逆向行使状态。

在一种可能的实施方式中，所述停车场内车辆状态的检测装置800还包括：

预测单元，用于在确定所述待检测车辆处于正常行使状态时，根据所述待检测车辆的实际行驶方向，预测所述待检测车辆是否驶向拥堵区域；

提醒单元，用于在确定所述待检测车辆驶向拥堵区域时，生成拥堵提醒信息，并利用所述拥堵提醒信息对所述待检测车辆进行拥堵提醒。

在一种可能的实施方式中，所述停车场内车辆状态的检测装置800还包括：

第三确定单元，用于当所述停车场内图像采集设备包括停车场内各个图像采集设备时；，根据所述待检测车辆的状态信息，确定停车场内车位使用信息。

基于上述停车场内车辆状态的检测装置800相关内容可知，本申请实施例中，在接收到停车场内图像采集设备发送的待检测图像之后，可以先利用上述的车辆姿态识别方法对该待检测图像进行车辆姿态识别，得到该待检测车辆的姿态信息及位置信息；再根据停车场内位置用途标识信息和所述待检测车辆的姿态信息及位置信息，确定所述待检测车辆的状态信息。其中，因上述的车辆姿态识别方法能够准确地确定出图像中车辆的姿态信息以及位置信息，使得利用车辆姿态识别方法得到的待检测车辆的姿态信息及位置信息准确性较高，从而使得基于待检测车辆的姿态信息及位置信息确定的待检测车辆的状态信息准确性也较高，如此有提高停车场内车辆状态信息的确定准确性。

另外，本申请实施例还提供了一种设备，所述设备包括处理器以及存储器：

所述存储器用于存储计算机程序；

所述处理器用于根据所述计算机程序执行上述车辆姿态识别方法的任一实施方式，或者执行上述停车场内车辆状态的检测方法的任一实施方式。

另外，本申请实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质用于存储计算机程序，所述计算机程序用于执行上述车辆姿态识别方法的任一实施方式，或者执行上述停车场内车辆状态的检测方法的任一实施方式。

应当理解，在本申请中，“至少一个(项)”是指一个或者多个，“多个”是指两个或两个以上。“和/或”，用于描述关联对象的关联关系，表示可以存在三种关系，例如，“A和/或B”可以表示：只存在A，只存在B以及同时存在A和B三种情况，其中A，B可以是单数或者复数。字符“/”一般表示前后关联对象是一种“或”的关系。“以下至少一项(个)”或其类似表达，是指这些项中的任意组合，包括单项(个)或复数项(个)的任意组合。例如，a，b或c中的至少一项(个)，可以表示：a，b，c，“a和b”，“a和c”，“b和c”，或“a和b和c”，其中a，b，c可以是单个，也可以是多个。

以上所述，仅是本发明的较佳实施例而已，并非对本发明作任何形式上的限制。虽然本发明已以较佳实施例揭露如上，然而并非用以限定本发明。任何熟悉本领域的技术人员，在不脱离本发明技术方案范围情况下，都可利用上述揭示的方法和技术内容对本发明技术方案做出许多可能的变动和修饰，或修改为等同变化的等效实施例。因此，凡是未脱离本发明技术方案的内容，依据本发明的技术实质对以上实施例所做的任何简单修改、等同变化及修饰，均仍属于本发明技术方案保护的范围内。

Claims (8)

1.一种车辆姿态识别方法，其特征在于，包括：

将待识别图像输入预设车辆位置检测模型，得到第一位置信息集合和第二位置信息集合；所述待识别图像包括至少一个待识别车辆；所述第一位置信息集合包括至少一个车辆位置信息，所述第二位置信息集合包括至少一个车头位置信息和/或至少一个车尾位置信息；所述预设车辆位置检测模型是利用训练图像以及所述训练图像中的实际位置信息训练得到的；所述实际位置信息包括实际车辆位置信息、实际车头位置信息或实际车尾位置信息中的至少两种；

根据所述第一位置信息集合和所述第二位置信息集合，建立第一关联关系，所述第一关联关系用于记录各车辆位置信息与各部位位置信息之间的对应关系，所述部位位置信息为车头位置信息或车尾位置信息；

根据所述第一关联关系和所述待识别车辆的车辆位置信息，确定待识别车辆的目标部位位置信息；

根据所述待识别车辆的目标部位位置信息，确定所述待识别车辆的姿态信息；

若所述目标部位位置信息的个数为1，则根据所述待识别车辆的车辆位置的中心点位置、所述待识别车辆的目标部位位置信息的中心点位置、以及所述待识别车辆的目标部位位置信息的信息类型，确定所述待识别车辆的姿态信息；

若所述目标部位位置信息的个数为2，则根据所述待识别车辆的各目标部位位置信息的中心点位置、以及所述待识别车辆的目标部位位置信息的信息类型，确定所述待识别车辆的姿态信息；

所述根据所述待识别车辆的车辆位置的中心点位置、所述待识别车辆的目标部位位置信息的中心点位置、以及所述待识别车辆的目标部位位置信息的信息类型，确定所述待识别车辆的姿态信息，具体包括：

若所述待识别车辆的目标部位位置信息的信息类型为车头位置信息，则将所述待识别车辆的车辆位置的中心点位置作为姿态向量的起点，将所述待识别车辆的目标部位位置信息的中心点位置作为所述姿态向量的终点，构建所述姿态向量，并根据所述姿态向量确定所述待识别车辆的姿态信息；

若所述待识别车辆的目标部位位置信息的信息类型为车尾位置信息，则将所述待识别车辆的目标部位位置信息的中心点位置作为所述姿态向量的起点，将所述待识别车辆的车辆位置的中心点位置作为姿态向量的终点，构建所述姿态向量，并根据所述姿态向量确定所述待识别车辆的姿态信息。

2.根据权利要求1所述的方法，其特征在于，所述根据所述待识别车辆的各目标部位位置信息的中心点位置、以及所述待识别车辆的目标部位位置信息的信息类型，确定所述待识别车辆的姿态信息，具体包括：

若第一个目标部位位置信息的信息类型为车头位置信息，且第二个目标部位位置信息的信息类型为车尾位置信息，则将所述待识别车辆的第二个目标部位位置信息的中心点位置作为姿态向量的起点，将所述待识别车辆的第一个目标部位位置信息的中心点位置作为姿态向量的终点，构建所述姿态向量，并根据所述姿态向量确定所述待识别车辆的姿态信息。

3.根据权利要求1所述的方法，其特征在于，所述预设车辆位置检测模型的训练过程包括：

获取训练图像以及所述训练图像中的实际位置信息；

将所述训练图像输入到初始车辆检测模型，得到所述初始车辆检测模型输出的所述训练图像中的预测位置信息；所述预测位置信息包括预测车辆位置信息、预测车头位置信息或预测车尾位置信息中的至少一种；

在确定所述训练图像中的预测位置信息未满足停止条件时，根据所述训练图像中的预测位置信息和所述训练图像中的实际位置信息，更新初始车辆检测模型，继续执行所述将所述训练图像输入到所述初始车辆检测模型以及后续步骤，直至在确定所述训练图像中的预测位置信息满足所述停止条件时，将所述初始车辆检测模型作为所述预设车辆位置检测模型；其中，所述停止条件是根据所述训练图像中的实际位置信息生成的。

4.一种停车场内车辆状态的检测方法，其特征在于，包括：

接收停车场内图像采集设备发送的待检测图像；所述待检测图像中包括至少一个待检测车辆；

利用权利要求1-3任一项所述的车辆姿态识别方法对所述待检测图像进行车辆姿态识别，得到所述待检测车辆的姿态信息及位置信息；

根据停车场内位置用途标识信息和所述待检测车辆的姿态信息及位置信息，确定所述待检测车辆的状态信息；所述停车场内位置用途标识信息包括停车位标识、行车方向指引标识或故障提醒标识中的至少一种。

5.根据权利要求4所述的方法，其特征在于，所述根据停车场内位置用途标识信息和所述待检测车辆的姿态信息及位置信息，确定所述待检测车辆的状态信息，具体包括：

根据所述停车场内位置用途标识信息，确定所述待检测车辆的位置信息对应的目标位置用途标识；

根据所述目标位置用途标识和所述待检测车辆的姿态信息，确定所述待检测车辆的状态信息。

6.根据权利要求5所述的方法，其特征在于，若所述目标位置用途标识为所述行车方向指引标识，则所述根据所述目标位置用途标识和所述待检测车辆的姿态信息，确定所述待检测车辆的状态信息，具体包括：

根据所述待检测车辆的姿态信息，确定所述待检测车辆的实际行驶方向；

根据所述目标位置用途标识，确定标定行使方向；

在确定所述待检测车辆的实际行驶方向与所述标定行使方向一致时，确定所述待检测车辆处于正常行使状态；

在确定所述待检测车辆的实际行驶方向与所述标定行使方向相反时，确定所述待检测车辆处于逆向行使状态。

7.根据权利要求6所述的方法，其特征在于，所述方法还包括：

在确定所述待检测车辆处于正常行使状态时，根据所述待检测车辆的实际行驶方向，预测所述待检测车辆是否驶向拥堵区域；

在确定所述待检测车辆驶向拥堵区域时，生成拥堵提醒信息，并利用所述拥堵提醒信息对所述待检测车辆进行拥堵提醒。

8.根据权利要求4-7任一项所述的方法，其特征在于，当所述停车场内图像采集设备包括停车场内各个图像采集设备时；所述方法还包括：

根据所述待检测车辆的状态信息，确定停车场内车位使用信息。