车辆停车行为确定方法、电子设备及存储介质与流程

1.本技术涉及视频监控领域，特别是涉及一种车辆停车行为确定方法、电子设备及计算机可读存储介质。


背景技术：

2.在交通监控领域中，诸多应用场景下需要进行车辆停车行为的确定，例如在停车位数量的计算过程中，需要确定停车位是否有车辆，因此需要确定是否存在停车位的停车行为。又如，在停车费的计算过程中，需要确定车辆何时开始停在停车位的，因此需要确定是否存在停车位的停车行为。再如，在违规停车行为的判别的过程中，需要确定车辆是否存在禁止停车区域的停车行为。
3.但是，目前的车辆停车行为确定方法，得到的停车行为的确定结果准确度不高。


技术实现要素：

4.本技术提供一种车辆停车行为确定方法、电子设备及计算机可读存储介质，能够解决目前的车辆停车行为确定方法，得到的停车行为的确定结果准确度不高的问题。
5.为解决上述技术问题，本技术采用的一个技术方案是：提供一种车辆停车行为确定方法。该方法包括：在判定目标车辆驶入目标停车区域之后的延迟时间段，判断目标停车区域是否存在处于静止状态的参考车辆；若存在参考车辆，则判断各参考车辆中是否存在目标车辆，以确定目标车辆是否存在停车行为。
6.为解决上述技术问题，本技术采用的另一个技术方案是：提供一种电子设备，该电子设备包括处理器、与处理器连接的存储器，其中，存储器存储有程序指令；处理器用于执行存储器存储的程序指令以实现上述方法。
7.为解决上述技术问题，本技术采用的又一个技术方案是：提供一种计算机可读存储介质，存储有程序指令，该程序指令被执行时能够实现上述方法。
8.通过上述方式，本技术在目标车辆驶入目标停车区域之后的延迟时间段，判断目标停车区域是否存在处于静止状态的参考车辆(判断是否存在目标车辆停稳的可能性)；若存在参考车辆(存在目标车辆停稳的可能性)，则判断各参考车辆中是否存在目标车辆(判断目标车辆是否真的停稳)，以确定目标车辆是否存在停车行为。因此，本技术在目标车辆驶入目标停车区域的情况下，不直接判定目标车辆存在停车行为，只是认为目标车辆可能存在停车行为，并且在此基础上进一步判断目标车辆是否停稳，进而基于目标车辆是否停稳，确定目标车辆是否存在停车行为，从而能够降低目标车辆的停车行为被误判的可能性，提高目标车辆的停车行为确定结果的准确度。
附图说明
9.图1是本技术车辆停车行为确定方法一实施例的流程示意图；
10.图2是本技术车辆停车行为确定方法另一实施例的流程示意图；
11.图3是图2中s21的具体流程示意图；
12.图4是本技术车辆停车行为确定方法又一实施例的流程示意图；
13.图5是本技术车辆停车行为确定方法再一实施例的流程示意图；
14.图6是图5中s43的具体流程示意图；
15.图7是图像坐标系xoy下各时刻的参考点与目标停车区域的关系示意图；
16.图8是本技术行为确定装置一实施例的结构示意图；
17.图9是本技术电子设备一实施例的结构示意图；
18.图10是本技术计算机可读存储介质一实施例的结构示意图；
具体实施方式
19.下面将结合本技术实施例中的附图，对本技术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技术的一部分实施例，而不是全部的实施例。基于本技术中的实施例，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，都属于本技术保护的范围。
20.本技术中的术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”、“第三”的特征可以明示或者隐含地包括至少一个该特征。本技术的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。
21.在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本技术的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，在不冲突的情况下，本文所描述的实施例可以与其它实施例相结合。
22.如下以几个例子的形式，对本技术方法的应用场景进行详细说明：
23.应用场景1：停车费计算。判断车辆是否存在停车区域的停车行为；若判定存在停车区域的停车行为，记录车辆的驶入信息(驶入停车区域的时间、该车辆的车牌号、停车区域的id)；并在后续判定该车辆驶出停车区域时，记录该车辆的驶出信息(驶出停车区域的时间、该车辆的车牌号、停车区域的id)；基于该车辆的车牌号确定该车辆的驶入时间和驶出时间；基于该车辆的驶入时间和驶出时间计算该车辆占用停车区域的时间；基于占用停车区域的时间和收费标准计算车辆的停车费。
24.应用场景2：剩余停车位计算。判断车辆是否存在停车区域的停车行为；若判定存在停车区域的停车行为，则记录车辆的驶入信息(驶入停车区域的时间、该车辆的车牌号、停车区域的变化)；将停车区域的停车位数量减一。
25.应用场景3：违规停车行为的判别。判断车辆是否存在禁止停车区域的停车行为；若存在禁止停车区域的停车行为，记录该车辆的车牌号并上报违规停车事件。
26.如下对相关技术中车辆停车行为确定方法及其缺陷进行说明：
27.相关技术中，对目标车辆进行跟踪，得到目标车辆的轨迹信息，判断目标车辆的轨迹信息中最新时刻的目标车辆的位置与目标停车区域的关系是否满足要求；若满足要求，则判定目标车辆驶入停车区域；若判定目标车辆驶入停车区域，则判定目标车辆存在停车行为。
28.经本技术发明人长期研究发现，由于目标车辆的位置可能不准确，导致车辆停车行为判断结果错误。目标车辆的位置不准确的原因至少包括如下两种：
29.原因1：目标车辆是过路车，即目标车辆只是路过目标停车区域，并不是停留在目标停车区域，但是由于路过了目标停车区域，导致目标车辆的位置与目标停车区域的关系满足要求，从而判定目标车辆驶入停车区域，进而判定目标车辆存在目标停车区域的停车行为。该情况下，目标车辆实际不存在停车行为，但是被判定为存在停车行为。
30.原因2：目标车辆由于被遮挡，引起目标车辆串id的现象，即将目标车辆的遮挡车辆id误认为是目标车辆的id，从而由于遮挡车辆驶入了目标停车区域而判定目标车辆驶入了目标停车区域，进而判定目标车辆存在目标停车区域的停车行为。该情况下，目标车辆实际不存在停车行为，但是被判定为存在停车行为。
31.基于此，本技术提供的车辆停车行为确定方法可以分为两个部分，一个部分是判断目标车辆是否驶入目标停车区域，另一个部分是在判定目标车辆驶入目标停车区域之后的延迟时间段，判断目标车辆是否存在停车行为。具体可以如下：
32.图1是本技术车辆停车行为确定方法一实施例的流程示意图。需注意的是，若有实质上相同的结果，本实施例并不以图1所示的流程顺序为限。如图1所示，本实施例可以包括：
33.s11：获取目标区域的第一视频数据。
34.目标区域包括目标停车区域及其周围区域。
35.目标区域布设有摄像头，摄像头的视野范围为目标区域。目标停车区域可以是允许停车区域，如停车场的停车位、路侧的停车位等等，也可以是禁止停车区域，如道路斑马线、高速路等等。第一视频数据包括若干视频帧，每个视频帧对应一时刻。
36.s12：基于第一视频数据进行车辆跟踪，得到第一视频数据中若干车辆的轨迹信息。
37.车辆的轨迹信息可以包括若干时刻车辆的相关位置信息，单个时刻车辆的相关位置信息可以包括车辆的id、车辆的位置、车辆的类型、车辆的车牌信息、所属视频帧号等等，车辆的车牌信息可以包括车牌号、车牌位置、车牌颜色、车牌外观等等。车辆的轨迹信息可以包括多个子轨迹信息，如车牌信息组成的车牌子轨迹信息(后文称之为第一车牌子轨迹信息)，车辆的位置组成的车辆子轨迹信息等等。
38.本技术涉及的车辆跟踪可以包括车辆的位置检测、车辆的位置关联以及车辆的车牌信息获取三个部分。对于第一视频数据中各个视频帧，对视频帧进行车辆的位置检测，得到视频帧中各待关联的车辆的位置；将各待关联的车辆的位置分别与各已有车辆的轨迹信息进行匹配；若匹配上，则利用该待关联的车辆的位置更新与其匹配的已有车辆的轨迹信息；若未匹配上，则基于该待关联的车辆的位置建立一新车辆的轨迹信息。可以对各个视频帧中车牌的位置对应区域进行车牌检测，得到车辆的车牌信息。
39.s13：将第一视频数据中至少一车辆作为目标车辆，并基于目标车辆的轨迹信息中最新时刻目标车辆的位置与目标停车区域的关系，判断目标车辆是否驶入目标停车区域。
40.可以计算最新时刻的目标车辆的位置与目标停车区域的重合度，基于重合度判断目标车辆是否驶入目标停车区域。即设定一重合度阈值，若重合度大于该重合度阈值，则判定目标车辆驶入目标停车区域；否则判定目标车辆未驶入目标停车区域。
41.若目标车辆驶入目标停车区域，则意味着目标车辆可能存在停车行为；若目标车辆未驶入目标停车区域，则意味着目标车辆不存在停车行为。
42.进一步地，可以在判定目标车辆驶入目标停车区域之后，即在判定目标车辆可能存在停车行为的基础上，判断目标车辆是否真的存在停车行为。具体可以如下：
43.图2是本技术车辆停车行为确定方法另一实施例的流程示意图。需注意的是，若有实质上相同的结果，本实施例并不以图2所示的流程顺序为限。如图2所示，本实施例可以包括：
44.s21：在判定目标车辆驶入目标停车区域之后的延迟时间段，判断目标停车区域是否存在处于静止状态的参考车辆。
45.本技术将目标车辆驶入目标停车区域的时间段称为原始时间段，将原始时间段之后预设时长的连续时间段称为延迟时间段。目标车辆驶入目标停车区域的时间段可以包括目标车辆驶入目标停车区域之前和驶入目标停车区域过程中的时间段，即是以目标车辆驶入摄像头的视野范围的时刻(第一视频数据包括的第一个视频帧对应的时刻)为起点、以目标车辆的位置与目标停车区域之间的关系满足要求的时刻为终点的时间段。
46.s21中判定目标车辆驶入目标停车区域之后的延迟时间段，可以但不限于是通过s11～s13实现的。
47.结合参阅图3，在一些实施例中，s21可以包括子步骤：
48.s211：在判定目标车辆驶入目标停车区域之后的延迟时间段，获取目标区域的第二视频数据。
49.s212：基于第二视频数据进行车牌跟踪，得到第二视频数据中若干第二车牌子轨迹信息。
50.第二车牌子轨迹信息与第一车牌子轨迹信息的组成结构以及获取方式类似，在此不赘述。
51.s213：基于各第二车牌子轨迹信息中不同时刻的车牌位置之间的关系，确定目标停车区域是否存在参考车辆。
52.对于各第二车牌子轨迹信息，可以基于其中不同时刻的车牌位置之间的关系，确定其所属车辆是否为参考车辆；在至少一第二车牌子轨迹信息所属车辆为参考车辆的情况下，确定各车辆中存在参考车辆。其中，若第二车牌子轨迹信息中不同时刻的车牌位置之间无变化或者变化幅度不大，则判定第二车牌子轨迹信息所属车辆处于静止状态，为参考车辆。不同时刻的车牌位置之间无变化，是指不同时刻的车牌位置之间的位移为0；不同时刻的车牌位置之间变化幅度不大，是指不同时刻的车牌位置之间的位移小于位移阈值。不同时刻的车牌位置之间的位移，可以通过车牌位置的任意一个参考点计算，例如中心点、顶点。
53.若目标停车区域存在参考车辆，则执行s22；否则执行s23。
54.s22：判断各参考车辆中是否存在目标车辆，以确定目标车辆是否存在停车行为。
55.在一些实施例中，可以基于第二车牌子轨迹信息判断各参考车辆中是否存在目标车辆。s22可以包括以下子步骤：第二车牌子轨迹信息包括车牌号，基于此，可以判断是否存在符合要求的第二车牌子轨迹信息，符合要求的第二车牌子轨迹信息包括的车牌号与目标车辆的目标车牌号一致；若存在，则判定各参考车辆中存在目标车辆，即符合要求的第二车
牌子轨迹信息所属的参考车辆为目标车辆；若不存在，则判定各参考车辆中不存在目标车辆。
56.其中，目标车辆的车牌号可以从目标车辆的第一车牌子轨迹信息中确定。可以理解的是，目标车辆的第一车牌子轨迹信息中至少一时刻的车牌信息包括车牌号。由于可能存在某些视频帧中目标车辆的车牌被遮挡的情况，导致目标车辆的车牌信息中对应时刻的车牌信息为空。因此，目标车牌的车牌号可以是任意一时刻的车牌信息中的车牌号。
57.例如，若在判定目标车辆驶入目标停车区域之后的延迟时间段，目标停车区域存在参考车辆pp，即pp数量不为0，则比较各个pp和目标车辆p的车牌号，若存在pp的车牌号与p的车牌号一致，则判定pp中存在p；否则判定pp中不存在p。
58.进一步地，可以基于各参考车辆中是否存在目标车辆的判断结果，确定目标车辆是否存在停车行为。
59.可以理解的是，若目标车辆存在目标停车区域的行为，则目标车辆会在目标停车区域停稳或者趋近于停稳。参考车辆在延迟时段内处于静止状态，各参考车辆中存在目标车辆，意味着目标车辆在目标停车区域停稳或者趋近于停稳。因此，若判断结果为各参考车辆中存在目标车辆，则确定目标车辆存在停车行为；若判断结果为各参考车辆中不存在目标车辆，则确定目标车辆不存在停车行为。
60.s23：确定目标车辆不存在停车行为，或者，基于目标车辆的车牌轨迹信息确定目标车辆是否存在停车行为。
61.可以理解的是，在延迟时间段，目标停车区域不存在处于静止状态的参考车辆，意味着目标车辆没有在目标停车区域停稳，从而可以直接确定目标车辆不存在停车行为。
62.进一步地，在目标停车区域不存在处于参考车辆的情况下，如果直接确定目标车辆不存在停车行为，可能存在误判的情况。为此，可以进一步通过目标车辆的车牌轨迹信息，确定目标车辆是否存在停车行为。目标车辆的车牌轨迹信息包括目标车辆在原始时间段和延迟时间段中多个时刻的车牌位置，原始时间段为目标车辆驶入目标停车区域之前和过程中的时间段。
63.通过本实施例的实施，本技术在目标车辆驶入目标停车区域之后的延迟时间段，判断目标停车区域是否存在处于静止状态的参考车辆(判断是否存在目标车辆停稳的可能性)；若存在参考车辆(存在目标车辆停稳的可能性)，则判断各参考车辆中是否存在目标车辆(判断目标车辆是否真的停稳)，以确定目标车辆是否存在停车行为。因此，本技术在目标车辆驶入目标停车区域的情况下，不直接判定目标车辆存在停车行为，只是认为目标车辆可能存在停车行为，并且在此基础上进一步判断目标车辆是否停稳，进而基于目标车辆是否停稳，确定目标车辆是否存在停车行为，从而能够降低目标车辆的停车行为被误判的可能性，提高目标车辆的停车行为确定结果的准确度。
64.图4是本技术车辆停车行为确定方法又一实施例的流程示意图。需注意的是，若有实质上相同的结果，本实施例并不以图4所示的流程顺序为限。如图4所示，本实施例可以包括：
65.s31：在判定目标车辆驶入目标停车区域之后的延迟时间段，获取目标区域的第二视频数据。
66.s32：基于第二视频数据进行车牌跟踪，得到目标车辆的第二车牌子轨迹信息。
67.车牌跟踪可以得到第二视频数据中若干第二车牌子轨迹信息，将包括的车牌号与目标车辆的目标车牌号一致的第二车牌子轨迹信息，作为目标车辆的第二车牌子轨迹信息。
68.s33：将目标车辆的第一车牌子轨迹信息和目标车辆的第二车牌子轨迹信息合并，得到目标车辆的车牌轨迹信息。
69.s31～s33与s211～s213可以是并行的，或者s31～s33可以是在s211～s213之后进行的，即在通过s211～s213确定不存在参考车辆的情况下，执行s31～s33。
70.如下以一个例子的形式，说明s31～s33与s211～s213的并行情况：
71.1)在判定目标车辆驶入目标停车区域之后的延迟时间段，获取目标区域的第二视频数据。
72.2)基于第二视频数据进行车牌跟踪，以得到第二视频数据中若干第二车牌子轨迹信息；从各第二车牌子轨迹信息中确定目标车辆的第二车牌子轨迹信息；将目标车辆的第一车牌子轨迹信息和目标车辆的第二车牌子轨迹信息合并，得到目标车辆的车牌轨迹信息。
73.3)基于各第二车牌子轨迹信息中不同时刻的车牌位置之间的关系，确定目标停车区域是否存在参考车辆。
74.进一步地，在上述s23中基于目标车辆的车牌轨迹信息确定目标车辆是否存在停车行为的情况下，可以基于车牌轨迹信息中多个时刻的车牌位置的参考点(中心点、顶点等等)，获取停车行为的误判过滤系数；判断误判过滤系数是否满足系数条件；若满足系数条件，则判定目标车辆存在停车行为；否则判定目标车辆不存在停车行为。
75.关于误判过滤系数，至少可以通过如下几种方式获取：
76.方式一：判断参考点是否满足误判过滤条件，误判过滤条件包括参考点的数量大于数量阈值，以及多个时刻中特定时刻的参考点在目标停车区域之外，特定时刻至少包括开始时刻和结束时刻；若不满足误判过滤条件，则确定误判过滤系数为预设系数值，预设系数值满足系数条件；若满足误判过滤条件，则确定误判过滤系数为其他系数值，其他系数值不满足系数条件。相应地，系数条件为误判过滤系数为预设系数值。
77.方式二：基于不同时刻的参考点之间的距离，获取误判过滤系数。
78.在一些实施例中，可以预先基于目标停车区域的停车行为，设定一距离区间，该距离区间是车辆存在目标停车区域的停车行为的情况下，多个时刻中每相邻的两个时刻的参考点的距离之和s的波动区间。一距离区间适应于所有车辆类型，或者一距离区间仅适应于一种车辆类型，即为每种车辆类型设置一距离区间。该误判过滤系数可以是多个时刻中每相邻的两个时刻的参考点的距离之和，相对于距离区间的偏离程度。相应地，系数条件为误判过滤系数小于偏离程度阈值。
79.在一些实施例中，该误判过滤系数可以是c/s，c为目标圆弧的弧长，s为每相邻的两个时刻的参考点的距离之和。目标圆弧为分别以开始时刻的参考点和结束时刻的参考点作为端点的圆弧。或者，该误判过滤系数可以是ln(c/s)。其中，c/s的具体获取方式可以参考后面的实施例说明。相应地，系数条件可以为误判过滤系数小于或者等于系数阈值。在误判过滤系数为c/s的情况下，系数阈值可以是1，也可以是在1周围的浮动值(具有一定程度的容错性)。在误判过滤系数为ln(c/s)的情况下，系数阈值可以是0，也可以是在0周围的浮
动值(具有一定程度的容错性)。
80.方式三：可以通过方式一和方式二组合的方式，获取误判过滤系数。即判断参考点是否满足误判过滤条件；若满足误判过滤条件，则确定误判过滤系数为预设系数值；若不满足误判过滤条件，则基于多个时刻中不同时刻的参考点之间的距离，获取误判过滤系数。
81.如下详细介绍方式三：
82.图5是本技术车辆停车行为确定方法再一实施例的流程示意图。需注意的是，若有实质上相同的结果，本实施例并不以图5所示的流程顺序为限。本实施例是对s23的进一步扩展。如图5所示，本实施例可以包括：
83.s41：判断参考点是否满足误判过滤条件。
84.误判过滤条件包括参考点的数量大于数量阈值，以及多个时刻中特定时刻的参考点在目标停车区域之外，特定时刻至少包括开始时刻和结束时刻。
85.所谓误判过滤条件，是指能够通过误判过滤系数有效判断目标车辆是否存在停车行为的条件。参考点的数量大于数量阈值，代表数据量足够多；特定时刻的参考点在目标停车区域之外，代表在目标停车区域不存在参考车辆的情况下，直接判定目标车辆不存在停车行为，存在误判的可能性。
86.在一些实施例中，数量阈值可以为3、4等等。特定时刻还可以包括结束时刻的前一时刻、前两个时刻等等。从而，能够提高是否满足误判过滤条件的判断结果的准确度。
87.若不满足误判过滤条件，则执行s42、s44；若满足误判过滤条件，则执行s43～s44。
88.s42：确定误判过滤系数为预设系数值。
89.预设系数值满足系数条件。
90.s43：基于不同时刻的参考点之间的距离，获取误判过滤系数。
91.结合参阅图6，在误判过滤系数为c/s或者ln(c/s)的情况下，s43可以包括以下子步骤：
92.s431：获取多个时刻中每相邻的两个时刻的参考点的距离之和。
93.s432：获取目标圆弧的弧长。
94.目标圆弧为分别以开始时刻的参考点和结束时刻的参考点作为端点的圆弧。
95.在一些实施例中，可以获取开始时刻的参考点和结束时刻的参考点之间的平移距离，以及开始时刻的参考点和结束时刻的参考点之间的直线距离(也可以称弦长)；判断平移距离是否满足距离条件；若不满足距离条件，则基于水平距离获取目标圆弧的弦高；若满足距离条件，则基于直线距离获取目标圆弧的弦高；基于直线距离与弦高，确定目标圆弧的弧长。
96.在图像坐标系下，参考点具有水平方向的水平坐标和垂直方向的垂直坐标，开始时刻的参考点和结束时刻的参考点之间的平移距离，可以是水平方向或垂直方向的坐标之间的距离。
97.距离条件可以是平移距离为0，或者为0附近的波动值(允许一定的容错性)等等。若不满足距离条件，弦高可以等于平移距离。或者，弦高可以是平移距离的预设倍。若不满足距离条件，弦高可以为直线距离的二分之一、三分之二等等。
98.s433：基于弧长与和的比值，得到误判过滤系数。
99.s44：判断误判过滤系数是否满足系数条件。
100.若满足系数条件，则执行s45；若不满足系数条件，则执行s46。
101.s45：判定目标车辆存在停车行为。
102.s46：判定目标车辆不存在停车行为。
103.区别于前述实施例中不存在参考车牌的情况下直接判定目标车辆不存在停车行为的情况，本实施例能够在目标停车区域不存在参考车辆的情况下，通过目标车辆的车牌位置的参考点，确定目标车辆是否存在停车行为，进一步降低目标车辆的停车行为被误判(即实际存在停车行为但被判定为不存在停车行为)的可能性，提高目标车辆的停车行为确定结果的准确度。
104.如下结合图7，以一个例子的形式，对s41～s46进行说明：
105.记目标车辆的轨迹信息中的车牌轨迹信息{p1，p2，p3…
，pn}，pi(xi,yi)，i＝1，
…
，n。xi和yi分别表示第i个时刻的车牌位置的参考点在图像坐标系的水平方向和垂直方向的坐标。目标停车区域为车道一侧的车位且平行于车道。
106.1)判断是否满足误判过滤条件，误判过滤条件为n≥3且p1、p
n-1
、pn在车位之外；若满足误判过滤条件则进入2)～4)；否则置误判过滤系数α为0，并进入5)。
107.2)每相邻的两个时刻的参考点的距离之和s：
[0108][0109]
3)计算p1和pn之间目标圆弧的弧长c：
[0110]
①
计算p1和pn之间的距离，作为p1和pn之间目标圆弧的弦长l：
[0111][0112]
②
计算p1和pn之间目标圆弧的弦高h：
[0113][0114]
③
基于h和l计算p1和pn之间目标圆弧的弧长c：
[0115][0116]
4)基于s和c计算误判过滤系数α：
[0117][0118]
5)判断α≤0还是α》0；若α≤0，则执行6)；若α》0，则执行7)。
[0119]
6)判定目标车辆存在车位的停车行为。
[0120]
7)判定目标车辆不存在车位的停车行为。
[0121]
结合参阅图7，图7是图像坐标系xoy下各时刻的参考点与目标停车区域的关系示意图。图7中的(a)为车位与车道的关系示意图；(b)为计算误判过滤系数的示意图；(c)为不存在车位的停车行为的情况下各时刻的参考点与目标停车区域的关系示意图；(d)为存在
车位的停车行为的情况下各时刻的参考点与目标停车区域的关系示意图。
[0122]
图8是本技术行为确定装置一实施例的结构示意图。如图8所示，该行为确定装置可以包括第一判断模块11和第二判断模块12。
[0123]
第一判断模块11可以用于在判定目标车辆驶入目标停车区域之后的延迟时间段，判断目标停车区域是否存在处于静止状态的参考车辆。
[0124]
第二判断模块12可以用于在目标停车区域存在参考车辆的情况下，判断各参考车辆中是否存在目标车辆，以确定目标车辆是否存在停车行为。
[0125]
本实施例的其他详细描述，请参考前面的方法实施例，在此不赘述。
[0126]
通过本实施例的实施，本技术利用第一判断模块在目标车辆驶入目标停车区域之后的延迟时间段，判断目标停车区域是否存在处于静止状态的参考车辆(判断是否存在目标车辆停稳的可能性)；利用第二判断模块在存在参考车辆(存在目标车辆停稳的可能性)的情况下，判断各参考车辆中是否存在目标车辆(判断目标车辆是否真的停稳)，以确定目标车辆是否存在停车行为。因此，本技术在目标车辆驶入目标停车区域的情况下，不直接判定目标车辆存在停车行为，只是认为目标车辆可能存在停车行为，并且在此基础上进一步判断目标车辆是否停稳，进而基于目标车辆是否停稳，确定目标车辆是否存在停车行为，从而能够降低目标车辆的停车行为被误判的可能性，提高目标车辆的停车行为确定结果的准确度。
[0127]
图9是本技术电子设备一实施例的结构示意图。如图9所示，该电子设备包括处理器21、与处理器21耦接的存储器22。
[0128]
其中，存储器22存储有用于实现上述任一实施例的方法的程序指令；处理器21用于执行存储器22存储的程序指令以实现上述方法实施例的步骤。其中，处理器21还可以称为cpu(central processing unit，中央处理单元)。处理器21可能是一种集成电路芯片，具有信号的处理能力。处理器21还可以是通用处理器、数字信号处理器(dsp)、专用集成电路(asic)、现场可编程门阵列(fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
[0129]
电子设备可以是摄像头，也可以是与摄像头建立通信连接的服务器，也可以是与摄像头建立通信连接的行为确定终端。摄像头可以用于获取目标区域的视频数据，摄像头/服务器/行为确定终端可以用于对视频数据进行分析，以实现对视频数据中目标车辆的停车行为的确定。具体的停车行为确定方法，请参考前面的方法实施例，在此不赘述。
[0130]
图10是本技术计算机可读存储介质一实施例的结构示意图。如图10所示，本技术实施例的计算机可读存储介质30存储有程序指令31，该程序指令31被执行时实现本技术上述实施例提供的方法。其中，该程序指令31可以形成程序文件以软件产品的形式存储在上述计算机可读存储介质30中，以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)或处理器(processor)执行本技术各个实施方式方法的全部或部分步骤。而前述的计算机可读存储介质30包括：u盘、移动硬盘、只读存储器(rom，read-only memory)、随机存取存储器(ram，random access memory)、磁碟或者光盘等各种可以存储程序代码的介质，或者是计算机、服务器、手机、平板等终端设备。
[0131]
在本技术所提供的几个实施例中，应该理解到，所揭露的系统，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，单元的划分，
仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
[0132]
另外，在本技术各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。以上仅为本技术的实施方式，并非因此限制本技术的专利范围，凡是利用本技术说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本技术的专利保护范围内。