一种基于Inception-V4的车位状态检测方法

王栋　蔡斌斌　宰昶丰

摘  要： 针对城市停车难，车位检测环境复杂等情况，研究了一种基于Inception-V4算法的车位状态检测方法。在Inception-V4网络结构基础上使用Leaky_ReLU代替ReLU作为激活函数，解决ReLU激活函数引起的神经元失活问题;在网络分类层前添加FReLU激活函数层和多个全连接层，使其获得有更丰富语义信息的特征向量，防止了网络过拟合问题，提高车位状态检测模型的整体性能。基于PKLot停车场数据集的实验结果表明，该方法对车位状态检测准确率较原模型有较大程度的提升。

关键词： 车位检测; 深度学习; Inception-V4; Leaky_ReLU; FReLU

中图分类号：TP181          文献标识码：A     文章编号：1006-8228（2022）03-05-06

Abstract： Due to the difficulty of parking in cities and the complex detection environment of parking spaces， a parking space state detection method based on Inception-V4 algorithm is studied in this paper. On the basis of the Inception-V4 network structure， Leaky_ReLU is used instead of ReLU as the activation function to solve the problem of neuron inactivation caused by the ReLU activation function; the FReLU activation function layer and multiple fully connected layers are added before the network classification layer to obtain feature vectors with richer semantic information， which prevents network over-fitting problems and improves the overall performance of the parking space state detection model. The experimental results on PKLot parking lot data set show that the accuracy of the parking space state detection of this method is greatly improved compared with the original model.

Key words： parking space detection; deep learning; Inception-V4; Leaky_ReLU; FReLU

0 引言

隨着城市规模与机动车数量的不断增长，城市道路越来越拥挤，许多学者提出使用车位信息共享缓解城市交通拥堵，而车位状态检测是实现车位信息共享的重要前提。

目前车位状态检测主要分为基于传感器和基于计算机视觉两种。基于传感器的车位状态检测方法主要通过计算红外线、超声波、雷达等传感器到目标车辆的距离来判断车位是否在指定车位上，如，何伟[1]使用车载超声波传感器及轮速传感器联合测得垂直泊车工况下车位，曾凯[2]使用基于NB-IoT技术的地磁传感器车位检测系统获取车位状态信息，但该方法需要大量的传感器装置覆盖停车场或安装至目标车内，且安装铺设繁琐，成本高，维护困难。基于计算机视觉的检测方法主要通过图像采集设备对场景进行拍摄获取图像，并结合统计模式识别或者深度学习等方法对车位状态进行检测。……