基于迷你卷积神经网络的停车场空车位检测方法

摘要 针对日益严峻的停车难问题，提出一种基于改进卷积神经网络停车场空车位检测方法。首先，根据车位只需用两种状态来表示其占空的特点，对传统卷积神经网络结构进行改进，提出迷你卷积神经网络（MCNN）的概念；然后，通过减少网络参数来减少训练和识别时间，并在网络中加入局部响应归一化层以加强对明度的校正，以及使用小卷积核来获取更多图像细节；最后，对视频帧图进行手动掩码设置，通过边缘检测切割成单个车位图，并使用训练好的MCNN进行车位识别。实验结果表明，与传统机器学习方式相比，基于MCNN的检测方法识别率能提高3~8个百分点，同时网络参数仅为常规使用卷积模型的1/1 000，且在文中所述的几种不同环境中，识别率的均保持在92%以上。实验结果表明，MCNN可移植到低配置摄像头，实现停车场空车位自动检测