停車場空位偵測方法及系統

專利類型

發明

專利國別 (專利申請國家)

中華民國

專利申請案號

110129963

專利證號

I 802958

專利獲證名稱

停車場空位偵測方法及系統

專利所屬機關 (申請機關)

國立陽明交通大學

獲證日期

2023/05/21

技術說明

此空位偵測系統基於機器學習方法，利用兩個不同任務之網路組成。來源網路之任務為判斷車輛之動態—車輛移入、車輛移出。目標網路之任務為判斷車位狀態—空位、非空位。其中來源網路之偵測基於光流，並且為一預訓練之網路，在強化學習的設置下，利用兩網路之邏輯一致性以引導目標網路之動態學習。 雖然來源網路為一預訓練之網路，仍有可能為目標網路提供錯誤指引，使目標網路做出錯誤推論。但此空位偵測系統能利用對稱性限制，有效發現來自來源網路之錯誤引導，因此能辨識來源網路的正確與錯誤推論。 此空位監測系統與以往發明之不同之處在於目標網路是基於與來源網路之邏輯一致性來做訓練，而非藉由人工標註來訓練網路。這樣的策略使得目標網路能動態學習，因此能在不使用大量人力標註情況下應用到許多不同停車場。 We proposed a novel task-consistency learning method that allows training a vacant space detection network (target task) based on the logic consistency with the semantic outcomes from a flow-based motion behavior classifier (source task) in a parking lot. Note that the source task could make false detections during the learning process. By well designing the reward mechanism upon semantic consistency, we show the possibility to train the target network in a reinforcement learning setting. Moreover, a symmetric constraint is introduced to detect corrupted samples. Unlike conventional corrupted learning methods that use only a training loss or a feature prototype to identify corrupted samples, our symmetric constraint uses both information in a unique framework. Therefore, we can distinguish between clean-hard samples and corrupted samples. Compared with conventional supervised detection methods, this work’s main contribution is to learn a vacant space detector via semantic consistency rather than supervised labels. The dynamic learning property may make the proposed detector deployed and updated in different parking lots easily without heavy human loads.

備註

連絡單位 (專責單位/部門名稱)

連絡電話

網址