发明创造名称：车辆入位的判定方法、装置及车辆出位的判定方法、装置
外观设计名称：
决定号：40378
决定日：2019-05-23
委内编号：4W108200
优先权日：
申请（专利）号：201610412917.1
申请日：2016-06-13
复审请求人：
无效请求人：智慧互通科技有限公司
授权公告日：2018-07-24
审定公告日：
专利权人：北京精英智通科技股份有限公司
主审员：袁洁
合议组组长：李礼
参审员：周小祥
国际分类号：G08G01/14,G06K9/32
外观设计分类号：
法律依据：专利法第22条第3款
决定要点
：若一项权利要求要求保护的技术方案与最接近现有技术相比，存在多个区别技术特征，这些区别技术特征彼此关联共同解决一个技术问题，但是在请求人所主张使用的其他证据均未给出相应技术启示，则请求人主张的证据组合方式均无法破坏该权利要求要求保护的技术方案的创造性。
全文：
本无效宣告请求涉及国家知识产权局于2018年07月24日授权公告的、发明名称为“车辆入位的判定方法、装置及车辆出位的判定方法、装置”的201610412917.1号发明专利权（下称“本专利”），申请日为2016年06月13日，专利权人为北京精英智通科技股份有限公司。本专利授权公告时的权利要求书如下：
“1. 一种车辆入位的判定方法，其特征在于，包括：
获取停车场的视频帧图像中的目标的位置信息，并与车位的位置信息进行比较；判断所述目标的位置信息与所述车位的位置信息是否存在交集；
对所述视频帧图像进行虚拟线圈检测，判断特征点的个数是否大于入位阈值；
对所述视频帧图像进行车辆检测，判断所述视频帧图像中的目标是否为车辆；
若均为是，则所述视频帧图像中对应的车辆为入位状态；
其中，获取停车场的视频帧图像中的目标的位置信息，并与车位的位置信息进行比较；判断所述目标的位置信息与所述车位的位置信息是否存在交集，包括：
利用运动目标分析算法及车辆检测器对所述视频帧图像进行计算，得到运动目标的区域位置信息；
在所述区域位置信息对应的区域内对所述运动目标进行纹理信息提取，并利用所述纹理信息进行运动目标的视觉跟踪，得到目标跟踪轨迹；
将得到的目标跟踪轨迹与车位的行车侧边界线的位置信息进行比较；判断所述目标跟踪轨迹与车位的行车侧边界线的位置信息是否存在交集。
2. 如权利要求1所述的车辆入位的判定方法，其特征在于，对所述视频帧图像进行虚拟线圈检测，判断特征点的个数是否大于入位阈值，包括：
初始化设定的虚拟线圈；
利用背景建模得到的背景模型提取所述虚拟线圈内的目标的特征点；
判断所述特征点的个数是否大于入位阈值。
3. 如权利要求2所述的车辆入位的判定方法，其特征在于，若均为是，则所述视频帧图像中对应的车辆为入位状态，包括：
若均为是，则确定与目标跟踪轨迹存在交集的车位的位置信息；
确定目标进入虚拟线圈对应的车位的位置信息；
确定车辆检测得到的车辆位置信息对应的车位的位置信息；
判断各个车位的位置信息是否对应同一个车位区域；
若是，则所述目标在一个区域内；则所述视频帧图像中对应的车辆为入位状态。
4. 一种车辆入位的判定装置，其特征在于，包括：
入位轨迹检测模块，用于获取停车场的视频帧图像中的目标的位置信息，并与车位的位置信息进行比较；判断所述目标的位置信息与所述车位的位置信息是否存在交集；
入位虚拟线圈模块，用于对所述视频帧图像进行虚拟线圈检测，判断特征点的个数是否大于入位阈值；
入位车辆检测模块，用于对所述视频帧图像进行车辆检测，判断所述视频帧图像中的目标是否为车辆；
入位判断模块，用于若均为是，则所述视频帧图像中对应的车辆为入位状态；
其中，所述入位轨迹检测模块包括：
区域位置信息单元，用于利用运动目标分析算法及车辆检测器对所述视频帧图像进行计算，得到运动目标的区域位置信息；
目标跟踪轨迹单元，用于在所述区域位置信息对应的区域内对所述运动目标进行纹理信息提取，并利用所述纹理信息进行运动目标的视觉跟踪，得到目标跟踪轨迹；
入位检测判断单元，用于将得到的目标跟踪轨迹与车位的行车侧边界线的位置信息进行比较；判断所述目标跟踪轨迹与车位的行车侧边界线的位置信息是否存在交集。
5. 一种车辆出位的判定方法，其特征在于，包括：
获取停车场的视频帧图像中的目标的位置信息，并与车位的位置信息进行比较；判断所述目标的位置信息与所述车位的位置信息是否存在交集；
对所述视频帧图像进行虚拟线圈检测，判断特征点的个数是否大于出位阈值；
对所述视频帧图像进行车辆检测，判断所述视频帧图像中的目标是否为车辆；
若均为是，则所述视频帧图像中对应的车辆为出位状态；
其中，获取停车场的视频帧图像中的目标的位置信息，并与车位的位置信息进行比较；判断所述目标的位置信息与所述车位的位置信息是否存在交集，包括：
利用运动目标分析算法及车辆检测器对所述视频帧图像进行计算，得到运动目标的区域位置信息；
在所述区域位置信息对应的区域内对所述运动目标进行纹理信息提取，并利用所述纹理信息进行运动目标的视觉跟踪，得到目标跟踪轨迹；
将得到的目标跟踪轨迹与车位的边界线位置信息进行比较；判断所述目标跟踪轨迹与车位的边界线位置信息是否存在交集。
6. 如权利要求5所述的车辆出位的判定方法，其特征在于，对所述视频帧图像进行虚拟线圈检测，判断特征点的个数是否大于出位阈值，包括：
初始化设定的虚拟线圈；
利用背景建模得到的背景模型提取所述虚拟线圈内的目标的特征点；
判断所述特征点的个数是否大于出位阈值。
7. 如权利要求6所述的车辆出位的判定方法，其特征在于，若均为是，则所述视频帧图像中对应的车辆为出位状态，包括：
若均为是，则确定与目标跟踪轨迹存在交集的车位的位置信息；
确定目标在虚拟线圈对应的车位的位置信息；
确定车辆检测得到的车辆位置信息对应的车位的位置信息；
判断各个车位的位置信息是否对应同一个车位区域；
若是，则所述目标在一个区域内；则所述视频帧图像中对应的车辆为出位状态。
8. 一种车辆出位的判定装置，其特征在于，包括：
出位轨迹检测模块，用于获取停车场的视频帧图像中的目标的位置信息，并与车位的位置信息进行比较；判断所述目标的位置信息与所述车位的位置信息是否存在交集；
出位虚拟线圈模块，用于对所述视频帧图像进行虚拟线圈检测，判断特征点的个数是否大于出位阈值；
出位车辆检测模块，用于对所述视频帧图像进行车辆检测，判断所述视频帧图像中的目标是否为车辆；
出位判断模块，用于若均为是，则所述视频帧图像中对应的车辆为出位状态；
其中，所述出位轨迹检测模块包括：
区域位置信息单元，用于利用运动目标分析算法及车辆检测器对所述视频帧图像进行计算，得到运动目标的区域位置信息；
目标跟踪轨迹单元，用于在所述区域位置信息对应的区域内对所述运动目标进行纹理信息提取，并利用所述纹理信息进行运动目标的视觉跟踪，得到目标跟踪轨迹；
出位检测判断单元，用于将得到的目标跟踪轨迹与车位的边界线位置信息进行比较；判断所述目标跟踪轨迹与车位的边界线位置信息是否存在交集。
9. 一种车辆管理系统，其特征在于，包括：
摄像头，用于采集停车场视频帧图像；
如权利要求4所述的车辆入位的判定装置，用于对车辆入位状态进行判断；
和/或如权利要求8所述的车辆出位的判定装置，用于对车辆出位状态进行判断；
存储器，用于记录具有入位状态和/或出位状态车辆的信息。”
针对上述专利权，无效宣告请求人智慧互通科技有限公司（下称“请求人”）于2018年12月07日向国家知识产权局提出了无效宣告请求，其理由是本专利权利要求1-9不符合专利法第22条第3款有关创造性的规定，请求宣告本专利权利要求1-9全部无效，同时提交了如下证据：
证据1：CN104966045A号中国发明专利申请，申请公布日为2015年10月07日；
证据2：CN103198300A号中国发明专利申请，申请公布日为2013年07月10日；
证据3：CN101656023A号中国发明专利申请公布说明书，公开日为2010年02月24日；
证据4：刊载在江南大学学报（自然科学版）2006年8月第5卷第4期第472-475页、由武林等人撰写的《基于GDIM的纹理图像光流估计》一文，复印件共4页。
结合上述证据，请求人认为：（1）本专利独立权利要求1相较于证据1的区别在于：①对视频帧图像进行车辆检测，判断视频帧图像中的目标是否为车辆；②通过比较目标跟踪轨迹与车位的行车侧边界线的位置来判断两者是否存在交集；③采用车辆检测器对视频帧图像进行计算，通过提取出的目标的纹理信息进行视觉跟踪；④若均为是，则视频帧图像中对应的车辆为入位状态。上述区别①由证据2给出启示；区别②由证据3给出启示，区别③为本领域惯用技术手段或被证据4公开；区别④为本领域惯用技术手段。因此权利要求1相对于证据1-3和惯用技术手段的结合、或证据1-4和惯用技术手段的结合不具备创造性。本专利独立权利要求4与证据1的区别①-④，是分别与上述独立权利要求1与证据1的区别①-④对应的模块或单元，因此权利要求4也不具备创造性。（2）本专利独立权利要求5相较于证据1具有区别①-④，其中区别①-③与上述权利要求1与证据1的区别①-③相同，区别④若均为是，则视频帧图像中对应的车辆为出位状态，该区别④为本领域惯用技术手段，因此权利要求5相对于证据1-3和惯用技术手段的结合、或证据1-4和惯用技术手段的结合不具备创造性。本专利独立权利要求8与证据1的区别①-④，是分别与上述独立权利要求5与证据1的区别①-④对应的模块或单元，因此权利要求8也不具备创造性。（3）独立权利要求9的技术特征或被证据1公开，或为本领域惯用技术手段，在其引用的权利要求4或8均不具备创造性时，也不具备创造性。（4）权利要求2、6的附加技术特征被证据1公开，权利要求3、7的附加技术特征为本领域惯用技术手段，因此均不具备创造性。
经形式审查合格，国家知识产权局依法受理了上述无效宣告请求，于2018年12月18日向双方当事人发出无效宣告请求受理通知书，并将请求人提交的无效宣告请求书及证据副本转给了专利权人，同时依法成立合议组对本案进行审查。
本案合议组于2019年01月11日向双方当事人发出了口头审理通知书，指出本案定于2019年03月20日举行口头审理。
专利权人针对上述无效宣告请求受理通知书，于2019年01月28日提交了意见陈述书，其中指出：（1）本专利与证据1存在多个区别，本专利提供的车辆入位的判定方法，将判定运动目标是否碾压车位线、判断目标在虚拟线圈中是否有运动前景、判断目标是否为车辆三者结合，最终得到车辆是否为入位或出位状态，进而证明该车辆会入位或出位，三者结合可以增强系统的检测精度，减少系统误检。证据1-4均没有给出利用车辆入位或出位的上述三个条件结合，最终得到车辆是否为入位或出位状态进而证明该车辆会入位或出位的技术特征，也没有给出相应的技术启示，且其不是公知常识。因此权利要求1、4、5、8具备创造性，基于此，权利要求9也具备创造性。（2）权利要求2-3、6-7的附加技术特征未被证据1公开，也不是公知常识，因此从属权利要求2-3、6-7也都具备创造性。
本案合议组于2019年02月14日发出转送文件通知书，将专利权人于2019年01月28日提交的意见陈述书转送给请求人。
口头审理如期举行，请求人委托专利代理人白凯园出席了口头审理，专利权人委托专利代理人刘世颂出席了口头审理。在口头审理过程中，明确并记录了以下事项：
（1）请求人明确其无效理由为权利要求1-9不具备专利法第22条第3款规定的创造性。
（2）请求人说明证据4从CNKI下载，专利权人对证据1-3的真实性无异议，但对证据4的真实性有异议，同意由合议组代为核实。
（3）关于本专利的技术方案，专利权人明确：本专利中“运动前景”是指提取出的运动目标，与背景区分，运动前景并不是趋势的意思。说明书[0083]段的判断“目标有继续进入虚拟线圈的趋势”实质为判断“目标进入虚拟线圈的状态”，权利要求1中的“判断特征点个数是否大于入位阈值”指的是判断虚拟线圈中运动目标的特征点有足够多，这些特征点都是运动的，由此判断入位状态而非趋势。权利要求5中的“判断特征点的个数是否大于出位阈值”，也是指的是判断虚拟线圈中运动目标的特征点有足够多，这些特征点是在运动，由此判断是出位状态，不是判断趋势。例如，当车位中停的车动起来，标定为出位状态，直到车离开，当车离开时，小于出位阈值了，则实质已经标定为“非出位状态”。
（4）关于创造性，1）请求人认为权利要求1与证据1的区别为：①权利要求1是停车场而证据1是飞机场；②权利要求1中需要判断所述目标的位置与所述车位的位置信息是否存在交集；③权利要求1中所限定判断目标的位置信息与车位的位置信息是否存在交集的具体方法；④权利要求1中要判断是否为车辆，而证据1中是判断是否为飞机。专利权人认为此外还存在区别⑤权利要求1中还要判断特征点的个数是否大于入位阈值。请求人认为上述区别①-⑤或被证据1-4公开、或容易想到，不过，请求人也认为证据1-4都没有公开如本专利权利要求1所要求保护采用同时满足三个条件的方法，得到一个检测精度增强、系统误检减少这一结果的技术方案，但是认为本领域技术人员根据证据1-4公开的内容，容易想到该技术方案。专利权人则认为没有结合启示。2）关于权利要求2-9，双方均认为结合书面意见及关于权利要求1的意见。
至此，合议组认为本案事实已经清楚，可以依法作出审查决定。
二、决定的理由
1、证据认定
本案中，请求人共提交4份证据用于评价本专利的创造性，其中证据1-3均为中国专利文献，证据4为期刊杂志上刊载的文章，请求人于口头审理当庭主张其是从CNKI下载。专利权人对于证据1-3的真实性予以认可，对证据4的真实性可由合议组代为核实。合议组经审查，对于证据1-3的真实性予以确认，且证据1-3的公开日期也均早于本专利申请日，其中记载的内容均构成本专利的现有技术，可以作为评价本专利创造性的证据使用；经查，证据4可由CNKI检索得到，其是刊载在《江南大学学报（自然科学版）》，2006年8月第5卷第4期中的文章，内容与请求人所提交内容一致。由于该期刊为双月刊，由此推定证据4的公开日期为2006年08月31日，其早于本专利申请日，构成本专利的现有技术，也可以作为评价本专利创造性的证据使用。
2、关于本专利是否具备创造性的问题
专利法第22条第3款规定：创造性，是指与现有技术相比，该发明具有突出的实质性特点和显著的进步，该实用新型具有实质性特点和进步。
具体到本案，请求人主张使用证据1-3和本领域常用技术手段的结合、或证据1-4和本领域技术手段的结合破坏权利要求1、4、5、8、9的创造性。
1、独立权利要求1请求保护一种车辆入位的判定方法，其中限定对三个条件进行判断，该需要判断的三个条件的技术特征为：1）判断所述目标的位置信息与所述车位的位置信息是否存在交集，具体为将得到的目标跟踪轨迹与车位的行车侧边界线的位置信息进行比较；判断所述目标跟踪轨迹与车位的行车侧边界线的位置信息是否存在交集；2）判断特征点的个数是否大于入位阈值；3）判断所述视频帧图像中的目标是否为车辆，当这三个条件的结果均为是，则所述视频帧图像中对应的车辆为入位状态。需要明确的是，在本专利中所提到的“入位”或“入位状态”，与传统意义的“入位”含义是有所区别的。在人们日常理解中，车辆入位指的是车辆已经停入到车位中，更多的是侧重于表述车辆已经停在车位这样的结果或状态。而在本专利的车辆入位的判断方法中，判断车辆是否处于入位状态需要满足三个条件，其中包括判断所述目标的位置信息与所述车位的位置信息是否存在交集，以及判断特征点的个数是否大于入位阈值，显然此时，当认定车辆处于入位状态时，车辆并不一定已经停入到车位中，而是在车辆进入车位的过程中，当检测到车辆与车位发生交集且车辆进入车位的部分足够多时，即判断已处于入位状态。
证据1中（参见证据1全文）公开了基于视频的飞机进出泊位自动检测方法，其包括以下步骤：（一）图像获取：在机场监控区域安装网络相机，获取实时的机场监控影像，监控影像区域能够覆盖飞机停机泊位区域。（二）视频图像预处理：包含图像缩放、检测区域的划分、方向线设置和图像灰度化，其中根据飞机停靠泊位位置设置一个飞机检测区域，通过设置检测区域可以只在该区域内进行飞机进出泊位相关检测，提高检测效率。（三）基于混合高斯背景模型的运动目标前景提取。（四）前景目标提取外接矩形以及目标团块跟踪：通过混合高斯背景模型提取出前景后，经过膨胀处理和目标提取外接矩形，形成目标团块。之后，通过判断目标团块大小、对符合大小要求的目标团块建立跟踪标识并编号、跟踪该目标团块在停机泊位中的进出状态，以判断目标团块是否为飞机。其中，假如是飞机进入停机泊位后会静止在泊位中，也就是代表飞机的目标团块静止在检测区域，而其他运动目标则不会停留在飞机停机泊位区域中；而飞机驶出停机泊位则是由静到动，最终驶出飞机停机泊位区域，即不会离开后再进入飞机停机泊位区域。（五）基于金字塔光流算法的特征点匹配跟踪：首先需要对整个检测区域提取特征点，提取特征点后根据金字塔光流算法进行特征点匹配，通过计算给图像中的检测到的特征点赋予一个速度矢量，形成一个运动矢量场。根据各个特征点的速度矢量特征，可以对图像进行动态分析。当图像中有运动物体时，目标和背景存在着相对运动。运动物体所形成的速度矢量必然和背景的速度矢量有所不同，如此便可以计算出运动物体的位置。（六）飞机进出停机泊位的判断：通过前面金字塔光流算法进行特征点匹配跟踪，得到匹配的特征点集，然后计算每一对特征点之间的位移，如果大于0.1个像素则进一步计算方向线和该匹配的特征点向量形成的夹角θ，如果是飞机进入停机泊位则夹角θ应该小于30度，否则是其他目标进入停机泊位。因此只统计满足上述夹角条件的特征点对数，如果特征点对数量满足一定条件并且根据前面讲到的目标团块在检测区域后将会进行标记，只有满足这几个条件才能触发飞机进入停机泊位的下一步分析。当发现飞机进入停机泊位后连续跟踪50帧左右如果没有连续丢失3帧以上则触发飞机准入位标志，然后根据特征点集的位移是否小于0.1像素（即判断目标团块是否在检测区域内停止了）以及目标团块是否有进入接着离开检测区域的标记（即判断目标团块是否代表飞机）可以知道飞机是否正式入位，是则发送入位信息。同理，飞机离开停机泊位，则夹角θ大于150度，然后统计满足该夹角条件的特征点对数，如果特征点对数满足一定条件并且根据前述目标团块在检测区域后将会进行标记，只有满足这几个条件才能触发飞机驶离停机泊位的下一步分析。当发现飞机开始驶离停机泊位后连续跟踪50帧左右如果没有连续丢失3帧以上则触发飞机准离位标志，然后判断检测区域中是否有多对特征点集位移大于0.1像素（即判断目标团块是否离开了检测区域）以及目标团块是否有离开接着进入检测区域的标记（即判断目标团块是否代表飞机），如果没有超过位移0.1像素的特征点集，则说明目标团块已经离开检测区域，如果目标团块有离开接着进入检测区域的标记，则该目标团块不是飞机。由此知道飞机是否正式离位，是则发送离位信息。
将本专利权利要求1要求保护的技术方案与证据1公开内容相比，首先关于适用对象，从二者的主题名即可知晓，本专利涉及车辆入位的判定方法，证据1为飞机进出泊位自动检测方法，虽然飞机和车辆均属于交通工具，但是，停车位和停机位的环境区别极大，对飞机和车辆是否入位或出位需要关注的方面显然也不相同，例如本专利需要判断车辆与车位的行车侧边界线之间是否存在交集，而证据1中飞机泊位就无需判断飞机与泊位边界线的交集。其次关于所采用的技术方案，第一，如上所述，本专利的“入位”或“入位状态”与传统意义的“入位”含义有所区别，其是在车辆进入车位的过程中，当检测到车辆与车位发生交集且车辆进入车位的部分足够多时，即判断已处于入位状态。而证据1中，从其步骤（六）可知，判断飞机进入停机泊位，是要统计满足夹角θ小于30度的特征点对数，并根据特征点集的位移小于0.1像素，即目标团块在检测区域内停止了，此时才判断飞机是正式入位。也就是说，证据1中的“入位”是传统意义上的飞机已经停入泊位的结果或状态，其与本专利的“入位”或“入位状态”含义不同。第二，本专利权利要求1中是通过对三个条件进行判断得出车辆是否处于入位状态的判断结论，具体包括：1）判断所述目标的位置信息与所述车位的位置信息是否存在交集，具体为将得到的目标跟踪轨迹与车位的行车侧边界线的位置信息进行比较；判断所述目标跟踪轨迹与车位的行车侧边界线的位置信息是否存在交集； 2）判断特征点的个数是否大于入位阈值；3）判断所述视频帧图像中的目标是否为车辆，当这三个条件的结果均为是，则所述视频帧图像中对应的车辆为入位状态。而证据1中，根据以上其公开的内容可知，其包括步骤（一）至（六），其中步骤（一）至（三）分别是获取图像、图像预处理和运动目标提取，其中步骤（二）中还根据飞机停靠泊位位置设置一个飞机检测区域，在步骤（四）能判断运动目标是否为飞机，以及对进入检测区域的目标团块进行相应标记，在步骤（五）得到运动目标的位置，在步骤（六）基于方向线和匹配的特征点向量形成的夹角θ小于30度，判断是飞机进入停机泊位，然后统计满足夹角θ小于30度的特征点对数，根据特征点集的位移是否小于0.1像素（即判断目标团块是否在检测区域内停止了）以及目标团块是否有进入接着离开检测区域的标记（即判断目标团块是否代表飞机）可以知道飞机是否正式入位。即证据1中判断飞机正式入位只需要判断两个特征：一是目标是否为飞机，二是特征点集的位移是否小于0.1像素，即飞机是否停止。第三，虽然证据1中的步骤（五）涉及到提取特征点，但是证据1中并不是通过判断特征点的个数是否大于入位阈值来判断飞机是否处于停机位中，证据1中提取特征点的目的是计算运动目标的位置、以及通过方向线和匹配的特征点向量形成的夹角θ是否小于30度，判断是否是飞机进入停机泊位，之后再统计满足夹角θ小于30度的特征点对数，根据特征点集的位移是否小于0.1像素，来判断飞机是否停止了。
因此，权利要求1请求保护的技术方案与证据1相比，其区别在于：1）主题名称不同，本专利权利要求1涉及车辆入位的判定方法，其涉及停车位及判断是否为车辆，证据1为飞机进出泊位自动检测方法，其涉及停机泊位及判断是否为飞机。2）本专利权利要求1的入位或入位状态与证据1中的入位含义不同。以及3）本专利权利要求1中限定了判断是入位状态需要同时满足三个条件，证据1不需要同时满足该三个条件；并且，本专利和证据1中，上述需要满足的三个条件的其中两个条件的具体判断方法不同，本专利权利要求1中限定了判断目标的位置信息与车位的位置信息是否存在交集的方法包括：在所述区域位置信息对应的区域内对所述运动目标进行纹理信息提取，并利用所述纹理信息进行运动目标的视觉跟踪，得到目标跟踪轨迹；将得到的目标跟踪轨迹与车位的行车侧边界线的位置信息进行比较；判断所述目标跟踪轨迹与车位的行车侧边界线的位置信息是否存在交集。证据1中没有提到提取纹理信息最终获得目标跟踪轨迹并将其与停机泊位的边界线的位置信息进行比较；以及本专利权利要求1限定了对所述视频帧图像进行虚拟线圈检测，判断特征点的个数是否大于入位阈值。证据1中不需要对特征点是否大于入位阈值进行判断。根据上述区别，本专利相对于证据1实际要解决的技术问题是采用满足三个条件的方法，以检测精度增强且系统误检少地判断车辆相对于停车场的车位是否处于入位状态。
关于上述区别，请求人主张使用证据2-4或公知常识进行评述，同时认为证据1-4都没有公开本专利的采用满足三个条件的方法，得到一个判断结果的技术方案，但是本领域技术人员根据证据1-4公开的内容，容易想到该技术方案。对此，合议组经审查认为：
证据2中（参见证据2全文）公开了一种基于双层背景的停车事件检测方法，其具体步骤为：(1)建立两层不同的背景——主背景和次背景。（2）对双层背景对应的像素点作差并求出绝对值，得到静止目标，对该双层背景差值图像进行二值化；通过HSI阴影抑制，并消除目标相应像素点的阴影，对该二值图像进行闭运算，消除不连续的空洞。（3）根据摄像机焦距、高度与角度，对图像中目标像素点加权，远处的目标像素点权值加大，近处的目标像素点权值减小，求出加权后的目标像素和值，当达到阈值时，停车事件计数器S加1，当S大于阈值时，则将该二值图像保存下来。（4）对该二值图像进行滤波，并对图像中的目标进行分割和轮廓检测，设置检测灵敏度，对像素值大于灵敏度阈值的目标画出矩形框，根据长宽比判断该目标是否为车辆，当目标为车辆时，记录该矩形框的对角线交点坐标，存入停车事件状态表。（5）对该像素进行处理和分析，判断该目标是否为车辆；如果该目标被判断为车辆，触发停车事件报警并将主背景当前帧赋给次背景，继续进行差异比较；当次背景中没有目标时，保留该帧图像作为纯净背景。（6）当次背景模型中的前景为空时，存储当前的背景图像作为纯净背景，当检测到有停止目标时，将主背景当前帧存储并与该纯净的背景图像进行比较，若两帧图像中差别小于阈值时跳至第步骤（2）继续运行，若两帧图像中差别大于阈值时，则用该主背景当前帧替换次背景，跳至步骤（2）继续进行，再次检测到停车事件时，比较目标中心点坐标，判断目标是否驶离，并更新状态表。也就是说，证据2中仅公开了要判断目标是否为车辆，且证据2中是对已停车辆的停车事件判断，并非如本专利所述的是否处于入位状态的判断；同时，证据2中完全没有给出还要判断1）将得到的目标跟踪轨迹与车位的行车侧边界线的位置信息或与车位的边界线位置信息进行比较，判断所述目标跟踪轨迹与车位的行车侧边界线的位置信息或车位的边界线位置信息是否存在交集；2）判断特征点的个数是否大于入位阈值或出位阈值，这两个特征的启示，更没有给出要同时满足三个条件以判断车辆是否入位或出位的技术启示。
证据3中公开了一种视频监视模式下的室内停车场管理方法，其目的是解决现有技术无法获得具体车位空满状态以及车辆是否违规停放信息的问题。其中的控制系统主要包括以下功能：a）车位空满状态的自动检测；b）车辆违规停放的自动检测、报警。所谓违规停放的车辆是指车辆没有停在车位内，有压车位边界线停车的情况，导致相邻车位空间不足无法正常使用；c）广角监视和d）数字补光。具体实施步骤中包括：A、初始化背景帧，其中包括A1）车位分割：先将摄像头组转动到设定角度拍摄到的空车位图像作为背景帧，利用类间最大距离法对该背景帧进行分割，提取出车位边界线；再采用数学形态学滤波中的膨胀运算，将车位边界线进行膨胀处理，使当前帧与背景帧车位边界线的位移偏差包含在膨胀后加粗的车位边界线内；A2）车位标识：查找车位的下边界线，忽略摄像头的球形畸变，采用最小二乘法对车位下边界线进行直线拟合，对其向上平移，得到贯穿车位的直线，将该直线上位于车位内的点作为种子点，对每个车位进行区域生长的标识。以及C、车辆是否违规停放的自动检测，其包括：C1）对于车辆压车位上、左、右边界线的情况：将步骤A中标识过的每个车位平均分为右上、左上、右下、左下四个区域。如果该车位中有车，且目标车辆像素在四个区域中分布严重不均，例如只在左上区域和左下区域有车辆像素分布而剩余两个区域中没有，则认为该车辆在车位中过于靠左，判该车辆压车位左边界线违规停放。C2）对于车辆压车位下边界线的情况：在每个车位下方设置虚拟检测线来检测车辆是否违规停放，图6中的黑色虚线即为每个车位下方的检测线。对检测线上的像素进行统计，如果含有足够多的目标车辆像素，则认为该车辆压车位下边界线违规停放。也就是说，虽然证据3中涉及到了要判断车辆是否压车位边界线的内容，但是其是对已经停放的车辆进行是否违规停放相关判断，与本专利的用于作为车辆是否入位状态的判断条件完全不同。而且，证据3中也完全没有给出采用要同时满足三个条件的方法以判断车辆是否处于入位状态或出位状态的技术启示。
证据4中公开了一种基于GDIM的纹理图像光流估计，其中（参见证据4全文）仅公开了图像序列中光流估计为运动分析提供了非常重要的信息，运动分析通常包括运动目标检测、跟踪、分割和识别。文中给出了一种结合图像纹理信息的GDIM光流检测方法，通过对原始图像进行纹理分析和建立GDIM光流的约束方程，获得精确的光流估计，从而消除了由于光照变化给光流估计带来的误差，使之对位移较大的运动具有良好的适应性。文中的算法可应用于水下图像和道路交通监控系统中经常存在的不均匀亮度变化情况下的精确光流估计。证据4中公开了可以利用纹理信息对运动目标进行跟踪识别，完全没有给出要应用到本专利的车辆入位或出位检测方面的技术启示，更没有给出采用要同时满足三个条件的方法以判断车辆是否处于入位状态或出位状态的技术启示。
由此可见，首先，由于证据1涉及飞机泊位，而证据2-3涉及对已停车辆的检测判断，证据4只是涉及利用纹理信息对运动目标跟踪识别，由于领域差异较大，彼此要面对的问题并不相同，本领域技术人员在面对飞机泊位存在的问题时，难以想到要从停车泊位的技术方案中寻求相应的解决办法，也无法从通用的纹理信息用于运动目标跟踪识别的理论中直接获取解决具体问题的技术手段，并最终获得一个如本专利要求保护的判断车辆入位状态的技术方案。因此证据1-4彼此结合获得本专利权利要求1的技术方案并非显而易见。其次，如上所述，请求人主张使用的证据2-4均未公开上述区别特征并给出上述区别特征应用到证据1中的技术启示，目前也没有任何证据表明上述区别为公知常识，本领域技术人员根据证据1-4无法获得任何采用要同时满足本专利提出的三个条件的方法，以获得可以判断车辆是否处于入位状态这一结果的技术启示，本领域技术人员基于证据1-4无法显而易见地获得权利要求1请求保护的技术方案。因此请求人主张使用证据1-3以及公知常识结合、证据1-4以及公知常识结合破坏权利要求1创造性的无效理由不成立。
鉴于权利要求2-3均直接或间接从属于权利要求1，因此在权利要求1不具备创造性的无效理由不成立的基础上，本专利权利要求2-3相对于请求人提出的证据组合方式也具备创造性。
2、独立权利要求4请求保护一种车辆入位的判定装置，其技术特征是分别与独立权利要求1请求保护的车辆入位的判定方法中各技术特征对应的模块或单元，基于以上评述权利要求1相同的理由，本领域技术人员基于证据1-4无法显而易见地获得权利要求4请求保护的技术方案。因此请求人主张使用证据1-3以及公知常识结合、证据1-4以及公知常识结合破坏权利要求4创造性的无效理由不成立。
3、独立权利要求5请求保护一种车辆出位的判定方法，其与独立权利要求1所限定的方案不同之处，主要在于权利要求5限定的是用于判断车辆是否出位的方法，体现在：权利要求1中限定的技术特征“对所述视频帧图像进行虚拟线圈检测，判断特征点的个数是否大于入位阈值”，在权利要求5中为技术特征“对所述视频帧图像进行虚拟线圈检测，判断特征点的个数是否大于出位阈值”；权利要求1中限定的技术特征“若均为是，则所述视频帧图像中对应的车辆为入位状态”，在权利要求5中为技术特征“若均为是，则所述视频帧图像中对应的车辆为出位状态”；以及权利要求1中限定的技术特征“将得到的目标跟踪轨迹与车位的行车侧边界线位置信息进行比较”，在权利要求5中为技术特征“将得到的目标跟踪轨迹与车位的边界线位置信息进行比较”。
关于独立权利要求5的技术方案，其也限定了对三个条件进行判断，该需要判断的三个条件的技术特征为：1）判断所述目标的位置信息与所述车位的位置信息是否存在交集，具体为将得到的目标跟踪轨迹与车位的边界线位置信息进行比较；判断所述目标跟踪轨迹与车位的边界线位置信息是否存在交集；2）判断特征点的个数是否大于出位阈值；3）判断所述视频帧图像中的目标是否为车辆，当这三个条件的结果均为是，则所述视频帧图像中对应的车辆为出位状态。需要明确的是，在本专利中所提到的“出位”或“出位状态”，与传统意义的“出位”含义是有所区别的。在人们日常理解中，车辆出位指的是车辆已经离开所停的车位，更多的是侧重于表述车辆已经离开车位这样的结果或状态。而在本专利的车辆出位状态的判断方法中，判断车辆是否处于出位状态需要满足三个条件，其中包括判断所述目标的位置信息与所述车位的位置信息是否存在交集，以及判断特征点的个数是否大于出位阈值。根据专利权人的解释，“判断特征点的个数是否大于出位阈值”指的是判断虚拟线圈中运动目标的特征点有足够多，这些特征点是在运动，由此判断处于出位状态。例如，当车位中停的车动起来，标定为出位状态，直到车离开，当车离开时，小于出位阈值了，则实质已经标定为“非出位状态”，即本专利的出位状态并非是车辆已经离开车位，而是在车辆离开车位的过程中，当检测到车辆处于车位中的部分还足够多且车辆与车位发生交集时，即判断已处于出位状态。
而如前所述在证据1中，根据以上其公开的内容可知（参见评述权利要求1时所列公开内容），其包括步骤（一）至（六），其中步骤（一）至（三）分别是获取图像、图像预处理和运动目标提取，其中步骤（二）中还根据飞机停靠泊位位置设置一个飞机检测区域，在步骤（四）能判断运动目标是否为飞机，以及对进入检测区域的目标团块进行相应标记，在步骤（五）得到运动目标的位置，在步骤（六）基于方向线和匹配的特征点向量形成的夹角θ大于150度，然后统计满足夹角θ大于150度的特征点对数，根据多对特征点集位移大于0.1像素（即判断目标团块是否离开了检测区域）以及目标团块是否有离开接着进入检测区域的标记（即判断目标团块是否代表飞机），如果没有超过位移0.1像素的特征点集，则说明目标团块已经离开检测区域，可以知道飞机正式离位。即证据1中判断飞机正式离位同样只需要判断两个特征：一是目标是否为飞机，二是是否没有超过位移0.1像素的特征点集，即飞机是否离开了检测区域。
将本专利权利要求5要求保护的技术方案与证据1公开内容相比，首先关于适用对象，从二者的主题名即可知晓，本专利涉及车辆出位的判定方法，证据1为飞机进出泊位自动检测方法，如以上评述权利要求1所述，对飞机和车辆是否出位需要关注的方面显然不相同，例如本专利需要判断车辆与车位的边界线之间是否存在交集，而证据1中飞机泊位就无需判断飞机与泊位边界线的交集。其次关于所采用的技术方案，第一，如上所述，本专利的“出位”或“出位状态”与传统意义的“出位”含义有所区别，其是在车辆离开车位的过程中，当检测到车辆处于车位的部分足够多且车辆与车位发生交集时，即判断已处于出位状态。而证据1中，从其步骤（六）可知，判断飞机离开停机泊位，是要统计满足夹角θ大于150度的特征点对数，并根据没有超过位移0.1像素的特征点集，即目标团块离开检测区域，此时才判断飞机是正式离位。也就是说，证据1中的“离位”是传统意义上的飞机已经离开泊位的结果或状态，其与本专利的“出位”或“出位状态”含义不同。第二，本专利权利要求5中是通过对三个条件进行判断得出车辆是否处于出位状态的判断结论，而证据1中，判断飞机正式离位只需要判断两个特征：一是目标是否为飞机，二是是否没有超过位移0.1像素的特征点集，即飞机是否离开检测区域。第三，虽然证据1中的步骤（五）涉及到提取特征点，证据1中也不是通过判断特征点的个数是否大于出位阈值来判断飞机是否处于要离开停机位的状态，证据1中提取特征点的目的是通过方向线和匹配的特征点向量形成的夹角θ是否大于150度，判断是否是飞机离开停机泊位，之后再统计满足夹角θ大于150度的特征点对数，根据是否没有超过位移0.1像素的特征点集，来判断飞机是否离开了检测区域。
因此，权利要求5请求保护的技术方案与证据1相比，其区别在于：1）主题名称不同，本专利权利要求5涉及车辆出位的判定方法，其涉及停车位及判断是否为车辆，证据1为飞机进出泊位自动检测方法，其涉及停机泊位及判断是否为飞机。2）本专利权利要求5的出位或出位状态与证据1中的离位含义不同。以及3）本专利权利要求5中限定了判断是出位状态需要同时满足三个条件，证据1不需要同时满足该三个条件，并且，本专利和证据1中，上述需要满足的三个条件的其中两个条件的具体判断方法不同，本专利权利要求5中限定了判断目标的位置信息与车位的位置信息是否存在交集的方法包括：在所述区域位置信息对应的区域内对所述运动目标进行纹理信息提取，并利用所述纹理信息进行运动目标的视觉跟踪，得到目标跟踪轨迹；将得到的目标跟踪轨迹与车位的边界线的位置信息进行比较；判断所述目标跟踪轨迹与车位的边界线位置信息是否存在交集。证据1中没有提到提取纹理信息最终获得目标跟踪轨迹并将其与停机泊位的边界线的位置信息进行比较；以及权利要求5中限定了对所述视频帧图像进行虚拟线圈检测，判断特征点的个数是否大于出位阈值。证据1中不需要对特征点是否大于出位阈值进行判断。根据上述区别，本专利相对于证据1实际要解决的技术问题是采用满足三个条件的方法，以检测精度增强且系统误检少地判断车辆相对于停车场的车位是否处于出位状态。
结合以上对权利要求1的评述可知，首先，由于证据1-4领域差异较大，彼此要面对的问题并不相同，导致证据1-4彼此结合获得本专利权利要求5的技术方案并非显而易见。其次，如上所述，请求人主张使用的证据2-4均未公开上述区别特征并给出上述区别特征应用到证据1中的技术启示，目前也没有任何证据表明上述区别为公知常识。因此，本领域技术人员根据证据1-4无法获得任何采用要同时满足本专利提出的三个条件的方法，以获得可以判断为车辆是否处于出位状态这一结果的技术启示，本领域技术人员基于证据1-4无法显而易见地获得权利要求5请求保护的技术方案。因此请求人主张使用证据1-3以及公知常识结合、证据1-4以及公知常识结合破坏权利要求5创造性的无效理由不成立。
鉴于权利要求6-7均直接或间接从属于权利要求5，因此在权利要求5不具备创造性的无效理由不成立的基础上，本专利权利要求6-7相对于请求人提出的证据组合方式也具备创造性。
4、独立权利要求8请求保护一种车辆出位的判定装置，其技术特征是分别与独立权利要求5请求保护的车辆出位的判定方法中各技术特征对应的模块或单元，基于以上评述权利要求5相同的理由，本领域技术人员基于证据1-4无法显而易见地获得权利要求8请求保护的技术方案。因此请求人主张使用证据1-3以及公知常识结合、证据1-4以及公知常识结合破坏权利要求8创造性的无效理由不成立。
5、独立权利要求9请求保护一种车辆管理系统，其中包括了权利要求4中的车辆入位的判断装置，和/或权利要求8中的车辆出位的判定装置，在权利要求4和8不具备创造性的无效理由均不成立的基础上，本专利权利要求9相对于请求人提出的证据组合方式也具备创造性。
综上所述，请求人关于本专利权利要求1-9不具备创造性的无效理由均不成立。
三、决定
维持201610412917.1号发明专利权有效。
当事人对本决定不服的，可以根据专利法第46条第2款的规定，自收到本决定之日起三个月内向北京知识产权法院起诉。根据该款的规定，一方当事人起诉后，另一方当事人作为第三人参加诉讼。
郑重声明：本文版权归原作者所有，转载文章仅为传播更多信息之目的，如作者信息标记有误，请第一时间联系我们修改或删除，多谢。
