基于監(jiān)控圖像的停車場智能車位識別方法及系統(tǒng)的制作方法
【專利摘要】本發(fā)明提供了一種基于監(jiān)控圖像的停車場智能車位識別方法及系統(tǒng)，該停車場智能車位識別方法包括如下步驟：視頻圖像采集步驟：停車場監(jiān)控攝像頭拍攝獲取停車位視頻數(shù)據(jù)；停車位坐標(biāo)標(biāo)定步驟：用于完成停車位坐標(biāo)的標(biāo)定；鄰近車位遮擋處理步驟：將停車位劃分為若干子區(qū)域，并分配不同的權(quán)重來處理臨近車位的遮擋問題；分類器設(shè)計步驟：用于判斷停車位是否有車。本發(fā)明的有益效果是：本發(fā)明的方法及系統(tǒng)人工干預(yù)少，監(jiān)控車位多，不需要額外的設(shè)備，在普通的監(jiān)控攝像頭下即可實現(xiàn)，從而滿足了停車場實時高效的管理，解決了客戶停車難，找車難的問題。
【專利說明】基于監(jiān)控圖像的停車場智能車位識別方法及系統(tǒng)

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及數(shù)據(jù)處理領(lǐng)域，尤其涉及基于監(jiān)控圖像的停車場智能車位識別方法及 系統(tǒng)。

【背景技術(shù)】
[0002] 隨著社會經(jīng)濟(jì)的發(fā)展，汽車普及率越來越高，汽車消費(fèi)時代已悄然來臨。隨著車輛 的增加，停車場的建設(shè)也越來越大，導(dǎo)致客戶駕駛車輛進(jìn)入一個大型停車場后，滿眼是車， 不能快速地找到空車位，造成停車場道路的擁堵，停車場使用效率低下，客戶情緒焦慮；同 時停車場使用大量的管理人員進(jìn)行疏導(dǎo)，浪費(fèi)人力，又容易造成矛盾，使客戶在"第一大堂" 沒有一個好的情緒?；谶@樣的背景，智能車位檢測系統(tǒng)的理念油然而生。
[0003] 20世紀(jì)70年代以來，國內(nèi)外專家學(xué)者提出了多種基于傳感器的智能車位檢測方 法，主要包括： 一、 地感線圈車位檢測，在車位所在的地面下埋設(shè)感應(yīng)線圈，通過線圈內(nèi)磁場的變化情 況來辨別出車位是空閑還是被占用，具有成本低，檢測精度高等優(yōu)點(diǎn)，但是施工麻煩，要挖 開路面，對路面造成破壞，線圈易損壞，難以維護(hù)，而且，地感線圈每次只能檢測一個車位； 二、 聲波車位檢測，通常采取的有紅外線和超聲波兩種，其都是通過檢測反射回波來獲 取車位是否有車?？康男畔?。具有體積小，易于安裝，使用壽命長等優(yōu)點(diǎn)。但是紅外線容易 受氣流影響，成本高。超聲波因外界氣流，溫度變化而影響性能，非車輛物體經(jīng)過檢測區(qū)域 時很可能產(chǎn)生干擾。而且聲波檢測每次也只能檢測一個車位。


【發(fā)明內(nèi)容】

[0004] 為了解決現(xiàn)有技術(shù)中的問題，本發(fā)明提供了一種基于監(jiān)控圖像的停車場智能車位 識別方法。
[0005] 本發(fā)明提供了一種基于監(jiān)控圖像的停車場智能車位識別方法，包括如下步驟： 視頻圖像采集步驟：停車場監(jiān)控攝像頭拍攝獲取停車位視頻數(shù)據(jù)； 停車位坐標(biāo)標(biāo)定步驟：用于完成停車位坐標(biāo)的標(biāo)定； 鄰近車位遮擋處理步驟：將停車位劃分為若干子區(qū)域，并分配不同的權(quán)重來處理臨近 車位的遮擋問題； 分類器設(shè)計步驟：用于判斷停車位是否有車。
[0006] 作為本發(fā)明的進(jìn)一步改進(jìn)，該停車場智能車位識別方法還包括： 目標(biāo)檢測步驟：選擇一幅無車的背景圖像，預(yù)處理后，將其轉(zhuǎn)換為灰度圖像；從監(jiān)控的 視頻數(shù)據(jù)中抽取視頻圖像，選取若干作為訓(xùn)練數(shù)據(jù)集，與提取的背景圖像進(jìn)行自學(xué)習(xí)，將經(jīng) 常變化的區(qū)域設(shè)定為車位區(qū)域，完成停車位坐標(biāo)的標(biāo)定； 陰影檢測步驟：根據(jù)目標(biāo)檢測步驟所標(biāo)定的單個停車位區(qū)域，抽取感興趣車位的背景 圖像和前景圖像，求取兩者的差分，得到差分圖像，對差分圖像進(jìn)行目標(biāo)檢測和陰影檢測， 去除掉目標(biāo)檢測中的陰影； 在所述分類器設(shè)計步驟中，求取目標(biāo)占整個停車位的比值，將其作為閾值作為最終車 位識別的分類器，大于該閾值則認(rèn)為有車，小于該閾值則認(rèn)為無車。
[0007] 作為本發(fā)明的進(jìn)一步改進(jìn)，在所述停車位坐標(biāo)標(biāo)定步驟中，停車位坐標(biāo)標(biāo)定是算 法自學(xué)習(xí)標(biāo)定的，將經(jīng)常變化的區(qū)域設(shè)定為車位區(qū)域，并且人工能夠修正所標(biāo)定的車位區(qū) 域，經(jīng)過多次的學(xué)習(xí)使用圖形來標(biāo)記連通區(qū)域，作為最終的停車位區(qū)域，提取連通區(qū)域的方 法包括如下步驟： 求差分圖像步驟：前景與背景經(jīng)過中值濾波后，求差分圖像； 二值化步驟：采用一維最大類間方差法對差分圖像進(jìn)行二值化； 求取連通區(qū)域步驟：根據(jù)種子填充算法求取二值圖像中的連通區(qū)域； 轉(zhuǎn)換步驟：將連通區(qū)域面積小于所設(shè)定閾值的區(qū)域變?yōu)楸尘埃?合并步驟：將鄰近的連通區(qū)域進(jìn)行合并； 標(biāo)識步驟：經(jīng)過多次學(xué)習(xí)后使用圖形來標(biāo)識停車位； 在所述目標(biāo)檢測步驟中，采用基于分解的三維〇tsu方法以目標(biāo)和背景的最大類間方 差作為閾值的選擇標(biāo)準(zhǔn)，按圖像的灰度特性，實現(xiàn)圖像的分割即目標(biāo)檢測，所述基于分解的 三維Otsu方法包括如下步驟： 第一步驟：采用一維Otsu法計算差分圖像，差分圖像經(jīng)過均值濾波，差值圖像經(jīng)過中 值濾波后的分割閾值； 第二步驟：將三個閾值作為最佳閾值對相應(yīng)圖像進(jìn)行分割后求三幅圖像的交集。
[0008] 作為本發(fā)明的進(jìn)一步改進(jìn)，在所述陰影檢測步驟中，采用基于灰度比值的陰影檢 測，除了除掉陰影之外，還加上該目標(biāo)的邊緣信息，基于灰度比值的陰影檢測：

【權(quán)利要求】
1. 一種基于監(jiān)控圖像的停車場智能車位識別方法，其特征在于，包括如下步驟： 視頻圖像采集步驟：停車場監(jiān)控攝像頭拍攝獲取停車位視頻數(shù)據(jù)； 停車位坐標(biāo)標(biāo)定步驟：用于完成停車位坐標(biāo)的標(biāo)定； 鄰近車位遮擋處理步驟：將停車位劃分為若干子區(qū)域，并分配不同的權(quán)重來處理臨近 車位的遮擋問題； 分類器設(shè)計步驟：用于判斷停車位是否有車。
2. 根據(jù)權(quán)利要求1所述的停車場智能車位識別方法，其特征在于，該停車場智能車位 識別方法還包括： 目標(biāo)檢測步驟：選擇一幅無車的背景圖像，預(yù)處理后，將其轉(zhuǎn)換為灰度圖像；從監(jiān)控的 視頻數(shù)據(jù)中抽取視頻圖像，選取若干作為訓(xùn)練數(shù)據(jù)集，與提取的背景圖像進(jìn)行自學(xué)習(xí)，將經(jīng) 常變化的區(qū)域設(shè)定為車位區(qū)域，完成停車位坐標(biāo)的標(biāo)定； 陰影檢測步驟：根據(jù)目標(biāo)檢測步驟所標(biāo)定的單個停車位區(qū)域，抽取感興趣車位的背景 圖像和前景圖像，求取兩者的差分，得到差分圖像，對差分圖像進(jìn)行目標(biāo)檢測和陰影檢測， 去除掉目標(biāo)檢測中的陰影； 在所述分類器設(shè)計步驟中，求取目標(biāo)占整個停車位的比值，將其作為閾值作為最終車 位識別的分類器，大于該閾值則認(rèn)為有車，小于該閾值則認(rèn)為無車。
3. 根據(jù)權(quán)利要求2所述的停車場智能車位識別方法，其特征在于，在所述停車位坐標(biāo) 標(biāo)定步驟中，停車位坐標(biāo)標(biāo)定是算法自學(xué)習(xí)標(biāo)定的，將經(jīng)常變化的區(qū)域設(shè)定為車位區(qū)域，并 且人工能夠修正所標(biāo)定的車位區(qū)域，經(jīng)過多次的學(xué)習(xí)使用圖形來標(biāo)記連通區(qū)域，作為最終 的停車位區(qū)域，提取連通區(qū)域的方法包括如下步驟： 求差分圖像步驟：前景與背景經(jīng)過中值濾波后，求差分圖像； 二值化步驟：采用一維最大類間方差法對差分圖像進(jìn)行二值化； 求取連通區(qū)域步驟：根據(jù)種子填充算法求取二值圖像中的連通區(qū)域； 轉(zhuǎn)換步驟：將連通區(qū)域面積小于所設(shè)定閾值的區(qū)域變?yōu)楸尘埃? 合并步驟：將鄰近的連通區(qū)域進(jìn)行合并； 標(biāo)識步驟：經(jīng)過多次學(xué)習(xí)后使用圖形來標(biāo)識停車位； 在所述目標(biāo)檢測步驟中，采用基于分解的三維Otsu方法以目標(biāo)和背景的最大類間方 差作為閾值的選擇標(biāo)準(zhǔn)，按圖像的灰度特性，實現(xiàn)圖像的分割即目標(biāo)檢測，所述基于分解的 三維Otsu方法包括如下步驟： 第一步驟：采用一維Otsu法計算差分圖像，差分圖像經(jīng)過均值濾波，差值圖像經(jīng)過中 值濾波后的分割閾值； 第二步驟：將三個閾值作為最佳閾值對相應(yīng)圖像進(jìn)行分割后求三幅圖像的交集。
4. 根據(jù)權(quán)利要求3所述的停車場智能車位識別方法，其特征在于，在所述陰影檢測步 驟中，采用基于灰度比值的陰影檢測，除了除掉陰影之外，還加上該目標(biāo)的邊緣信息，基于 灰度比值的陰影檢測：
B(i，j)為背景圖像，F(xiàn)(i，j)為前景圖像，當(dāng)P(i，j)>l時，當(dāng)前像素比背景暗，定義其屬 于暗區(qū)；反之，定義該點(diǎn)像素屬于亮區(qū)；陰影的像素點(diǎn)是比背景暗的，因此，陰影的檢測范 圍就縮小到對暗區(qū)范圍內(nèi)的點(diǎn)的檢測，設(shè)定一個閾值區(qū)間，當(dāng)該比值在該閾值區(qū)間視為陰 影； 在所述鄰近車位遮擋處理步驟中，將標(biāo)識出來的停車位再次劃分為若干子區(qū)域，并給 每個子區(qū)域分配不同的權(quán)重，靠近鄰近車位的區(qū)域分配的權(quán)值要小于遠(yuǎn)離鄰近車位的權(quán) 值； 在所述分類器設(shè)計步驟中，通過閾值分類器求取每個目標(biāo)所占的比值：
c為單個停車位劃分出來的區(qū)域個數(shù)，/?〇〇為劃分出來的區(qū)域塊,丨4\為第k個區(qū)域所 占的權(quán)重，GCtD為當(dāng)前二值圖像，S為該停車位的面積；設(shè)aP為最終的閾值，如果所檢測 的目標(biāo)比值大于所設(shè)定的閾值即該車位被占用，否則，視為空閑；a在訓(xùn)練數(shù)據(jù)集的學(xué)習(xí)過 程中根據(jù)先驗知識自動學(xué)習(xí)。
5. 根據(jù)權(quán)利要求1所述的停車場智能車位識別方法，其特征在于，在所述停車位坐標(biāo) 標(biāo)定步驟中，抽取待測的停車位圖像，選取一幅無車的圖像作為背景圖像，待測圖像通過與 背景圖像的自學(xué)習(xí)，標(biāo)記出單個停車位的區(qū)域，并且保存所標(biāo)定的坐標(biāo)，包含以下步驟： 一. 將待測圖像與背景圖像相減，經(jīng)過中值濾波去除噪聲； 二. 新建一個同尺寸的掩膜數(shù)組，將變化的區(qū)域標(biāo)記出來； 三. 將標(biāo)記區(qū)域面積過小的地方去除，僅保存區(qū)域面積大于所設(shè)定閾值的區(qū)域； 四. 最后置加顯不； 在所述分類器設(shè)計步驟中，采用基于神經(jīng)網(wǎng)絡(luò)的分類器，將分割的若干個區(qū)域作為輸 入的數(shù)據(jù)，經(jīng)過訓(xùn)練后，自動分配權(quán)值，輸出車位的識別結(jié)果； 停車位坐標(biāo)標(biāo)定后，將抽取的每個車位圖像縮放為32*32、維度是1024,直接將該車位 圖像放入到分類器中進(jìn)行訓(xùn)練；或者先進(jìn)行主成分分析，然后再進(jìn)行訓(xùn)練；分類器選擇線 性或非線性分類器，采用模糊C均值聚類算法作為分類器來實現(xiàn)智能車位的識別。
6. -種基于監(jiān)控圖像的停車場智能車位識別系統(tǒng)，其特征在于，包括： 視頻圖像采集單元：用于停車場監(jiān)控攝像頭拍攝獲取停車位視頻數(shù)據(jù)； 停車位坐標(biāo)標(biāo)定單元：用于完成停車位坐標(biāo)的標(biāo)定； 鄰近車位遮擋處理單元：用于將停車位劃分為若干子區(qū)域，并分配不同的權(quán)重來處理 臨近車位的遮擋問題； 分類器設(shè)計單元：用于判斷停車位是否有車。
7. 根據(jù)權(quán)利要求6所述的停車場智能車位識別系統(tǒng)，其特征在于，該停車場智能車位 識別系統(tǒng)還包括： 目標(biāo)檢測單元：用于選擇一幅無車的背景圖像，預(yù)處理后，將其轉(zhuǎn)換為灰度圖像；從監(jiān) 控的視頻數(shù)據(jù)中抽取視頻圖像，選取若干作為訓(xùn)練數(shù)據(jù)集，與提取的背景圖像進(jìn)行自學(xué)習(xí)， 將經(jīng)常變化的區(qū)域設(shè)定為車位區(qū)域，完成停車位坐標(biāo)的標(biāo)定； 陰影檢測單元：根據(jù)目標(biāo)檢測單元所標(biāo)定的單個停車位區(qū)域，抽取感興趣車位的背景 圖像和前景圖像，求取兩者的差分，得到差分圖像，對差分圖像進(jìn)行目標(biāo)檢測和陰影檢測， 去除掉目標(biāo)檢測中的陰影； 在所述分類器設(shè)計單元中，求取目標(biāo)占整個停車位的比值，將其作為閾值作為最終車 位識別的分類器，大于該閾值則認(rèn)為有車，小于該閾值則認(rèn)為無車。
8. 根據(jù)權(quán)利要求7所述的停車場智能車位識別系統(tǒng)，其特征在于，在所述停車位坐標(biāo) 標(biāo)定單元中，停車位坐標(biāo)標(biāo)定是算法自學(xué)習(xí)標(biāo)定的，將經(jīng)常變化的區(qū)域設(shè)定為車位區(qū)域，并 且人工能夠修正所標(biāo)定的車位區(qū)域，經(jīng)過多次的學(xué)習(xí)使用圖形來標(biāo)記連通區(qū)域，作為最終 的停車位區(qū)域，提取連通區(qū)域的方法執(zhí)行如下模塊： 求差分圖像模塊：用于前景與背景經(jīng)過中值濾波后，求差分圖像； 二值化模塊：用于采用一維最大類間方差法對差分圖像進(jìn)行二值化； 求取連通區(qū)域模塊：用于根據(jù)種子填充算法求取二值圖像中的連通區(qū)域； 轉(zhuǎn)換模塊：用于將連通區(qū)域面積小于所設(shè)定閾值的區(qū)域變?yōu)楸尘埃? 合并模塊：用于將鄰近的連通區(qū)域進(jìn)行合并； 標(biāo)識模塊：用于經(jīng)過多次學(xué)習(xí)后使用圖形來標(biāo)識停車位； 在所述目標(biāo)檢測單元中，采用基于分解的三維Otsu方法以目標(biāo)和背景的最大類間方 差作為閾值的選擇標(biāo)準(zhǔn)，按圖像的灰度特性，實現(xiàn)圖像的分割即目標(biāo)檢測，所述基于分解的 三維Otsu方法包括執(zhí)行如下模塊： 第一模塊：用于采用一維Otsu法計算差分圖像，差分圖像經(jīng)過均值濾波，差值圖像經(jīng) 過中值濾波后的分割閾值； 第二模塊：用于將三個閾值作為最佳閾值對相應(yīng)圖像進(jìn)行分割后求三幅圖像的交集。
9. 根據(jù)權(quán)利要求8所述的停車場智能車位識別系統(tǒng)，其特征在于，在所述陰影檢測單 元中，采用基于灰度比值的陰影檢測，除了除掉陰影之外，還加上該目標(biāo)的邊緣信息，基于 灰度比值的陰影檢測：
B(i，j)為背景圖像，F(xiàn)(i，j)為前景圖像，當(dāng)P(i，j)>l時，當(dāng)前像素比背景暗，定義其屬 于暗區(qū)；反之，定義該點(diǎn)像素屬于亮區(qū)；陰影的像素點(diǎn)是比背景暗的，因此，陰影的檢測范 圍就縮小到對暗區(qū)范圍內(nèi)的點(diǎn)的檢測，設(shè)定一個閾值區(qū)間，當(dāng)該比值在該閾值區(qū)間視為陰 影； 在所述鄰近車位遮擋處理單元中，將標(biāo)識出來的停車位再次劃分為若干子區(qū)域，并給 每個子區(qū)域分配不同的權(quán)重，靠近鄰近車位的區(qū)域分配的權(quán)值要小于遠(yuǎn)離鄰近車位的權(quán) 值； 在所述分類器設(shè)計單元中，通過閾值分類器求取每個目標(biāo)所占的比值：
C為單個停車位劃分出來的區(qū)域個數(shù)，I? 00為劃分出來的區(qū)域塊，為第k個區(qū)域所 占的權(quán)重，為當(dāng)前二值圖像，s為該停車位的面積；設(shè)aP為最終的閾值，如果所檢測 的目標(biāo)比值大于所設(shè)定的閾值即該車位被占用，否則，視為空閑；a在訓(xùn)練數(shù)據(jù)集的學(xué)習(xí)過 程中根據(jù)先驗知識自動學(xué)習(xí)。
10.根據(jù)權(quán)利要求6所述的停車場智能車位識別系統(tǒng)，其特征在于，在所述停車位坐 標(biāo)標(biāo)定單元中，抽取待測的停車位圖像，選取一幅無車的圖像作為背景圖像，待測圖像通過 與背景圖像的自學(xué)習(xí)，標(biāo)記出單個停車位的區(qū)域，并且保存所標(biāo)定的坐標(biāo)，包含執(zhí)行如下步 驟： 一. 將待測圖像與背景圖像相減，經(jīng)過中值濾波去除噪聲； 二. 新建一個同尺寸的掩膜數(shù)組，將變化的區(qū)域標(biāo)記出來； 三. 將標(biāo)記區(qū)域面積過小的地方去除，僅保存區(qū)域面積大于所設(shè)定閾值的區(qū)域； 四. 最后置加顯不； 在所述分類器設(shè)計單元中，采用基于神經(jīng)網(wǎng)絡(luò)的分類器，將分割的若干個區(qū)域作為輸 入的數(shù)據(jù)，經(jīng)過訓(xùn)練后，自動分配權(quán)值，輸出車位的識別結(jié)果； 停車位坐標(biāo)標(biāo)定后，將抽取的每個車位圖像縮放為32*32、維度是1024,直接將該車位 圖像放入到分類器中進(jìn)行訓(xùn)練；或者先進(jìn)行主成分分析，然后再進(jìn)行訓(xùn)練；分類器選擇線 性或非線性分類器，采用模糊C均值聚類算法作為分類器來實現(xiàn)智能車位的識別。
【文檔編號】G06K9/66GK104112370SQ201410370104
【公開日】2014年10月22日 申請日期:2014年7月30日 優(yōu)先權(quán)日:2014年7月30日
【發(fā)明者】王鴻鵬, 尤磊, 劉曉英, 張文彩 申請人:哈爾濱工業(yè)大學(xué)深圳研究生院