[發(fā)明專利]基于監(jiān)控圖像的停車場智能車位識別方法及系統(tǒng)

有效

• 申請?zhí)枺?/td>: 201410370104.1
• 申請日: 2014-07-30
• 公開（公告）號: CN104112370A
• 公開（公告）日: 2014-10-22
• 發(fā)明（設計）人: 王鴻鵬;尤磊;劉曉英;張文彩
• 申請（專利權）人: 哈爾濱工業(yè)大學深圳研究生院
• 主分類號: G08G1/14
• 分類號: G08G1/14;G06K9/66
• 代理公司: 深圳市科吉華烽知識產權事務所(普通合伙) 44248
• 代理人: 于標

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據；

停車位坐標標定步驟：用于完成停車位坐標的標定；

鄰近車位遮擋處理步驟：將停車位劃分為若干子區(qū)域，并分配不同的權重來處理臨近車位的遮擋問題；

分類器設計步驟：用于判斷停車位是否有車。

2.根據權利要求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：

目標檢測步驟：選擇一幅無車的背景圖像，預處理后，將其轉換為灰度圖像；從監(jiān)控的視頻數據中抽取視頻圖像，選取若干作為訓練數據集，與提取的背景圖像進行自學習，將經常變化的區(qū)域設定為車位區(qū)域，完成停車位坐標的標定；

陰影檢測步驟：根據目標檢測步驟所標定的單個停車位區(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，對差分圖像進行目標檢測和陰影檢測，去除掉目標檢測中的陰影；

在所述分類器設計步驟中，求取目標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，大于該閾值則認為有車，小于該閾值則認為無車。

3.根據權利要求2所述的停車場智能車位識別方法，其特征在于，在所述停車位坐標標定步驟中，停車位坐標標定是算法自學習標定的，將經常變化的區(qū)域設定為車位區(qū)域，并且人工能夠修正所標定的車位區(qū)域，經過多次的學習使用圖形來標記連通區(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行二值化；

求取連通區(qū)域步驟：根據種子填充算法求取二值圖像中的連通區(qū)域；

轉換步驟：將連通區(qū)域面積小于所設定閾值的區(qū)域變?yōu)楸尘埃?/p>

合并步驟：將鄰近的連通區(qū)域進行合并；

標識步驟：經過多次學習后使用圖形來標識停車位；

在所述目標檢測步驟中，采用基于分解的三維Otsu方法以目標和背景的最大類間方差作為閾值的選擇標準，按圖像的灰度特性，實現圖像的分割即目標檢測，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，差分圖像經過均值濾波，差值圖像經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圖像進行分割后求三幅圖像的交集。

4.根據權利要求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(i,j)為前景圖像，當P(i，j)>l時，當前像素比背景暗，定義其屬于暗區(qū)；反之，定義該點像素屬于亮區(qū)；陰影的像素點是比背景暗的，因此，陰影的檢測范圍就縮小到對暗區(qū)范圍內的點的檢測，設定一個閾值區(qū)間，當該比值在該閾值區(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)域分配不同的權重，靠近鄰近車位的區(qū)域分配的權值要小于遠離鄰近車位的權值；

在所述分類器設計步驟中，通過閾值分類器求取每個目標所占的比值：

C為單個停車位劃分出來的區(qū)域個數，為劃分出來的區(qū)域塊，為第k個區(qū)域所占的權重，為當前二值圖像，S為該停車位的面積；設aP為最終的閾值，如果所檢測的目標比值大于所設定的閾值即該車位被占用，否則，視為空閑；a在訓練數據集的學習過程中根據先驗知識自動學習。