視覺的車位智能識別研究

楊瀧迪,姜月秋,高宏偉

視覺的車位智能識別研究

楊瀧迪,姜月秋,高宏偉

(沈陽理工大學(xué) 信息科學(xué)與工程學(xué)院，沈陽110159)

針對車輛的人均持有量增加，并出現(xiàn)的“停車難”問題，結(jié)合先進(jìn)的機(jī)器視覺和圖像處理等知識，提出一種基于視覺檢測停車位識別技術(shù)。主要通過對圖像的預(yù)處理、圖像分割、圖像特征提取等算法的研究來對停車場視頻和圖像處理，進(jìn)而把目標(biāo)從停車場背景中提取出來，最后構(gòu)建基于VC++6.0的停車場車位自動識別系統(tǒng)。研究成果對于利用圖像處理來檢測停車場的停車位狀態(tài)具有一定的意義。結(jié)果表明，自動識別技術(shù)行之有效。

圖像處理；視覺檢測；車位自動識別；空閑判斷

隨著圖像處理技術(shù)的不斷發(fā)展，為提供停車場車位的實(shí)時信息，各大城市設(shè)計了停車場車位檢測系統(tǒng)，旨在司機(jī)能夠快速找到停車位[1]。目前國內(nèi)外有許多研究機(jī)構(gòu)應(yīng)用圖像處理技術(shù)進(jìn)行停車場智能化研究[2]，美國的ITS運(yùn)用先進(jìn)技術(shù)，將計算機(jī)技術(shù)、數(shù)字通信傳輸技術(shù)、自動化控制技術(shù)以及繼承系統(tǒng)化等這些技術(shù)應(yīng)用到現(xiàn)有的車位系統(tǒng)之中，減輕了對資源重復(fù)利用以實(shí)現(xiàn)智能化系統(tǒng)的優(yōu)化且提高了實(shí)時性。國內(nèi)對停車場管理系統(tǒng)也進(jìn)行了大量的研究，其中具有代表性的有以下幾種:第一種是通過視頻卡為管理介質(zhì)的基于遺傳算法的最短搜索車位方法[3]；第二種停車場管理系統(tǒng)研究主要是通過圖像處理技術(shù)實(shí)現(xiàn)對現(xiàn)有收費(fèi)系統(tǒng)和車牌系統(tǒng)的完善[4]；第三種具體實(shí)現(xiàn)方法是將藍(lán)牙技術(shù)引入以往的停車場系統(tǒng)應(yīng)用中[5]；第四種是通過RFID中間件技術(shù)和工作流管理技術(shù)實(shí)現(xiàn)停車場管理系統(tǒng)，對于汽車的定位識別采用遠(yuǎn)距離射頻識別設(shè)備和線圈檢測器來實(shí)現(xiàn)，汽車的入庫和出庫控制通過顯示牌和紅綠燈完成，所有的終端設(shè)施都運(yùn)用分布式結(jié)構(gòu)加以實(shí)現(xiàn)管理[6]。但是，低智能化、低集成度是目前國內(nèi)停車場管理系統(tǒng)的不足之處，這種方式極大地阻礙了車位的整體利用和有效監(jiān)管，并且國內(nèi)的停車場管理系統(tǒng)功能發(fā)展不均衡。

通過對大量的停車場圖像進(jìn)行研究，在對停車場車位圖像進(jìn)行預(yù)處理后，對圖像的關(guān)鍵區(qū)域進(jìn)行分割，獲取圖像中感興趣的區(qū)域以達(dá)到提取車位信息的目的。識別時，將背景差法和幀差法相結(jié)合得出像素變化的三種判據(jù)，通過這三種判據(jù)對車位上的變化信息進(jìn)行檢測，這種方法對車位快速識別具有重要意義。

1 圖像預(yù)處理檢測識別方法

均值濾波是線性濾波，是對圖像像素分析時，要先選定一個窗口作為樣板，該樣板由目前一個像素鄰域內(nèi)的幾個像素組成，其值為這些像素灰度值的平均值[7]。

中值濾波是非線性的濾波方法，它通常在一像素點(diǎn)的周圍取一個滑動窗口，先對窗口內(nèi)的灰度值進(jìn)行排序取出其中間值，然后用這個中間值來代替該點(diǎn)的像素值。

圖像邊緣增強(qiáng)是指周邊像素灰度有改動并被標(biāo)注的像素集合,即為信號發(fā)生奇異突變的地方。奇異信號從邊沿的方向灰度值劇烈變動，一般分成階躍邊緣和屋頂邊緣兩種方式。

Roberts算子是基于一階微分的邊緣檢測算子，流程即是通過局部的差分法來查找圖像的邊緣。

由于Roberts算子可能會影響圖像邊沿效果,用Roberts算子處理后的圖像結(jié)果的邊沿光滑程度不理想,所以只能通過其他的方式處理Roberts算子的邊沿圖像。

梯度法的原理是通過梯度的幅值獲取邊緣處的極值,此種方式不會抑制運(yùn)算方向,而且能取得邊緣的方向數(shù)據(jù),它的優(yōu)點(diǎn)是定位的精確值高,缺點(diǎn)是對噪聲相對較為敏感[8]。

Canny邊緣檢測算子基本思想是先計算圖像的灰度值進(jìn)行均方差，目的使圖像平滑，為了使圖像邊緣明顯清晰，需要求像素梯度的幅值和方向，通過比較梯度幅值與相鄰像素的梯度幅值，去除幅值小的像素，并結(jié)合其他的算子使圖像邊緣清晰。圖像經(jīng)過邊緣化處理后，需要比較閾值，從而確定輪廓。

二值化是圖像處理的基本操作，為了使圖像變得更為簡單，將整個圖像呈現(xiàn)出明顯的只有黑和白的視覺效果，把像素點(diǎn)的灰度值區(qū)分為0或255。

針對圖像二值化進(jìn)行深入研究，由于全局閾值法分割算法對圖像分布直方圖呈雙峰分布時比較有效，按照大津閾值法對圖像進(jìn)行二值化分割后，前景與背景的類間方差達(dá)到最大，最終結(jié)合本文的選題背景對停車場車位監(jiān)測，選取大津閾值對圖像進(jìn)行二值化處理，處理后的圖像清晰，取得較好的效果。

2 車位狀態(tài)檢測

車位存在判斷算法采用基于視頻的運(yùn)動目標(biāo)檢測來完成對車位狀態(tài)的粗檢測。對運(yùn)動目標(biāo)檢測技術(shù)中的背景差分法和幀間差分法的研究和比較發(fā)現(xiàn)，這兩種方法的實(shí)質(zhì)都是將兩幀圖像進(jìn)行減運(yùn)算，以此作為啟示，可以將動態(tài)圖像中連續(xù)兩幀進(jìn)行差運(yùn)算，然后再將其和背景差進(jìn)行與運(yùn)算，這樣就達(dá)到了加大目標(biāo)信息權(quán)重的目的，同時還能減小靜態(tài)背景的影響，得到更多的運(yùn)動目標(biāo)，更好地將運(yùn)動目標(biāo)從背景圖像中分離出來。

車位狀態(tài)檢測的目的主要包括兩個方面:一是檢測車位區(qū)域是否有變化；二是確認(rèn)變化是否來自于車輛。

車位狀態(tài)檢測算法的三種判據(jù)

1)變化發(fā)生判據(jù)K1

由于本文是將改進(jìn)的幀間差別法應(yīng)用到車位狀態(tài)的檢測當(dāng)中，幀差法的核心思想是:將視頻圖像序列中的前一幀圖像與當(dāng)前幀圖像做差得到差圖像；在差圖像中，沒有變化的區(qū)域的像素值為0，發(fā)生變化的部分像素值會出現(xiàn)很大的變化，以此檢測出圖像中變化區(qū)域。

變化發(fā)生判據(jù)K1(t)由以下公式可得:

Xi(t)=Ii(t)-Bi(t),i=1,2,3,…,n

(1)

(2)

式中:n為某車位像素面積；Ii(t)、Bi(t)分別為第i點(diǎn)像素在t時刻的前景、背景像素值；Xi(t)為像素復(fù)制變化量；K1(t)為累計的幅值變化量。

由此可知，車位狀態(tài)沒有變化的時候，當(dāng)前幀與前一幀幾乎沒有發(fā)生變化，K1(t)的值趨近于0；車位狀態(tài)發(fā)生變化的時候，會引起當(dāng)前幀和前一幀的像素值發(fā)生改變，此時K1(t)變大。所以，K1(t)可以作為車位狀態(tài)變化發(fā)生的判據(jù)來反映車位的狀態(tài)變化。

2)變化幅值一致性判據(jù)K2

K1(t)可以檢測出車位狀態(tài)的變化情況，但是其對于兩幀之間發(fā)生的變化很敏感。而在現(xiàn)實(shí)的停車場的實(shí)時監(jiān)控中，由于反光，日照強(qiáng)度和樹蔭等等都會造成像素值的幅值差異。

為了降低以上情況帶來的誤差，加強(qiáng)算法的可靠性，要對不同狀況下的像素幅值變化進(jìn)行分析找出它們的規(guī)律，以此來判定車位狀態(tài)是否改變。

當(dāng)車位圖像中車位像素幅值是因?yàn)殛幱盎蛘呤枪庹瞻l(fā)生變化時，圖像中像素值的變化始終在一個很小的范圍內(nèi)，可以用方差來對圖像的像素幅值變化的一致性進(jìn)行判定:

(3)

(4)

3)變化比例的一致性判據(jù)K3

當(dāng)光強(qiáng)度發(fā)生變化時，雖然會引起像素值幅值發(fā)生變化，但是當(dāng)前幀圖像中各個像素與前一幀圖像的比值是一致的，即其比值的數(shù)學(xué)特征值為0。所以，可以通過判定前一幀與當(dāng)前幀中對應(yīng)點(diǎn)像素比值的方差來判斷像素幅值的變化是否是由于照度變化引起的，具體計算方法如下:

(5)

(6)

(7)

通過對車位狀態(tài)變化的三個判據(jù)公式的研究能夠發(fā)現(xiàn):當(dāng)圖像中的車位沒有改變時，即沒有運(yùn)動目標(biāo)進(jìn)入該區(qū)域，幅值的累積變化量K1(t)為0。當(dāng)圖像中的車位有變化發(fā)生時，即有運(yùn)動目標(biāo)進(jìn)入該區(qū)域，這會造成大部分的像素值也發(fā)生變動，此時幅值的累積變化量K1(t)將驟然增加。這樣就可以利用K1(t)的變化來檢測車位上的變化。這種檢測快速便捷，但是光照等變化也會引起幅值的累積變化量K1(t)變化，從而對檢測結(jié)果的準(zhǔn)確性造成影響。

為此引入變化幅值一致性判據(jù)K2(t)。K2(t)根據(jù)車位像素變化是由于光照強(qiáng)度的變化造成時，發(fā)生這種變化像素點(diǎn)較為集中，所以像素幅值變化的方差相對小，此時雖然K1(t)變大，但是K2(t)依然很小。

但僅僅依靠以上兩個判據(jù)還不能得到完全準(zhǔn)確的判斷結(jié)果，與此同時通過對由車位狀態(tài)發(fā)生變化和其他因素發(fā)生變化的圖像的像素值比較，發(fā)現(xiàn)光線發(fā)生變化車位區(qū)域被遮擋時盡管像素值的幅值會發(fā)生明顯的變化，但是車位圖像中前一幀和當(dāng)前幀對應(yīng)像素點(diǎn)的變化的比值是相同的，即其數(shù)學(xué)特征方差K3(t)，根據(jù)這個比值的方差，可以區(qū)分車位上像素的變化是由環(huán)境內(nèi)光線變化引起的還是車位的狀態(tài)變化引起的，從而減少誤判。

3 檢測結(jié)果與分析

分別采用均值濾波和中值濾波對車位圖像進(jìn)行處理，結(jié)果見圖1。

圖1 濾波結(jié)果對比

由圖1a和圖1b的對比圖可以看出，針對本文的車位圖像中值濾波和均值濾波的效果差異不是很明顯，綜合運(yùn)算的時間復(fù)雜度和空間復(fù)雜度考慮，本文選用過程較為簡便的均值濾波對車位圖像進(jìn)行去噪處理。

選擇Roberts算子對圖像進(jìn)行邊緣提取，如圖2所示，該算子可使圖像保持完整和清晰。

圖2 邊緣增強(qiáng)效果對比

圖3為車位線邊緣提取結(jié)果。

圖3 車位邊緣提取結(jié)果

由圖3可看出，通過區(qū)域增長法對感興趣的車位線區(qū)域提取，獲得結(jié)果顯示，停車位的區(qū)域線較為清晰，也可以看出停車位的輪廓和背景有比較大的不同之處。

用戶啟動停車場管理系統(tǒng)的界面，如圖4所示。

圖4 停車場系統(tǒng)管理界面

根據(jù)用戶名、密碼登錄到系統(tǒng)的后臺，進(jìn)入停車場車位管理系統(tǒng)的工作界面對停車場的車位情況進(jìn)行初始化。也可以進(jìn)入到停車場車位管理系統(tǒng)的車位信息管理界面對停車場的車位信息進(jìn)行增加和刪除，并可以進(jìn)入查詢管理系統(tǒng)界面對車位信息進(jìn)行查詢。

首先，提取車位圖像上的對應(yīng)點(diǎn)像素值。然后，將當(dāng)前圖像分別與前一幀圖像和背景圖像對應(yīng)點(diǎn)的像素值進(jìn)行差計算。接著，將兩個差計算求得的差進(jìn)行與計算，求得發(fā)生變化的區(qū)域。最后采用求出變化區(qū)域內(nèi)相近兩幀圖像的對應(yīng)像素的三個判據(jù)，判斷變化是否來自于車位狀態(tài)的變化。

選取500幀作為一個時間段，將VC++和Matlab相結(jié)合，利用前者運(yùn)算效率高和后者良好的制圖能力，提供可視化的評價。

1)車位像素值的變化是由車輛變化引起時

大部分像素值會發(fā)生明顯的變化，K1、K2、K3都會迅速變大；當(dāng)車輛停穩(wěn)或者車輛完全駛離車位的時候，變化隨運(yùn)動的停止而停止，K1、K2、K3穩(wěn)定在一個較高的水平上，如圖5所示。

圖5 K值變化

2)車位內(nèi)無任何變化時

各個像素值也不會有變化，此時K1、K2、K3基本穩(wěn)定在0上。

3)車位上的像素值的變化是由行人進(jìn)入引起時

當(dāng)行人進(jìn)入停車位區(qū)域時，一部分像素值會迅速地變化，這會使得K1、K2、K3變大。但是，行人一般具有體積上比車輛小和運(yùn)動變化的比車輛快等特點(diǎn)。因此，當(dāng)行人離開的時候K1、K2、K3將會立即降回0。

4)車位上的像素值變化是由陰影覆蓋引起時

當(dāng)車位被陰影完全覆蓋會造成大部分的像素值變化，這會使得K1迅速的增加，并穩(wěn)定在一個比較高的位置上；雖然陰影覆蓋會使圖像的像素值發(fā)生變化幅值和比例也發(fā)生變化，但其變化趨勢是一致的，即K2、K3先增大，隨后降至 0。

所以當(dāng)車位被陰影完全覆蓋，K1迅速增大后穩(wěn)定在較高水平，K2、K3先增大，隨后降至 0。如圖6所示。

圖6 陰影完全覆蓋車位時的K值

5)車位部分被陰影覆蓋時

車位圖像中會有一部分像素值的變化很小，一部分像素值變化很大，所以K1、K2、K3迅速增大然后穩(wěn)定在一個低于車輛變化時的幅值水平。

由于幀差法檢測車位狀態(tài)時是用每一幀與背景圖像和前一幀分別相減，如果對每一幀圖像都進(jìn)行上述處理會導(dǎo)致計算量很大，所以本文選擇一個時間段對圖像進(jìn)行抽樣檢測，分別計算采樣時刻的狀態(tài)判據(jù)并進(jìn)行背景更新。

車位狀態(tài)變化的判定如下:

1)若K1、K2、K3的數(shù)值都在0附近，則認(rèn)為車位狀態(tài)沒有任何變化，更新此幀為新的背景圖；

2)若K1、K2、K3的數(shù)值突然增大然后穩(wěn)定在一個相對高的數(shù)值上，則認(rèn)為車位上有車輛的變化，并更新此圖為新的背景圖；

3)若K1、K2、K3沒有發(fā)生上邊任何一種的變化，則不更新背景圖像。

如此便初步檢測出車位上是否有信息變化。

分別在停車場的不同區(qū)域不同位置的三個攝像頭的監(jiān)控結(jié)果進(jìn)行抽樣，其中A區(qū)的一號攝像頭距離目標(biāo)區(qū)域的直線距離為40m，拍攝角度與水平地面平行；B區(qū)的一號攝像頭距離目標(biāo)區(qū)域的直線距離80m，拍攝角度與水平地面成30°夾角；C區(qū)的三號攝像頭距離目標(biāo)區(qū)域的直線距離為50m，拍攝角度與水平地面成25°夾角。圖7為區(qū)域狀態(tài)及查詢結(jié)果，表1為車位檢測結(jié)果，表2為車位狀態(tài)檢測結(jié)果。

圖7 每個區(qū)域狀態(tài)及查詢結(jié)果

檢測區(qū)域?qū)嶋H車位數(shù)檢測車位數(shù)漏檢數(shù)正確識別率/%A區(qū)440100B區(qū)1110190.9C區(qū)440100

表2 對車位狀態(tài)的檢測結(jié)果

本文采用的車位檢測和車位狀態(tài)識別算法對攝像頭拍攝角度的影響不是很敏感，在30°以內(nèi)的拍攝角度不會對結(jié)果造成很大的影響。而攝像頭的拍攝距離對車位檢測和車位狀態(tài)的識別有一定的影響，但只要保證其距離范圍在50m以內(nèi)，對檢測和識別結(jié)果的影響可以控制。相較于基于傳感器的識別方法與基于訓(xùn)練器樣本識別法耗費(fèi)大量人力物力采集樣本，占用資源較多，耗時費(fèi)力，造價昂貴，本方法更加簡便，在一定可控范圍內(nèi)的識別率也更高。

4 結(jié)束語

對于停車場空閑車位實(shí)時監(jiān)測，提出了基于視頻檢測的判別方法，采用視覺檢測技術(shù)，對動態(tài)視頻的前后兩幀圖像進(jìn)行對比檢測，然后對所得結(jié)果進(jìn)行邏輯與運(yùn)算，提高了目標(biāo)信息的權(quán)重，還能進(jìn)一步減小靜態(tài)背景的影響，從而將更多的目標(biāo)從背景中分離出來。此種方法原理簡單，可執(zhí)行性強(qiáng)，但相比于單一的目標(biāo)檢測，增加了一些實(shí)時判斷的計算量，影響了判斷方式的實(shí)時性，隨著圖像處理技術(shù)的不斷提高，數(shù)據(jù)采集設(shè)備技術(shù)的不斷完善，該方法的實(shí)時性將越來越好。

[1]李鴻雁.2013 年道路交通安全形勢總體平穩(wěn)——汽車保有量達(dá)1.37億輛，大中型客貨車、農(nóng)村面包車安全問題突出[J].商用汽車,2014(4):7-9.

[2]高鵬，張子秦.城市交通擁堵分析及對策研究[J].交通科技與經(jīng)濟(jì)，2011(2):22-25.

[3]段紅.基于圖像識別技術(shù)的智能交通監(jiān)控系統(tǒng)研究[D].淮南:安徽理工大學(xué)，2007.

[4]馬國峰，虞喆麟，江偉林.基于智能化系統(tǒng)的干道交通信號管理與控制[J].企業(yè)技術(shù)開發(fā),2012(3):31-32.

[5]孔祥剛.基于PCI總線 DSP 圖像處理試驗(yàn)平臺的研究[D].杭州:浙江大學(xué)，2003.

[6]王輝，吳欽章.基于圖像質(zhì)量評價的自動圖像復(fù)原技術(shù)[J].傳感技術(shù)學(xué)報，2012(7):930-935.

[7]符溪.智能停車場系統(tǒng)設(shè)計和實(shí)現(xiàn)[D].湘潭:湘潭大學(xué)，2011.

[8]陽瑞婷.木工鋸片鋸齒綜合尺寸檢測系統(tǒng)的研究[D].武漢:華中科技大學(xué)，2009.

(責(zé)任編輯:馬金發(fā))

Automatic Identification Technology of Parking Based on Visual Inspection

YANG Longdi,JIANG Yueqiu,GAO Hongwei

(Shenyang Ligong University,Shenyang 110159,China)

For vehicles per each citizen holdings increases and the “parking” problem is appearing,combined with advanced knowledge such as machine vision and image processing,based on visual inspection parking space recognition is proposed in this paper.The parking video and image processing are performed mainly through the image pretreatment,image segmentation,and image feature extraction algorithm,which means that the target is extracted from background from the parking lot，and target recognition is studied on the parking;At last，parking automatic identification system in parking lot is built by VC++6.0.Simulation results show that image processing application is meaningful to detect parking state，which has effective automatic identification performance.

image processing;visual inspection;automatic identification;free judgment

2016-05-09

遼寧省“百千萬人才工程”培養(yǎng)經(jīng)費(fèi)資助項(xiàng)目(2013921032)

楊瀧迪(1988—)，男，碩士研究生；通訊作者:姜月秋(1975—)，女，教授，博士，研究方向:衛(wèi)星通信和網(wǎng)絡(luò)管理技術(shù)，圖像處理等。

1003-1251(2017)01-0071-06

TN911

A