基于边沿特征提取空位检测

摘要：近年来，随着道路上出行车辆的不断增多，停车位置的查找变得非常困难。现阶段停车场主要采用人工管理方式，存在操作慢、难以统计等问题，停车资源得不到合理利用。为了解决这一问题，本文对每贞视频图像进行预处理、通过提取边沿特征，实时判断该位置的占用状态，对各车位进行监控，实验结果表明该方法实现了停车资源的高效管理[1]。

关键词：边沿检测 特征提取 空位检测

中图分类号：TP391.4 文献标识码：A 文章编号：1007-9416（2016）07-0044-02

1 引言

基于视频图像的车位状态监控方法[2]与传统停车场管理系统相比，资金方面，它节约成本，对于同样的工作，需要人力物力相对较少。对数据处理速度快，使用人员操作简单，安装方便，并且可以添加相关附加功能。国内外已经有大量学者在从事相关方面的研究工作，现已成为近年来智能交通与计算机视觉研究的重要课题[3]。

2 边沿特征提取

阶跃状边缘的位置在一阶导数的峰值点，在二阶导数的过零点；屋顶状边缘的位置在一阶导数的两峰值之间，在二阶导数的两个过零点之间[4]。

根据上图1，引入状态函数。若车牌图像函数为，则状态函数可由下式获得[1]

：

（1）

其中

（2）

（3）

t为任意大于0的常数，每次矩阵移动的大小，需要根据其取值情况而定，现取t=3，即每次对图像处理时，滑动模块大小为矩阵，定义这一状态函数，在图像中较高点将取到较大值，最低点取到较小值[1]如下图2所示。

2.1 垂直投影

有车位置其信息相对集中在某一区域，现从图像中截取该区域，并令其为，将该图像垂直投影，画出其对应图像如下图3所示。

若投影图像成双峰状，则说明该停车位上有车，否则为空位。

2.2 标记极值点

对图像进行Shen滤波[5]，对每一个停车位，若有车，则其统计结果应有由两个极值点，每个停车场摄像头位置一般是固定的，在该监控状态下，每个车位所占在宽度为已知，对统计结果中那些大于车位宽度的区域，可根据极值点的数码和车位宽度将其断开[1]如下图4所示。

3 车辆统计

截取视频图像中的一部分进行垂直投影，得到一个值为0、1的一维数组，统计每一段1的个数，即得到有车区域所对应的宽度，如图5所示。

对于每个摄像头所控制的区域，总的停车数量已知，输入该状态下车位宽度的上下限，在根据合并后的投影宽度，即可得到现已经停入的车辆数，从而检测出空位如下图6所示。

参考文献

[1]王建飞.停车场空位检测系统研究[D].贵州：贵州民族大学，2014.

[2]谭晓军，沈伟，郭志豪.一种基于视频的道路交通流量监测方法[J].计算机应用，2005，25（5）：1215～1218.

[3]马铭.基于视频的停车场车位状态监控识别系统[D]，天津：天津大学，2007.

[4]王建飞，张儒良，黄成泉，王林.基于边沿特征分析的停车场空位检测[J].系统工程理论与应用.2013，（11）.