视觉的车位智能识别研究

杨泷迪,姜月秋,高宏伟

视觉的车位智能识别研究

杨泷迪,姜月秋,高宏伟

(沈阳理工大学 信息科学与工程学院，沈阳110159)

针对车辆的人均持有量增加，并出现的“停车难”问题，结合先进的机器视觉和图像处理等知识，提出一种基于视觉检测停车位识别技术。主要通过对图像的预处理、图像分割、图像特征提取等算法的研究来对停车场视频和图像处理，进而把目标从停车场背景中提取出来，最后构建基于VC++6.0的停车场车位自动识别系统。研究成果对于利用图像处理来检测停车场的停车位状态具有一定的意义。结果表明，自动识别技术行之有效。

图像处理；视觉检测；车位自动识别；空闲判断

随着图像处理技术的不断发展，为提供停车场车位的实时信息，各大城市设计了停车场车位检测系统，旨在司机能够快速找到停车位[1]。目前国内外有许多研究机构应用图像处理技术进行停车场智能化研究[2]，美国的ITS运用先进技术，将计算机技术、数字通信传输技术、自动化控制技术以及继承系统化等这些技术应用到现有的车位系统之中，减轻了对资源重复利用以实现智能化系统的优化且提高了实时性。国内对停车场管理系统也进行了大量的研究，其中具有代表性的有以下几种:第一种是通过视频卡为管理介质的基于遗传算法的最短搜索车位方法[3]；第二种停车场管理系统研究主要是通过图像处理技术实现对现有收费系统和车牌系统的完善[4]；第三种具体实现方法是将蓝牙技术引入以往的停车场系统应用中[5]；第四种是通过RFID中间件技术和工作流管理技术实现停车场管理系统，对于汽车的定位识别采用远距离射频识别设备和线圈检测器来实现，汽车的入库和出库控制通过显示牌和红绿灯完成，所有的终端设施都运用分布式结构加以实现管理[6]。但是，低智能化、低集成度是目前国内停车场管理系统的不足之处，这种方式极大地阻碍了车位的整体利用和有效监管，并且国内的停车场管理系统功能发展不均衡。

通过对大量的停车场图像进行研究，在对停车场车位图像进行预处理后，对图像的关键区域进行分割，获取图像中感兴趣的区域以达到提取车位信息的目的。识别时，将背景差法和帧差法相结合得出像素变化的三种判据，通过这三种判据对车位上的变化信息进行检测，这种方法对车位快速识别具有重要意义。

1 图像预处理检测识别方法

均值滤波是线性滤波，是对图像像素分析时，要先选定一个窗口作为样板，该样板由目前一个像素邻域内的几个像素组成，其值为这些像素灰度值的平均值[7]。

中值滤波是非线性的滤波方法，它通常在一像素点的周围取一个滑动窗口，先对窗口内的灰度值进行排序取出其中间值，然后用这个中间值来代替该点的像素值。

图像边缘增强是指周边像素灰度有改动并被标注的像素集合,即为信号发生奇异突变的地方。奇异信号从边沿的方向灰度值剧烈变动，一般分成阶跃边缘和屋顶边缘两种方式。

Roberts算子是基于一阶微分的边缘检测算子，流程即是通过局部的差分法来查找图像的边缘。

由于Roberts算子可能会影响图像边沿效果,用Roberts算子处理后的图像结果的边沿光滑程度不理想,所以只能通过其他的方式处理Roberts算子的边沿图像。

梯度法的原理是通过梯度的幅值获取边缘处的极值,此种方式不会抑制运算方向,而且能取得边缘的方向数据,它的优点是定位的精确值高,缺点是对噪声相对较为敏感[8]。

Canny边缘检测算子基本思想是先计算图像的灰度值进行均方差，目的使图像平滑，为了使图像边缘明显清晰，需要求像素梯度的幅值和方向，通过比较梯度幅值与相邻像素的梯度幅值，去除幅值小的像素，并结合其他的算子使图像边缘清晰。图像经过边缘化处理后，需要比较阈值，从而确定轮廓。

二值化是图像处理的基本操作，为了使图像变得更为简单，将整个图像呈现出明显的只有黑和白的视觉效果，把像素点的灰度值区分为0或255。

针对图像二值化进行深入研究，由于全局阈值法分割算法对图像分布直方图呈双峰分布时比较有效，按照大津阈值法对图像进行二值化分割后，前景与背景的类间方差达到最大，最终结合本文的选题背景对停车场车位监测，选取大津阈值对图像进行二值化处理，处理后的图像清晰，取得较好的效果。

2 车位状态检测

车位存在判断算法采用基于视频的运动目标检测来完成对车位状态的粗检测。对运动目标检测技术中的背景差分法和帧间差分法的研究和比较发现，这两种方法的实质都是将两帧图像进行减运算，以此作为启示，可以将动态图像中连续两帧进行差运算，然后再将其和背景差进行与运算，这样就达到了加大目标信息权重的目的，同时还能减小静态背景的影响，得到更多的运动目标，更好地将运动目标从背景图像中分离出来。

车位状态检测的目的主要包括两个方面:一是检测车位区域是否有变化；二是确认变化是否来自于车辆。

车位状态检测算法的三种判据

1)变化发生判据K1

由于本文是将改进的帧间差别法应用到车位状态的检测当中，帧差法的核心思想是:将视频图像序列中的前一帧图像与当前帧图像做差得到差图像；在差图像中，没有变化的区域的像素值为0，发生变化的部分像素值会出现很大的变化，以此检测出图像中变化区域。

变化发生判据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为某车位像素面积；Ii(t)、Bi(t)分别为第i点像素在t时刻的前景、背景像素值；Xi(t)为像素复制变化量；K1(t)为累计的幅值变化量。

由此可知，车位状态没有变化的时候，当前帧与前一帧几乎没有发生变化，K1(t)的值趋近于0；车位状态发生变化的时候，会引起当前帧和前一帧的像素值发生改变，此时K1(t)变大。所以，K1(t)可以作为车位状态变化发生的判据来反映车位的状态变化。

2)变化幅值一致性判据K2

K1(t)可以检测出车位状态的变化情况，但是其对于两帧之间发生的变化很敏感。而在现实的停车场的实时监控中，由于反光，日照强度和树荫等等都会造成像素值的幅值差异。

为了降低以上情况带来的误差，加强算法的可靠性，要对不同状况下的像素幅值变化进行分析找出它们的规律，以此来判定车位状态是否改变。

当车位图像中车位像素幅值是因为阴影或者是光照发生变化时，图像中像素值的变化始终在一个很小的范围内，可以用方差来对图像的像素幅值变化的一致性进行判定:

(3)

(4)

3)变化比例的一致性判据K3

当光强度发生变化时，虽然会引起像素值幅值发生变化，但是当前帧图像中各个像素与前一帧图像的比值是一致的，即其比值的数学特征值为0。所以，可以通过判定前一帧与当前帧中对应点像素比值的方差来判断像素幅值的变化是否是由于照度变化引起的，具体计算方法如下:

(5)

(6)

(7)

通过对车位状态变化的三个判据公式的研究能够发现:当图像中的车位没有改变时，即没有运动目标进入该区域，幅值的累积变化量K1(t)为0。当图像中的车位有变化发生时，即有运动目标进入该区域，这会造成大部分的像素值也发生变动，此时幅值的累积变化量K1(t)将骤然增加。这样就可以利用K1(t)的变化来检测车位上的变化。这种检测快速便捷，但是光照等变化也会引起幅值的累积变化量K1(t)变化，从而对检测结果的准确性造成影响。

为此引入变化幅值一致性判据K2(t)。K2(t)根据车位像素变化是由于光照强度的变化造成时，发生这种变化像素点较为集中，所以像素幅值变化的方差相对小，此时虽然K1(t)变大，但是K2(t)依然很小。

但仅仅依靠以上两个判据还不能得到完全准确的判断结果，与此同时通过对由车位状态发生变化和其他因素发生变化的图像的像素值比较，发现光线发生变化车位区域被遮挡时尽管像素值的幅值会发生明显的变化，但是车位图像中前一帧和当前帧对应像素点的变化的比值是相同的，即其数学特征方差K3(t)，根据这个比值的方差，可以区分车位上像素的变化是由环境内光线变化引起的还是车位的状态变化引起的，从而减少误判。

3 检测结果与分析

分别采用均值滤波和中值滤波对车位图像进行处理，结果见图1。

图1 滤波结果对比

由图1a和图1b的对比图可以看出，针对本文的车位图像中值滤波和均值滤波的效果差异不是很明显，综合运算的时间复杂度和空间复杂度考虑，本文选用过程较为简便的均值滤波对车位图像进行去噪处理。

选择Roberts算子对图像进行边缘提取，如图2所示，该算子可使图像保持完整和清晰。

图2 边缘增强效果对比

图3为车位线边缘提取结果。

图3 车位边缘提取结果

由图3可看出，通过区域增长法对感兴趣的车位线区域提取，获得结果显示，停车位的区域线较为清晰，也可以看出停车位的轮廓和背景有比较大的不同之处。

用户启动停车场管理系统的界面，如图4所示。

图4 停车场系统管理界面

根据用户名、密码登录到系统的后台，进入停车场车位管理系统的工作界面对停车场的车位情况进行初始化。也可以进入到停车场车位管理系统的车位信息管理界面对停车场的车位信息进行增加和删除，并可以进入查询管理系统界面对车位信息进行查询。

首先，提取车位图像上的对应点像素值。然后，将当前图像分别与前一帧图像和背景图像对应点的像素值进行差计算。接着，将两个差计算求得的差进行与计算，求得发生变化的区域。最后采用求出变化区域内相近两帧图像的对应像素的三个判据，判断变化是否来自于车位状态的变化。

选取500帧作为一个时间段，将VC++和Matlab相结合，利用前者运算效率高和后者良好的制图能力，提供可视化的评价。

1)车位像素值的变化是由车辆变化引起时

大部分像素值会发生明显的变化，K1、K2、K3都会迅速变大；当车辆停稳或者车辆完全驶离车位的时候，变化随运动的停止而停止，K1、K2、K3稳定在一个较高的水平上，如图5所示。

图5 K值变化

2)车位内无任何变化时

各个像素值也不会有变化，此时K1、K2、K3基本稳定在0上。

3)车位上的像素值的变化是由行人进入引起时

当行人进入停车位区域时，一部分像素值会迅速地变化，这会使得K1、K2、K3变大。但是，行人一般具有体积上比车辆小和运动变化的比车辆快等特点。因此，当行人离开的时候K1、K2、K3将会立即降回0。

4)车位上的像素值变化是由阴影覆盖引起时

当车位被阴影完全覆盖会造成大部分的像素值变化，这会使得K1迅速的增加，并稳定在一个比较高的位置上；虽然阴影覆盖会使图像的像素值发生变化幅值和比例也发生变化，但其变化趋势是一致的，即K2、K3先增大，随后降至 0。

所以当车位被阴影完全覆盖，K1迅速增大后稳定在较高水平，K2、K3先增大，随后降至 0。如图6所示。

图6 阴影完全覆盖车位时的K值

5)车位部分被阴影覆盖时

车位图像中会有一部分像素值的变化很小，一部分像素值变化很大，所以K1、K2、K3迅速增大然后稳定在一个低于车辆变化时的幅值水平。

由于帧差法检测车位状态时是用每一帧与背景图像和前一帧分别相减，如果对每一帧图像都进行上述处理会导致计算量很大，所以本文选择一个时间段对图像进行抽样检测，分别计算采样时刻的状态判据并进行背景更新。

车位状态变化的判定如下:

1)若K1、K2、K3的数值都在0附近，则认为车位状态没有任何变化，更新此帧为新的背景图；

2)若K1、K2、K3的数值突然增大然后稳定在一个相对高的数值上，则认为车位上有车辆的变化，并更新此图为新的背景图；

3)若K1、K2、K3没有发生上边任何一种的变化，则不更新背景图像。

如此便初步检测出车位上是否有信息变化。

分别在停车场的不同区域不同位置的三个摄像头的监控结果进行抽样，其中A区的一号摄像头距离目标区域的直线距离为40m，拍摄角度与水平地面平行；B区的一号摄像头距离目标区域的直线距离80m，拍摄角度与水平地面成30°夹角；C区的三号摄像头距离目标区域的直线距离为50m，拍摄角度与水平地面成25°夹角。图7为区域状态及查询结果，表1为车位检测结果，表2为车位状态检测结果。

图7 每个区域状态及查询结果

检测区域实际车位数检测车位数漏检数正确识别率/%A区440100B区1110190.9C区440100

表2 对车位状态的检测结果

本文采用的车位检测和车位状态识别算法对摄像头拍摄角度的影响不是很敏感，在30°以内的拍摄角度不会对结果造成很大的影响。而摄像头的拍摄距离对车位检测和车位状态的识别有一定的影响，但只要保证其距离范围在50m以内，对检测和识别结果的影响可以控制。相较于基于传感器的识别方法与基于训练器样本识别法耗费大量人力物力采集样本，占用资源较多，耗时费力，造价昂贵，本方法更加简便，在一定可控范围内的识别率也更高。

4 结束语

对于停车场空闲车位实时监测，提出了基于视频检测的判别方法，采用视觉检测技术，对动态视频的前后两帧图像进行对比检测，然后对所得结果进行逻辑与运算，提高了目标信息的权重，还能进一步减小静态背景的影响，从而将更多的目标从背景中分离出来。此种方法原理简单，可执行性强，但相比于单一的目标检测，增加了一些实时判断的计算量，影响了判断方式的实时性，随着图像处理技术的不断提高，数据采集设备技术的不断完善，该方法的实时性将越来越好。

[1]李鸿雁.2013 年道路交通安全形势总体平稳——汽车保有量达1.37亿辆，大中型客货车、农村面包车安全问题突出[J].商用汽车,2014(4):7-9.

[2]高鹏，张子秦.城市交通拥堵分析及对策研究[J].交通科技与经济，2011(2):22-25.

[3]段红.基于图像识别技术的智能交通监控系统研究[D].淮南:安徽理工大学，2007.

[4]马国峰，虞喆麟，江伟林.基于智能化系统的干道交通信号管理与控制[J].企业技术开发,2012(3):31-32.

[5]孔祥刚.基于PCI总线 DSP 图像处理试验平台的研究[D].杭州:浙江大学，2003.

[6]王辉，吴钦章.基于图像质量评价的自动图像复原技术[J].传感技术学报，2012(7):930-935.

[7]符溪.智能停车场系统设计和实现[D].湘潭:湘潭大学，2011.

[8]阳瑞婷.木工锯片锯齿综合尺寸检测系统的研究[D].武汉:华中科技大学，2009.

(责任编辑:马金发)

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

辽宁省“百千万人才工程”培养经费资助项目(2013921032)

杨泷迪(1988—)，男，硕士研究生；通讯作者:姜月秋(1975—)，女，教授，博士，研究方向:卫星通信和网络管理技术，图像处理等。

1003-1251(2017)01-0071-06

TN911

A