基于图像目标识别算法的车位识别系统

摘要：随着城市社会经济的迅猛发展，我国私人汽车保有量逐年提高，停车位的供给已无法满足人们的需求。为解决当前小城市及欠发达地区停车场空余车位信息无法获取这一问题，本系统采用无人机飞行器搭载倾斜摄影技术来捕获停车相关信息，基于PaddleDetection的图像目标识别算法建立FairMOT模型，最后借助多终端服务系统发布实时数据，实现空余车位识别，提高车位识别精确率和出行效率。

关键词：智能交通车位识别物联网图像目标识别算法

中图分类号：TP391.41

ParkingSpaceRecognitionSystemBasedonImageObjectRecognitionAlgorithm

MAXiao1*CHENRui1MAYuchen1YANGJingzhe1

ZHAODonghui2

1.LiaoningTechnicalUniversity，Fuxin，LiaoningProvince，123000China;2.ChengdeMedicalUniversity，Chengde，HebeiProvince，067000China

Abstract：Withtherapiddevelopmentofurbansocialeconomy，thenumberofprivatecarsinChinahasincreasedyearbyyear，andthesupplyofparkingspaceshasbeenunabletomeetpeople'sneeds.Inordertosolvetheproblemthatavailableparkingspaceinformationcannotbeobtainedinsmallcitiesandunderdevelopedareas，thissystemusestiltphotographytechnologycarriedbyunmannedaerialvehicle（UAV）tocaptureparkingrelatedinformation，andestablishesFairMOTmodelbasedonImageObjectRecognitionAlgorithmofPaddleDetection.Finally，itachivesavailableparkingspacerecognitionbyissuingreal-timedatawithmulti-terminalservicesystemtoimprovetheaccuracyofparkingspacerecognitionandtravelefficiency.

KeyWords：Intelligenttransportation;Parkingspacerecognition;InternetofThings;ImageObjectRecognitionAlgorithm

近年来我国私有汽车保有量迅速增长，2022年全国机动车保有量达到4.17亿辆，其中汽车3.19亿辆[1]。而停车设施建设远远赶不上汽车保有量的扩大，停车位供给配比严重失衡。目前大中型城市或发达地区普遍通过路侧可变信息板发布停车诱导信息或定制停车App来解决停车场空余车位的实时查询和指引问题。但小城市以及社区停车场空余车位信息无法获取的问题依然存在。

为解决由于信息捕获不及时、不准确造成的交通拥堵问题，近年来出现了专家、学者进行了许多研究。例如：以停车位标志为研究对象，借助SIFT经典算法应用到道路环境路标识别来缓解“停车难、停车乱”的问题[2-3]；基于GeoHash和HDBSCAN的共享单车停车拥挤区域识别技术，通过对共享单车做出数据处理，采用聚类算法以及“留存流量与留存密度的综合指标”规划识别停车区域[4]；为解决高速公路服务区停车位问题，建立AI视觉的车位识别技术路线缓解了交通高峰期停车压力问题[5]；针对路内路外停车的多源数据融合的城市区域时变停车需求识别[6]等技术。

为提高路侧停车设施的利用效率、使信息透明化，本停车管理系统通过建立数据采集层、分析层以及发布层，采用无人机摄影等信息识别检测机动车是否停放，运用数据挖掘技术分类和预测、聚类分析、时间序列分析等将数据整合利用，最后发布到终端供驾驶人员使用。借此达到解决小型城市或欠发达地区停车场空余车位信息无法获取的问题的目的。

1技术实现

1.1数据采集层技术实现

本系统采用无人机的倾斜摄影技术自动化、高效率、高精度地构建地表要素三维模型。搭建无人机和倾斜相机的组合装置，通过无人机航飞采集数据，实现建模及应用。

1.2数据分析层技术实现

1.2.1算法模型选择

本系统根据目标识别算法功能性要求——检测器性能（Detectorperformance）和跟踪策略（Trackingstrategy）了解到，FairMOT基本采用的是检测+跟踪的思路，通过centernet进行目标检测，deepsort进行目标跟踪；避免了anchor-based类的检测算法会导致anchor和Re-ID特征对不齐的问题；并且融合深层和浅层的特征，使得目标检测和Re-ID任务都能获取到需要的特征。由此，本系统中使用了FairMOT模型进行车辆跟踪。

1.2.2算法模型训练

训练过程采用centernet和deepsort端到端的训练方式，降低了训练难度，提高了模型的综合性、高效性。从原始数据到最终输出结果过程中，避免了中间步骤或手动特征工程。centernet部分采用高斯图来表示目标，速度较快。通过高斯分布覆盖，目标中心点的值得到增大。

1.2.3算法模型测试

检测每一帧输入图像，初始化跟踪器，根据特征距离和马氏距离计算矩阵，匈牙利匹配，处理匹配和未匹配的检测器和跟踪器等。测试部分代码如下：

iflen（dets）>0：

'''Detections'''

detections=[STrack（STrack.tlbr_to_tlwh（tlbrs[：4]），tlbrs[4]，f，30）for

（tlbrs，f）inzip（dets[：，：5]，id_feature）]#将特征保存在每一个跟踪目标中

dists=matching.embedding_distance（strack_pool，detections）#计算跟踪框和检测框的特征余弦距离矩阵

#dists=matching.gate_cost_matrix（self.kalman_filter，dists，strack_pool，detections）

dists=matching.fuse_motion（self.kalman_filter，dists，strack_pool，detections）#计算马氏距离矩阵

1.3终端发布层技术实现

采用云计算服务将停车场位置、价格等情况进行多终端、多类型的发布。支持PC/IOS/Andorid等各类终端。信息受众包括行业管理人员和车辆驾驶员等，起到行业管理人员能够快速评估停车服务水平，驾驶人员能够实时感知停车状况，从而提升交通管理水平和服务满意度，进而减轻道路交通阻塞的作用。

2系统验证与应用

2.1系统功能特点分析

对车辆进行实时跟踪是智能停车系统的基本思想。本系统具有跟踪目标小、低难度训练、较高的模型泛化能力这三大特点。

2.1.1跟踪目标小

高空俯拍场景中，对小目标大尺幅场景准确性要求较高。本系统借助无人机飞行器搭载倾斜相机、FairMOT和Deep-sort组合使用解决了跟踪小目标物体、跟踪目标不够准确的难点。

2.1.2低难度训练

对目标进行大量具体的数据采集工作，通过在检测部分采用端与端的训练方式，降低了训练难度，使系统能够得到较好的落实。

2.1.3较高的模型泛化能力

能更好地适应不同数据集，避免过拟合和欠拟合现象。

2.2系统功能实现

分为两方进入该系统，一方是驾驶车辆的车主，另一方是停车场车辆管理人员。可通过在辽宁省阜新市辽宁工程技术大学文轩楼登录该系统后，搜索目的地，自动显示出目的地周围的停车实况，蓝色车场标志代表有空余车位，红色车场标志代表无空余车位。另外，停车场管理人员登录该系统后，可进行认证，填写个人基本信息；上传停车场的照片、营业执照；点击提交进行人脸识别比对，经平台审核后确认上传该停车场信息。

3结语

为解决小城市及欠发达地区解决了停车场空余车位信息无法获取的问题，本智能停车管理系统基于图像目标识别算法建立FairMOT的模型，借助无人机搭载倾斜摄影技术将采集的数据进行端与端的训练；大大降低了训练难度，有助于提高模型检测和跟踪部分的一体化性能；最后进行终端发布实现了系统的整体化。综上所述，本系统在一定意义上解决了“停车难、停车乱”的问题。通过把停车场的使用情况信息用简单明了的方式向驾驶员传递，减少停车等待和迂回行驶，避免时间浪费，提高停车场的高效性与智能性。

参考文献

[1]张楚，郑逸飞，陈峻.基于人车协同识别的智慧停车监管服务应用[J].现代交通技术，2023，20（6）：51-55.

[2]蔡俊，赵超，沈晓波，等.基于SIFT算法和PyQt的停车位标志识别系统[J].湖北大学学报（自然科学版），2022，44（1）：1-7.

[3]王启露.城市中心区公共停车问题的系统化解决方案[J].智能城市，2023，9（10）：27-29.

[4]基于GeoHash和HDBSCAN的共享单车停车拥挤区域识别[J].厦门大学学报（自然科学版），2022，61（6）：1030-1037.

[5]顾思思，王淼，于加晴.基于MobileNet的车位占用识别及智能停车引导策略研究[J].公路交通科技，2022，39（9）：149-154.

[6]昝雨尧，王翔，俄文娟，等.多源数据融合的城市区域时变停车需求识别方法[J].交通运输工程与信息学报，2022，20（2）：82-94.