一种基于机器视觉的车位检测系统及车位检测方法
【技术领域】
[0001] 本发明涉及车位检测技术领域，尤其涉及一种基于机器视觉的车位检测系统及车 位检测方法。
【背景技术】
[0002] 近年来，随着经济的高速发展，机动车数量迅速增加。但停车场数量有限，而且停 车的规模越来越大，这给寻找停车位带来一定的难度，因此停车难的问题日益突出。自动化 的车位检测方法可以有效解决车位资源有限的问题，提高停车场的效率。
[0003] 目前，自动化的车位检测方法很多，有地埋感应线圈、超声波、地磁检测等基于物 理特征的检测方法。这些方法施工麻烦，难以维护。
[0004] 因此，如何能方便快捷的识别停车位成为本领域技术人员面临的一大难题。
【发明内容】
[0005] 鉴于上述问题，本发明提出一种基于机器视觉的车位检测系统及车位检测方法， 构建一包括车位拍摄模块，嵌入式模块，车位显示模块，云端处理模块和用户交互模块的基 于机器视觉的车位检测系统，车位拍摄模块拍摄多个车位停车情况的图像信号，嵌入式模 块根据所述图像信号分析判断拍摄到的车位的通车情况并交由显示模块显示，云端处理模 块根据嵌入式模块分析判断的所述车位的停车情况给出停车建议，用户交互界面给用户显 示推荐的停车位置，该技术方案具体为：
[0006] -种基于机器视觉的车位检测系统，其中，所述车位检测系统包括：
[0007] 车位拍摄模块，拍摄车位获取所述车位的连续的图像信号；
[0008] 嵌入式模块，与所述车位拍摄模块连接，获取所述图像信号，分析并判断所述车位 的停车情况；
[0009] 车位显示模块，与所述嵌入式模块连接，显示所述车位的停车情况；
[0010] 云端处理模块，与所述嵌入式模块连接，所述云端处理模块中设置有一存储模块 和一分析模块，所述分析模块分析所述车位的停车情况并调取存储模块中与所述停车情况 对应的停车建议；
[0011]用户交互模块，根据所述停车建议推荐停车位置。
[0012] 上述的车位检测系统，其中，所述嵌入式模块包括一车位算法识别模块，以通过所 述车位算法识别模块判断所述车位的停车情况。
[0013] 上述的车位检测系统，其中，所述车位算法识别模块还包括复杂度检测分析模块、 边缘检测分析模块、纹理特性分析模块和车位连通性分析模块，所述复杂度检测分析模块、 所述边缘检测分析模块、所述纹理特性分析模块和所述车位连通性分析模块通过级联的方 式连接，以分析判断所述车位的停车情况。
[0014] 一种基于机器视觉的车位检测方法，其中，所述车位检测方法包括：
[0015] 车位拍摄模块拍摄车位所在位置的图像信号；
[0016] 嵌入式模块获取所述图像信号，根据所述图像信号分析并判断所述车位的停车情 况；
[0017] 车位显示模块将所述车位的停车情况呈现出来以供用户了解所述车位的停车情 况；
[0018] 云端处理模块根据所述车位的停车情况进行分析，同时给出停车建议；
[0019] 用户交互模块根据所述停车建议推荐停车位置。
[0020] 上述的车位检测方法，其中，所述车位拍摄模块同时拍摄多个车位，将拍摄到的图 像信号传输到具有所述嵌入式模块。
[0021] 上述的车位检测方法，其中，所述车位检测方法中的所述嵌入式模块获取所述图 像信号并根据所述图像信号分析且判断所述车位的停车情况的步骤还包括：
[0022] 复杂度检测分析模块判断所述车位的停车情况，若所述车位有车，则将所述车位 的停车情况发送给所述车位显示模块和所述云端处理模块；
[0023] 若所述需进一步判断车位有车无车，则边缘检测分析模块判断所述车位的停车情 况，若所述车位有车，则将所述车位的停车情况发送给所述车位显示模块和所述云端处理 丰吴块；
[0024] 若所述纹理特性分析模块分析且判断所述车位的停车情况，若所述车位有车，则 将所述车位的停车情况发送给所述车位显示模块和所述云端处理模块；
[0025] 若所述车位无车，车位连同性分析模块分析并判断所述车位的停车情况并将所述 车位的停车情况发送给所述车位显示模块和所述云端处理模块。
[0026] 上述的车位检测方法，其中，所述车位检测方法中所述复杂度检测分析模块分析 并判断所述车位的停车情况的步骤还包括：
[0027] 对所述图像信号中所述车位的图像尺寸的熵、方差和平均梯度能量；
[0028] 在不同尺寸范围中，对所述熵、方差和平均梯度能量进行加权求和；
[0029] 取所述图像不同尺寸范围中的最大值作为车位的复杂度，设定第一阈值和第二阈 值；
[0030] 若所述车位的复杂度大于第一阈值，则所述车位有车，将所述车位的停车情况发 送给所述车位显示模块和所述云端处理模块；
[0031] 若所述车位的复杂度小于第二阈值，则所述车位无车；
[0032] 若所述车位的复杂度大于第二阈值，且小于第一阈值，则所述边缘分析检测模块 对所述车位的停车情况进行分析判断。
[0033] 上述的车位检测方法，其中，所述图像的熵定义为：
[0038] 其中，I(x，y)代表像素值，I代表平均像素值，W代表车位图像计算范围的宽，H代 表车位图像计算范围的高。
[0039] 上述的车位检测方法，其中，所述图像的平均梯度能量为：
[0040] F(x,y) =gx+gy,
[0042] 其中，gx表示所述像素水平方向的梯度，gy表示所述像素垂直方向的梯度，W表示 车位图像计算范围的宽，H表示车位图像计算范围的高。
[0043] 上述的车位检测方法，其中，所述车位检测方法中所述边缘分析检测模块分析并 判断所述车位的停车情况的步骤还包括：
[0044] 多所述图像信号中所述车位的图像进行滤波；
[0045] 采用canny算法求拍摄到的图像的边缘，计算不同尺寸范围中所述车位的边缘密 度；
[0046] 取所述计算获得的不同尺寸范围中的边缘密度的最大值作为边缘密度，所述边缘 密度大于第三阈值，则所述车位有车，将所述车位的停车情况发送给所述车位显示模块和 所述云端处理模块；
[0047] 若所述边缘密度小于第四阈值，则所述车位无车；
[0048] 若所述边缘密度大于所述第四阈值，且小于所述第三阈值，则所述纹理特性分析 模块对所述车位的停车情况进行分析判断。
[0049] 上述的车位检测方法，其中，所述车位检测方法中所述纹理特性分析模块分析并 判断所述车位的停车情况的步骤还包括：
[0050] 颜色共生矩阵中的能量参数与对比度参数进行加权求和，取所述图像在不同尺寸 中的最大值作为所述车位的纹理参数。
[0051] 若所述纹理参数大于第五阈值，则所述车位有车，将所述车位的停车情况发送给 所述车位显示模块和所述云端处理模块；
[0052] 若所述纹理参数小于第六阈值，则所述车位无车，若所述纹理参数大于第六阈值 小于第五阈值，则所车位连通性分析模块对所述车位的停车情况进行分析判断。
[0053] 上述的车位检测方法，其中，所述颜色共生矩阵的能量参数为：
[0057] 其中，q(x，y)表示两个像素灰度级同时发生的概率。
[0058] 上述的车位检测方法，其中，所述车位检测方法中所述车位连通性分析模块分析 并判断所述车位的停车情况的步骤还包括：
[0059] 设定若干特定位置；
[0060] 分析每个特定位置的边缘情况，若所述特定位置有边缘，则所述特定位置连通，获 取边缘连通的数目。
[0061] 根据所述边缘连通的数目判断所述车位是否有车，并将所述车位的停车情况发送 给所述车位显示模块和所述云端处理模块。
[0062] 上述技术方案具有如下优点或有益效果：
[0063] 采用本技术方案，高度检测车位并给正在驶向停车场的用户推荐停车位，方便了 用户停车，提高了车位的停