连通的数目判断车位是否有 车，并将车位的停车情况发送给车位显示模块和云端处理模块。
[0101] 综上所述，本发明通过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，其中，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，采用本技术方案，高效检测车位并给正在 驶向停车场的用户推荐停车位，方便了用户，提高了车位的停车效率。
[0102] 前面所述的本项发明相关说明只限于某一个实例；只要是具备本项发明所属技术 领域的常规知识，在无需变更本项发明技术性思想或者必要特点，就能将本项发明变更为 其他形态。因此，前面所述的实例涵盖本项发明的任何一种实施形态，并不仅仅局限于本说 明书中的形态。例如，定义为单一型的各构成要素可分散实施；同样，定义为分散的构成要 素，也能以结合形态实施。
[0103] 本项发明的范畴并不局限于上述详细说明，可涵盖后面所述的专利申请范围；从 专利申请范围的定义、范围以及同等概念中导出的所有变更或者变更形态均包括在本项发 明的范畴内。
【主权项】
1. 一种基于机器视觉的车位检测系统，其特征在于，所述车位检测系统包括： 车位拍摄模块，拍摄车位获取所述车位的连续的图像信号； 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； 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； 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； 用户交互模块，根据所述停车建议推荐停车位置。2. 如权利要求1所述的车位检测系统，其特征在于，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。3. 如权利要求2所述的车位检测系统，其特征在于，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。4. 一种基于机器视觉的车位检测方法，其特征在于，所述车位检测方法包括： 车位拍摄模块拍摄车位所在位置的图像信号； 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； 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； 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； 用户交互模块，根据所述停车建议推荐停车位置。5. 如权利要求4所述的车位检测方法，其特征在于，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所述嵌入式模块。6. 如权利要求4所述的车位检测方法，其特征在于，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： 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； 若所述车位无法确定是否有车，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模块； 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； 若所述车位无法确定是否有车，车位连同行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。7. 如权利要求6所述的车位检测方法，其特征在于，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： 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； 在不同尺寸范围内，对所述熵、方差和平均梯度能量进行加权求和； 取所述图像在不同尺寸范围内的最大值作为车位的复杂度，设定第一阈值和第二阈 值； 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； 若所述车位的复杂度小于第二阈值，则所述车位无车； 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。8. 如权利要求7所述的车位检测方法，其特征在于，所述图像的熵定义为：其中P1S所述图像中灰度值为i的像素所占的比例。9. 如权利要求7所述的车位检测方法，其特征在于，所述图像的方差定义为：其中，I (X，y)代表像素值，?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。10. 如权利要求7所述的车位检测方法，其特征在于，所述图像的平均梯度能量为： F (x, y) = gx+gy,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。11. 如权利要求6所述的车位检测方法，其特征在于，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： 对所述图像信号中所述车位的图像进行滤波； 采用canny算法求拍摄到的图像的边缘，计算所述车位的在多个尺寸范围中的边缘密 度； 取所述多个尺寸范围中计算获得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； 若所述边缘密度小于第四阈值，则所述车位无车； 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。12. 如权利要求6所述的车位检测方法，其特征在于，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： 在不同尺寸范围中，颜色共生矩阵中的能量参数与对比度参数进行加权求和，用不同 尺寸范围中的最大值作为所述车位的纹理参数； 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； 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。13. 如权利要求12所述的车位检测方法，其特征在于，所述颜色共生矩阵的能量参数 为：其中，q(x，y)表示两个像素灰度级同时发生的概率。14. 如权利要求6所述的车位检测方法，其特征在于，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： 设定若干特定位置； 分析所述特定位置的边缘情况，若所述特定位置有边缘，则所述特定位置边缘连通，获 得边缘连通的数目。 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。
【专利摘要】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，通过构建包括车位拍摄模块、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以检测车位，其中，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，采用本技术方案，高效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，提高了车位的停车效率。
【IPC分类】G08G1/14
【公开号】CN105070094
【申请号】CN201510537115
【发明人】于震宇, 辛帅, 吴剑清
【申请人】上海仪电电子股份有限公司
【公开日】2015年11月18日
【申请日】2015年8月27日