一种基于视频监控的车位识别及智能引导方法
【专利摘要】本发明提供了一种基于视频监控的车位识别及引导方法。该方法实时采集监控摄像头拍摄的车位图像视频，智能标定车位坐标数据并检测车位状态信息，将其上传保存至后台服务器。根据用户需求，参照车位坐标及状态信息，规划最优车位及引导路径，最终路线显示在电子大屏幕并能实现在手机终端实时导航。
【专利说明】
一种基于视频监控的车位识别及智能引导方法
技术领域
[0001]本发明属于数字图像处理领域，涉及大型停车场的车位识别及引导，具体涉及一种基于视频监控的车位识别及智能引导方法。
技术背景
[0002]随着现代交通技术的迅速发展以及汽车保有量的不断增加，在一些大中型城市车多位少的矛盾日益凸显，导致“找车位难”问题。尤其是在人流聚集的大型停车场，“找车位难”对需要泊车的用户和停车场的运营者都造成了极大的困扰。一方面，由于城市空间资源的有限性，即使停车场的规模不断扩大，停车泊位仍然存在严重缺口，无法满足用户的需求。另一方面，用户进入停车场后无法快速停车，只能在场内无序流动寻找空余车位，不仅占用场内出入主车道资源，还易造成交通拥堵。因此，如何高效地管理停车场，进行大型停车场的车位识别及引导，提升车位的利用率并缓解“找车位难”问题是本技术的关键。
[0003]车位识别方面，国内目前现有的车位检测方法主要包括声波车位检测、感应线圈车位检测和激光车位检测等。前两种方法均存在每次只能检测一个车位的局限性。而激光车位检测方法则成本过高且在同类检测器中存在一定干扰。
[0004]车位引导方面，目前国内大部分场内停车场内部还处于原始的人工管理阶段，需要人工勘察空闲车位并配备大量专职管理人员在停车场内人工引导车辆停放，增加了停车场管理成本。少有国内外发展成熟的大型停车场能够明确指示停车场内剩余车位总数及车位号，方便用户停车。但该指引只能指示当前空闲车位编号，并未给出如何到达该车位的路线引导，以致用户实际仍需花时间去寻找该车位，浪费时间的同时降低了停车效率。
【发明内容】
[0005]本发明的目的在于针对现有技术的不足，提供了一种基于视频监控的车位识别及智能引导方法。该发明立足于停车场系统的智能化，利用视频监控采集停车状况，结合图像处理识别空闲车位，最后通过智能引导系统引导车辆快速驶达合适的车位，以提升泊车效率并缓解“找车位难”的问题。
[0006]为实现上述目标，本发明采用如下技术方案，包括以下步骤:
I)、视频图像采集:通过停车场内监控摄像头实时拍摄捕获车位图像视频。
[0007]2)、车位状态检测步骤:智能提取视频图像中的车位及车辆信息，分析并判断车位是否被占用，将车位忙闲状态发送至后台服务器。
[0008]3)、车位状态信息管理:后台建立停车场车位状态信息库，与实时车位状态相关联，作为后续引导车辆进入空位的依据。
[0009]4)、车辆引导:以车位占用状况及最短停车距离为主要依据，规划最佳停车路线，在电子大屏幕及手机终端设备模拟，实时引导车主快速到达指定车位。
[0010]本发明与现有技术相比较，具有如下显而易见的突出实质性特点和显著技术进步:本发明的方法可监控车位多，识别率高，不依赖人工干预，不附加额外设备，在普通的监控摄像头下即可实现，减少了停车场的管理成本。与此同时，引导系统的引入满足了用户实时高效停车的需求，提升了停车场的管理水平。
【附图说明】
[0011]图1为本发明的程序框图。
[0012]图2为本发明的车位检测流程图。
[0013]图3为本发明的车辆占位判断流程图。
【具体实施方式】
[0014]以下结合附图和优选实施例来进一步描述本发明。
[0015]实施例一:参见图1?图3，本基于视频监控的车位识别及智能引导方法，其特征在于，包括如下步骤:
I)、视频图像采集:停车场内监控摄像头实时拍摄采集车位图像视频。
[0016]2)、车位状态检测:智能提取视频图像中的车位及车辆信息，判断车位是否被占用，并将忙闲状态发送至后台服务器。
[0017]3)、车位状态信息管理:后台建立停车场车位状态信息库，与实时车位状态相关联，作为后续引导车辆进入空位的依据，同时在停车场入口显示空车位数量信息，提示车主停车参考。
[0018]4)、车辆引导:以车位占用状况及最短停车距离为主要依据，规划最佳停车路线，在电子大屏幕及手机终端设备模拟，实时引导车主快速到达指定车位。
[0019]实施例二:参见图1、图2和图3，本基于视频监控的车位识别及智能引导方法，具体操作步骤如下:
步骤1:视频图像采集
依照停车场内车位的数量及空间分布状况在停车场内固定点安装监控摄像头。监控摄像头所拍摄区域需包含多个停车位，且摄像头间的相对位置及拍摄视角可按照光线、实际环境等进行调整。
[0020]步骤2:车位状态检测步骤:
车位状态检测步骤主要包含车位位置标定，车辆占位判断和车型识别分类三方面。目的是检测车位状态，便于后续入库车辆的引导及管理。
[0021](I)、车位位置标定
监控摄像头首先拍摄并捕获一段不含车辆的空停车场区域视频，由于摄像头位置基本保持固定不变，因此从该视频段中任意获取一帧图像，便可对所有帧图像中的停车位坐标进行标定。若对摄像头进行位置调整，则需重新捕获视频并标定停车位。
[0022]采用半自动方式标定停车位位置，过程如下:从提取到的帧图像中人工选取能够反应车位位置信息的四个点(即车位的四个角)，并通过构造四边形的方法即可从图像中勾画出车位的轮廓信息。
[0023]参见图1，所示车位检测流程图用于完成对停车位位置的自动标定。
[0024]作为对车位位置标定过程的优化方案，首先对提取到的帧图像进行预处理，主要是边缘检测，以获得图像的灰度轮廓并粗略得到车位的边缘信息;再从轮廓中提取直线信息，将同族直线合并后便可得到较为精准的车位边缘信息;最后对车位边缘信息进行处理，得到车位的交点坐标。
[0025](2)、车辆占位判断
参见图2，所示车辆占位判断流程图用于从视频图像中分割车辆并判断车位是否空闲。
[0026]保持摄像头固定不动，连续拍摄并监控。对实时采集到的视频图像首先以一定时间间隔进行帧分割，再对分割后得到的帧图像与前述仅含停车位(无车辆)的图像分别进行预处理，以消除摄像头自身抖动及停车场内光照明暗、阴影变化等带来的干扰。预处理过程主要包括图像平滑、直方图均衡等步骤。
[0027]结合背景消减法思想，将仅含停车位(无车辆)的图像作为背景，通过视频分割得到的含有车辆的帧图像作为带前景的图像，对两幅图像做差运算。差运算后，车身亮，背景暗，车辆轮廓较明显，以便后续车辆的提取分割。
[0028]对做差运算后图像做自适应阈值二值化处理，将图像分成黑(像素值O)和白(像素值255)两种颜色。再通过开运算，先腐蚀，后膨胀的方法去除由于背景噪声干扰带来的明亮细节。
[0029]进一步对开运算后图像做去噪处理，消除杂点噪声，并将提取到的目标车辆(白色像素的主要分布区域)进行图像填充，以每行每列的首末白色像素点作为边界，对边界产生的闭合区域填充白色。再通过边缘轮廓检测及分割将目标车辆分割出来。
[0030]求取用于判定车辆是否占位的阈值。计算普通小汽车正常停放在地面投影下的平均面积与整个停车位面积的比值，作为阈值。
[0031]将分割出车辆在图像中的覆盖范围及所标记的关键坐标点与前述由车位线划分得到的车位区域进行比较。
[0032]求取分割出车辆的覆盖面积占整个停车位大小的比值，与前述阈值进行比较，大于该阈值则认为所覆盖车位被占用，小于该阈值则认为该车位空闲。为进一步确保车位是否空闲，还需考虑关键点坐标的所在位置，以减少由于车辆未停放在线内造成的误判。例如:当车辆出现交叉停位，覆盖车位线并横跨两车位停放时，重新计算停车位空闲区域的大小以确定空位是否剩余。
[0033]将车位忙闲状态数据发送至后台服务器，实时刷新车位信息，以便后续导航功能的实现。
[0034](3)、车型识别分类
车型识别过程即对前述分割出的已停放在车位的车辆进行车型判别，用以排除由于不明物放置在车位带来的干扰，例如:由于杂物堆置、人群聚集、商场购物车停放等导致的车位占用。
[0035]车型识别过程通过提取各种与车辆相关的特征，比如形状、边缘或灰度的特征:长方形，灰度与背景的差别等，采用合适的分类器进行分类。作为车型分类方法的进一步优化，可通过深度学习，给计算机大量的大、中、小型车样本，自动寻找特征表示自动分类。
[0036]分类结束后，若有除大、中、小型车以外的不明物放置在车位，则指示告警并派相关人员进行移除。
[0037]步骤3:车位状态信息管理
后台建立停车场车位状态信息库，与实时车位状态相关联，作为后续引导车辆进入空位的依据，同时在停车场入口显示空车位数量信息，提示车主停车参考。
[0038]步骤4:车辆引导步骤
通过上述方法获取了车位的状态信息。即可为后续即将入库的车辆提供有效的停车引导，根据入库车辆的入口位置，提供与之距离最近的停车位的最佳停车路径规划。
[0039]在车辆引导方面，车辆引导系统是基于最短路径算法进行设计。停车最短路径，最直观的是从停车场入口位置到目标车位距离最短的路径。根据入库车辆的不同类型，设置不同的目的地区域。当有多个空闲车位时，系统提供距入口处最近的车位信息并进行路径规划及导航。当车辆驶错偏离导航路线时，根据车辆当前所在位置，重新选择离当前位置最近的空闲车位，并重新规划路径进行导航。当车辆在行驶至停车位途中，最近空闲车位发生改变，系统将对导航路径更改为至最近空闲车位，并更新车辆管理数据库中车辆信息表和车位信息表。
[0040]考虑到提高停车场效率的关键，在于每一辆车都能够以最短的时间停泊，即寻找停车时间最短的车位要比停车距离最短的车位更为重要。作为优化车辆引导系统，引入了最短时间算法进行改进。不同时间段行驶在道路上的车辆数目可变，两点间距离最短并不代表行驶时间最短。当最短路径车辆较多、出现拥堵时，路程较长的路径将会耗时较短。优化算法中车辆引导系统引入了停车场内道路交通强度这一变量，用于表达道路的权重值，从而体现道路拥堵状况。而在上述方法中，道路的权重均为I。通过给不同道路赋予不同权值，更拥堵的道路赋予更高的权值，在综合计算获得车辆停放最短路径。
[0041]根据用户需求，将预计停放车位及规划好的路线通过电子大屏幕及手机App展现给用户，用户可由大屏幕大致知晓方位路线也可通过手机App实时导航引至相应车位，待用户顺利完成停车后将车位信息刷新。
[0042]尽管上面对本发明的【具体实施方式】进行了描述，以便于本技术领域的技术人员理解本发明，但应该清楚，本发明不限于【具体实施方式】的范围，对本技术领域的普通技术人员来讲，只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内，这些变化是显而易见的，一切利用本发明构思的发明创造均在保护之列。
【主权项】
1.一种基于视频监控的车位识别及智能引导方法，其特征在于，包括如下步骤: I )、视频图像采集:停车场内监控摄像头实时拍摄采集车位图像视频； 2)、车位状态检测:智能提取视频图像中的车位及车辆信息，判断车位是否被占用，并将忙闲状态发送至后台服务器； 3)、车位状态信息管理:后台建立停车场车位状态信息库，与实时车位状态相关联，作为后续引导车辆进入空位的依据； 4)、车辆引导:以车位占用状况及最短停车距离为主要依据，规划最佳停车路线，在电子大屏幕及手机终端设备模拟，实时引导车主快速到达指定车位。2.根据权利要求书I所述的基于视频监控的车位识别及智能引导方法，其特征在于所述步骤(I)视频图像采集中所述监控摄像头主要安装在停车场内部区域，用于实时捕捉车位状态，以便后续车位状态检测。3.根据权利要求书I所述的基于视频监控的车位识别及智能引导方法，其特征在于所述步骤(2)车位状态检测步骤包括(2-1)车位位置标定，(2-2)车辆占位判断和(2-3)车型识别分类三小步骤。4.根据权利要求书3所述的基于视频监控的车位识别及智能引导方法，其特征在于所述步骤(2-1)车位位置标定:对监控摄像头拍摄的空停车场区域视频图像处理，标定车位位置;可通过人工选点，构建四边形或对提取到的帧图像进行预处理并检测边缘，从边缘轮廓中提取直线信息，合并并拉长同族直线，得到车位的交点坐标。5.根据权利要求书3所述的基于视频监控的车位识别及智能引导方法，其特征在于所述步骤(2-2)车辆占位判断:对监控摄像头同一位置拍摄的待检测区域及所述拍摄空停车场区域视频的帧图像进行处理，判断车位是否被占用； 分别对上述两视频帧图像做平滑处理，以消除由于光线明暗，阴影干扰和背景变化产生的干扰； 再将两图像相减，并对做差后图像做二值化处理，背景区域像素值设为O，前景车辆像素值设为255，以初步获得仅含车辆的图像;二值化处理后，车身白，背景黑，但仍存在若干明亮细节，对其再做开运算，先膨胀后腐蚀;最后采用横纵向填充将车身图像闭合，并通过边缘检测提取封闭车身轮廓； 根据边缘信息将车身分割，求取分割出的车辆面积占整个停车位大小的比值，将该比值与所设阈值比较，大于阈值则车位被占用，小于阈值则空闲。6.根据权利要求书3所述的基于视频监控的车位识别及智能引导方法，其特征在于所述步骤(2-3)车型识别分类:对在位车辆车型识别分类，以排除由于不明物放置在车位的干扰，主要采用提取车辆特征值并由分类器分类的方法识别，进一步利用深度学习优化。7.根据权利要求书I所述的基于视频监控的车位识别及智能引导方法，其特征在于所述步骤(4)车辆引导，为入库车辆提供有效的停车引导。8.根据权利要求书7所述的基于视频监控的车位识别及智能引导方法，其特征在于所述步骤(4)中的停车引导，为入库车辆合理安排符合车型，距离最近，能在最短时间内完成停泊的最佳车位，规划到达该车位的路线，将路线显示在电子大屏幕及手机App。9.根据权利要求书8所述的基于视频监控的车位识别及智能引导方法，其特征在于所述步骤(4)中停车引导，所述手机App能够为用户提供实时导航功能，一方面依照入库时安排的停车线路进行导航，另一方面，当用户偏离路线或最佳车位位置发生变化时，系统能重新规划路线并导航。
【文档编号】G06K9/00GK105913685SQ201610469368
【公开日】2016年8月31日
【申请日】2016年6月25日
【发明人】严佩敏, 冯倩
【申请人】上海大学