技术领域本发明涉及机器视觉识别领域，特别是一种适用于加油站的车辆实时识别跟踪与车位占用判断的方法。
背景技术：
目前国内的加油站通常全天作业，而加油站每天来往车辆数目繁多，加油作业量很大，受加油站停车面积、加油车位及工作人数等传统条件限制，提高加油效率成为加油站亟需解决的问题。首先，加油站每天进出的车流量巨大，进站加油的车辆行进与停靠具有随机性和盲目性，特别是加油高峰期极易出现车辆拥堵，降低了加油效率。其次，若车辆加完油后未及时离开，造成拥堵，极大地降低加油车位的使用效率。最后，每台加油机对应4个车位，一辆车占用2个加油车位的情况时有发生，若车辆停靠不规范，也会降低加油效率。使用视频方式对加油站进出车辆进行监控并分析，有利于进行合理的人力与物力资源配置，提高加油站的工作效率。
技术实现要素：
本发明的目的是提供一种自动对进站加油的车辆进行检测识别和全程跟踪，并判断车位占用情况和计时，提高加油站生产效率的适用于加油站的车辆实时识别跟踪与车位占用判断的方法。本发明的目的是这样实现的：本发明包括：(1)收集加油站车辆样本和非车辆样本：通过调节摄像机俯角使摄像机俯视拍摄进站车辆的车头或车尾，分割出车辆车头和车尾作为车辆样本，将不包含车头或车尾的图像作为非车辆样本；(2)对车辆样本和非车辆样本进行预处理：根据设定的样本的尺寸，对车辆样本进行随机翻转、平移变换、尺度变换和旋转变换以增加样本数量，将所有车辆样本按设定尺寸归一化；对非车辆样本进行尺度变换，将所有非车辆样本按设定尺寸归一化；(3)训练车辆分类器：首先计算样本图像积分图，获取样本图像的Haar-like矩形特征；其次设定分类器级数N，每级分类器采用Adaboosting算法训练强分类器，然后将N级强分类器级联组合成级联车辆分类器；(3.1)对每个车辆样本，利用积分图像法计算该样本的图像积分，计算方法为遍历该样本图像的每一个像素点，采用增量方式计算像素点积分图：(3.1.1)对于倾角为0°的正矩形特征，遍历至图像的(x,y)点，该点积分图的计算公式为：SAT(x,y)＝SAT(x,y-1)+SAT(x-1,y)+I(x,y)-SAT(x-1,y-1)其中SAT(x,y)为点(x,y)左上角所有像素值之和，I(x,y)为该点像素值；对于正矩形R＝(x,y,w,h,0°)，其像素值之和计算公式为：RecSum(R)＝SAT(x-1,y-1)+SAT(x+w-1,y+h-1)-SAT(x-1,y+h-1)-SAT(x+w-1,y-1)w为矩形大长度，h为矩形的高度，无论矩形的尺寸大小,只需查找积分图像4次，就可以求得任意矩形内像素值的和；(3.1.2)对于倾角为45°的正矩形特征，遍历至图像的(x,y)点，该点积分图的计算公式为：RSAT(x,y)＝RSAT(x-1,y-1)+RSAT(x+1,y-1)-RSAT(x,y-2)+I(x,y)+I(x,y-1)其中RSAT(x,y)为点(x,y)正上方的像素值之和，计算范围是从点(x,y)开始向上延伸出的一个倾角45°的矩形区域与原图像区域的交接区域；对于正矩形R＝(x,y,w,h,45°)，其像素值之和计算公式为：RSAT(x,y)＝RSAT(x-h+w,y+w-1)+RSAT(x,y-1)-RSAT(x-h,y+h-1)-RSAT(x+w,y+w-1)w为矩形大长度，h为矩形的高度，无论矩形的尺寸大小,只需查找积分图像4次，就可以求得任意矩形内像素值的和；(3.2)计算样本图像的Haar-like矩形特征：Haar-like的每个特征由2或3个矩形组成，分别检测边缘和线性特征，其特征值的计算为组成的矩形区域灰度积分之和：Feature＝∑wi*RecSum(Ri)i∈I＝{1,2,...N