一种基于图像空车位检测的路边停车智能监控方法与流程

本发明属于计算机视觉技术、图像检测技术领域，尤其是基于图像空车位检测的路边停车智能监控方法。

背景技术：

对短时间停车的车主而已，路边停车泊位是最佳的选择。对车位的停车状态进行检测是提高车位管理、停车诱导、合理调度统筹的重要手段。一个路边停车场的停车位数量一般为10~50个不等，通过车位检测，一方面可以通过诱导基站LED显示屏实时显示当前空闲的泊位数以提高车主找到合适停车位的效率；另一方面可以解决路边停车收费的相关问题，如路边停车收费的计时依据等。

常用的停车检测方法主要有：环形线圈、微波、视频、超声波等。这几种检测技术可以分为两大类：侵入式检测和非侵入式检测。其中，侵入式检测器包含：感应线圈、电磁检测计；非侵入式检测器包含：视频图像处理、微波雷达、激光雷达、被动红外、超声波等。

侵入式检测的设备直接安装到公路的表面，锯开挖洞安装在地表下方。该方式不仅影响公路的使用寿命而且在维修和更改应用的时候需要再次挖开地表。非侵入式检测正是为了寻求解决侵入式检测传感器的这一缺点而提出来的。

基于视频的路边停车检测的方法主要有帧间差分法，该方法不仅对背景的要求较高，而且需要进行长时间的视频跟踪，视频流量较大。

技术实现要素：

本发明公开了一种基于图像空车位检测的路边停车智能监控方法。方法分为离线设置和在线监控两部分。在离线设置时，基于拍摄的单幅路边停车场照片，对每个车位以人工方式圈出其对应的不规则区域并赋予唯一的车位号；在线监控时，通过摄像头每隔一段时间t采集一幅图像并通过无线网络传回控制中心，之后进行车位状态的检测。检测过程首先对图像进行初步的处理，获取图像的边缘图；之后根据预先定义的区域模版获取边缘图像的相应区域并裁剪；然后基于不规则区域判断是否为空车位；最后根据车位的状态变化记录当前车位状态和车位的停车开始时间和结束时间。

本发明方法与现有技术相比，不提取背景，不受背景提取效果的限制，具有较高的稳定性和检测精度。同时在普通的监控摄像头下即可实现大面积区域的监控，具有实施维护方便，性能价格比高，可扩展性强、检测实时性好等特点。本发明方法具有广阔的应用前景。

本发明方法的步骤如下：

（1）在离线设置阶段，以人工方式圈出每个车位的不规则区域并赋予唯一车位号，提取模版；

（2）对路边停车场进行监控，摄像头定时采集一幅图像并通过无线网络传回；

（3）对图像进行初步处理，获取图像的边缘图；

（4）基于预定义的不规则区域模版对边缘图进行车位区域裁剪；

（5）对裁剪区域进行智能分析，鉴别空车位；

（6）记录车位状态及车辆停放的开始时间和结束时间。

其中，步骤(1)的在离线设置阶段，以人工方式圈出每个车位的不规则区域并赋予唯一车位号，提取模版，具体为：用户对实际监控的场景，针对每个车位，通过鼠标逐点点击圈选车位区域。每左键点击一下，系统则会将当前点与上一个点进行连线；每右键单击一下，则会撤销最近的一条连线。完成时，系统自动将最后一个点击点和第一个点击点进行连接，形成封闭圈选区域。

圈选后在所有点击点中获取最左上角和最右下角的坐标值，并以此两个坐标值形成矩形区域。最后对每个停车位赋予唯一的编号。可通过架设多个摄像头的方式，从不用角度覆盖停车场的不同区域，联合监控同一个停车场。

每个车位都有对应的不规则区域，每个车位提取自己的区域模版。区域模版形成过程如下：首先复制原图像，之后以白色填充封闭的区域，以黑色填充之外的区域，最后将该黑白图转换成一个仅含0和1数值的二维数组， 其中1代表白色部分，0代表黑色部分。该二维数组即为某个停车位的区域模版。

其中，步骤(2)的对路边停车场进行监控，摄像头定时采集一幅图像并通过无线网络传回，具体为：基于定时采集的图像进行空车位的检测，采集间隔时间t根据应用的需要进行设置。在路边停车应用环境下，一般停车入库的速度有限，所有t设置为30秒或1分钟一次即可。这样可以大大减少了网络传输的流量，因此使用手机的蜂窝移动网络即可，也就是说不用再专门部署wifi网络，进一步减少了部署的难度，大大减低了成本。

其中，步骤(3)的对图像进行初步处理，获取图像的边缘图，具体为：将彩色图像转换成灰度图；采用Sobel边缘检测器方法对灰度图进行边缘检测；使用SIS(Simple Image Statistics)自动计算阈值，并对图像进行二值化处理；对二值化图像进行数学形态学的闭操作，即先膨胀后腐蚀操作；对黑白颜色进行反转，即把白色边缘变为黑色，黑色背景变成白色。

其中，步骤(4)的基于预定义的不规则区域模版对边缘图进行车位区域裁剪，具体为：加载每个车位对应的二维数组；对于每个车位，将其模版二维数组与边缘图像相乘，即对边缘图像仅保留数组中值为1的区域，其余区域为0；以模版所对应的矩阵区域范围进行对上述结果进行区域裁剪。

其中，步骤(5)的对裁剪区域进行智能分析，鉴别空车位，具体为：

(a) 对矩形区域裁剪图应用连通域标记算法，获取区域内的所有连通块；

(b) 对所有连通块统计其像素数，并过滤小于指定阈值大小的连通块。这里阈值大小一般设置为1/4矩形区域的大小；

(c) 对通过过滤的连通块计算块的饱满度，并过滤小于指定饱满度阈值的连通块。饱满度是指块区域的像素数占块外接矩行像素数的比例。这里饱满度阈值大小一般设置为1/2；

(d) 对通过过滤的连通块判断是否有连接到模版区域的边缘。判断过程为先获取连通块区域的边缘点坐标，对于每个边缘点坐标，判断其上下左右的坐标在模版中所对应的位置点是1还是0，如为0则为空车位。

其中，步骤(6)的记录车位状态及车辆停放的开始时间和结束时间，具体为：基于图像智能分析结果获取得到每个车位当前的是否停车状态；读取数据库中记录的每个车位的历史是否停车状态；对每个车位的停车状态进行比较并更新数据库。更新分以下三种情况：

（a） 当历史状态与当前状态没有变化时，不用更新；

（b） 当历史状态为空车位，目前状态为有停车时，记录该车位及停车开始时间；并更新数据库中该车位的状态为停车状态；

（c）当历史状态为有停车，目前状态为空车位时，更新该车位的停车结束时间；并更新数据库中该车位的状态为空车位状态。

附图说明

图1 是本发明基于图像空车位检测的路边停车智能监控方法的流程图。

图2 是离线设置阶段对每个车位所占据的不规则区域进行人工圈出的示例。

图3 是对某个车位圈出部分计算外接长方形后的裁剪图。

图4 是某个停车位对应的区域模版。

图5 是图像进行初步处理后的边缘图。

图6 是对某车位的边缘图采集区域。

图7 是路边停车监控车辆停入时的空车位检测结果。图中路左边的第二个车位检测为空车位，用绿色框框选，其他车位皆已经停了车，用红色框框选。

图8是路边停车监控车辆驶离时的空车位检测结果。在图7的基础上，路左边的第二个车位依然检测为空。这时图中右下角的车驶出离开，系统立刻检测出其为空车位，并用绿色框框选。

具体实施方式

下面结合附图和实例，对本发明进行详细的描述。

本发明方法分为离线设置和在线监控两部分。如图1所示，在离线设置时，基于拍摄的单幅路边停车场照片，对每个车位以人工方式圈出其对应的不规则区域并赋予唯一的车位号；在线监控时，通过摄像头每隔一段时间t采集一幅图像并通过无线网络传回控制中心，之后进行车位状态的检测。检测过程首先对图像进行初步的处理，获取图像的边缘图；之后根据预先定义的区域模版获取边缘图像的相应区域并裁剪；然后基于不规则区域判断是否为空车位；最后根据车位的状态变化记录当前车位状态和车位的停车开始时间和结束时间。

本发明方法与现有技术相比，不提取背景，不受背景提取效果的限制，具有较高的稳定性和检测精度。同时在普通的监控摄像头下即可实现大面积区域的监控，具有实施维护方便，性能价格比高，可扩展性强、检测实时性好等特点。本发明方法具有广阔的应用前景。

本发明方法除了可以通过诱导基站LED显示屏实时显示当前空闲的泊位数以提高车主找到合适停车位的效率，另一方面在路边停车收费问题上还具有如下意义。目前停车收费方式主要依靠收费人员通过收费手持终端对停车车辆进行签到和按时收费，基于本发明方法实时对车位状态及停车时间进行检测的方式，一方面，收费人员在对车辆进行签到时有一定的缓冲时间，可以管理更大面积的停车场，从而可以减少收费人员的数量；另一方面，可以作为停车收费的依据，也避免所收费用进入工作人员的腰包。

本发明方法具体过程如下。其中第一部分为离线设置部分，其中第二~第六部分为在线监控部分。

一、在离线设置阶段，以人工方式圈出每个车位的不规则区域并赋予唯一车位号。

该部分为系统的设置阶段。对于一个车场区域的监控，仅需一次设置即可。

1.1不规则车位区域定义及唯一编号。

设置时，用户对实际监控的场景，针对每个车位，通过鼠标逐点点击圈选车位区域。每左键点击一下，系统则会将当前点与上一个点进行连线；每右键单击一下，则会撤销最近的一条连线。最后完成时，系统自动将最后一个点击点和第一个点击点进行连接，形成封闭圈选区域，如图2所示。

圈选的原则是圈选停车后所占用的图像区域，而非空车位区域。对于还未停车的区域，可先以估算的方式进行大概区域的圈选，或者待有车停放后再进行圈选。

圈选后在所有点击点中获取最左上角和最右下角的坐标值，并以此两个坐标值形成矩形区域，该区域将作为后续监控时对每个车位进行图像裁剪和分析的区域范围，如图3所示。

最后对每个停车位赋予唯一的编号。后续停车监控并记录到数据库时，将以此编号作为唯一的标记。在实际的应用中，可能由于摄像头架设的高度限制或者树枝的原因，会造成车辆遮挡或者车辆距离摄像头太远图像显示上太小等问题，这时可通过架设多个摄像头的方式，从不用角度覆盖停车场的不同区域，仅需在圈选时每个车位赋予唯一的编号即可。

1.2 提取停车位的区域模版。

在圈选形成封闭的不规则区域后，构建区域模版。每个车位都有对应的不规则区域，因此每个车位都有自己的区域模版。区域模版形成过程如下：首先复制原图像，之后以白色填充封闭的区域，以黑色填充之外的区域，如图4所示，最后将该黑白图转换成一个仅含0和1数值的二维数组， 其中1代表白色部分，0代表黑色部分。该二维数组即为某个停车位的区域模版。

二、对路边停车场进行监控，摄像头定时采集一幅图像并通过无线网络传回。

为了对路边停车场进行监控，传统方法一般会基于视频进行空车位的检测，同时传统方法一般会使用帧间差分法，也就是先通过获取背景，之后将当前视频帧与背景相减获得变化的区域，最后再进行车位的分析。这种方法受背景的影响较大，特别是在不同光照、不同气候条件下，如白天、黑夜、下雨天、下雪天等情况都会造成较大影响。

本发明方法基于图像进行空车位的检测。图像是定时采集的，采集间隔时间t根据应用的需要进行设置。在路边停车应用环境下，一般停车入库的速度有限，所有t设置为30秒或1分钟一次即可。这样可以大大减少了网络传输的流量，因此使用手机的蜂窝移动网络即可，也就是说不用再专门部署wifi网络，进一步减少了部署的难度，大大减低了成本。

另外本发明基于图像直接进行空车位检测的方法不提取背景，不受背景提取效果的限制，在不同环境下具有较高的稳定性和检测精度。

三、对图像进行初步处理，获取图像的边缘图。

对于定时采集到的图像，首先对该图像进行初步处理，目的是获取图像的边缘图。

具体依次进行如下步骤的处理：

（1）将彩色图像转换成灰度图；

（2）采用Sobel边缘检测器方法对灰度图进行边缘检测；

（3）使用SIS(Simple Image Statistics)自动计算阈值，并对图像进行二值化处理；

（4）对二值化图像进行数学形态学的闭操作，即先膨胀后腐蚀操作；

（5）对黑白颜色进行反转，即把白色边缘变为黑色，黑色背景变成白色。

经过以上步骤处理，得到如图5的边缘图。

四、基于预定义的不规则区域模版对边缘图进行车位区域裁剪。

在前面的离线设置阶段，已经获得每个车位的不规则区域模版，即仅含0和1数值的二维数组。

对于每个模版，进行如下步骤处理：

（1）加载每个车位对应的二维数组；

（2）对于每个车位，将其模版二维数组与边缘图像相乘，即对边缘图像仅保留数组中值为1的区域，其余区域为0；

（3）以模版所对应的矩阵区域范围进行对上述结果进行区域裁剪。

经过以上步骤处理，其中某个车位的区域裁剪图如图6所示。

五、对裁剪区域进行智能分析，鉴别空车位。

该步骤对每个车位的区域裁剪图进行智能分析，判断是否停车或空车位。具体鉴定步骤如下。

（1）对矩形区域裁剪图应用连通域标记算法，获取区域内的所有连通块。

（2）对所有连通块统计其像素数，并过滤小于指定阈值大小的连通块。这里阈值大小一般设置为1/4矩形区域的大小。这是因为一般空车位会有较大的连通块。

（3）对通过过滤的连通块计算块的饱满度，并过滤小于指定饱满度阈值的连通块。饱满度是指块区域的像素数占块外接矩行像素数的比例。这里饱满度阈值大小一般设置为1/2。这是因为空车位所对应的连通块一般比较规整，里面不会有太多的空洞，区域比较饱满。

（4）对通过过滤的连通块判断是否有连接到模版区域的边缘。判断过程为先获取连通块区域的边缘点坐标，对于每个边缘点坐标，判断其上下左右的坐标在模版中所对应的位置点是1还是0，如为0则为空车位。

综上，如果连通块经过（2）（3）条件的过滤，并在（4）中判断为有连接到模版的边缘区域，则最终该停车位为空车位，否则为已经有停车。如图7、图8所示分别是路边停车监控车辆停入和驶离时空车位的检测结果。有停车的车位用红框圈出，空车位则用绿框圈出。

六、记录车位状态及车辆停放的开始时间和结束时间。

该步骤记录车位的当前状态，并根据状态变化记录车辆停放的开始时间和结束时间，从而在实际场景中进行应用。对于每次定时采集的图像，经过上述步骤图像智能分析后，都会触发本步骤的更新。具体步骤如下。

（1）基于图像智能分析结果获取得到每个车位当前的是否停车状态。

（2）读取数据库中记录的每个车位的历史是否停车状态。

（3）对每个车位的停车状态进行比较并更新数据库。更新分以下三种情况：

（a）当历史状态与当前状态没有变化时，不用更新；

（b）当历史状态为空车位，目前状态为有停车时，记录该车位及停车开始时间；并更新数据库中该车位的状态为停车状态；

（c）当历史状态为有停车，目前状态为空车位时，更新该车位的停车结束时间；并更新数据库中该车位的状态为空车位状态。

综上所述，本发明公开了一种基于定时采集图像进行空车位检测的路边停车智能监控方法。方法分为离线设置和在线监控两部分。离线设置时人工精准圈选模版，在线监控时对每个车位的模版区域进行车位深度智能分析。

本发明方法尽管为说明目的公开了本发明的具体实施例和附图，其目的在于帮助理解本发明的内容并据以实施，但是本领域的技术人员可以理解：在不脱离本发明及所附的权利要求的精神和范围内，各种替换、变化和修改都是不可能的。因此，本发明不应局限于最佳实施例和附图所公开的内容。当前公开的实施例在所有方面应被理解为说明性的而非对其请求保护的范围的限制。