一種基於圖像空車位檢測的路邊停車智能監控方法與流程

2023-06-10 20:05:42 1

本發明屬於計算機視覺技術、圖像檢測技術領域，尤其是基於圖像空車位檢測的路邊停車智能監控方法。

背景技術：

對短時間停車的車主而已，路邊停車泊位是最佳的選擇。對車位的停車狀態進行檢測是提高車位管理、停車誘導、合理調度統籌的重要手段。一個路邊停車場的停車位數量一般為10~50個不等，通過車位檢測，一方面可以通過誘導基站LED顯示屏實時顯示當前空閒的泊位數以提高車主找到合適停車位的效率；另一方面可以解決路邊停車收費的相關問題，如路邊停車收費的計時依據等。

常用的停車檢測方法主要有：環形線圈、微波、視頻、超聲波等。這幾種檢測技術可以分為兩大類：侵入式檢測和非侵入式檢測。其中，侵入式檢測器包含：感應線圈、電磁檢測計；非侵入式檢測器包含：視頻圖像處理、微波雷達、雷射雷達、被動紅外、超聲波等。

侵入式檢測的設備直接安裝到公路的表面，鋸開挖洞安裝在地表下方。該方式不僅影響公路的使用壽命而且在維修和更改應用的時候需要再次挖開地表。非侵入式檢測正是為了尋求解決侵入式檢測傳感器的這一缺點而提出來的。

基於視頻的路邊停車檢測的方法主要有幀間差分法，該方法不僅對背景的要求較高，而且需要進行長時間的視頻跟蹤，視頻流量較大。

技術實現要素：

本發明公開了一種基於圖像空車位檢測的路邊停車智能監控方法。方法分為離線設置和在線監控兩部分。在離線設置時，基於拍攝的單幅路邊停車場照片，對每個車位以人工方式圈出其對應的不規則區域並賦予唯一的車位號；在線監控時，通過攝像頭每隔一段時間t採集一幅圖像並通過無線網絡傳回控制中心，之後進行車位狀態的檢測。檢測過程首先對圖像進行初步的處理，獲取圖像的邊緣圖；之後根據預先定義的區域模版獲取邊緣圖像的相應區域並裁剪；然後基於不規則區域判斷是否為空車位；最後根據車位的狀態變化記錄當前車位狀態和車位的停車開始時間和結束時間。

本發明方法與現有技術相比，不提取背景，不受背景提取效果的限制，具有較高的穩定性和檢測精度。同時在普通的監控攝像頭下即可實現大面積區域的監控，具有實施維護方便，性能價格比高，可擴展性強、檢測實時性好等特點。本發明方法具有廣闊的應用前景。

本發明方法的步驟如下：

（1）在離線設置階段，以人工方式圈出每個車位的不規則區域並賦予唯一車位號，提取模版；

（2）對路邊停車場進行監控，攝像頭定時採集一幅圖像並通過無線網絡傳回；

（3）對圖像進行初步處理，獲取圖像的邊緣圖；

（4）基於預定義的不規則區域模版對邊緣圖進行車位區域裁剪；

（5）對裁剪區域進行智能分析，鑑別空車位；

（6）記錄車位狀態及車輛停放的開始時間和結束時間。

其中，步驟(1)的在離線設置階段，以人工方式圈出每個車位的不規則區域並賦予唯一車位號，提取模版，具體為：用戶對實際監控的場景，針對每個車位，通過滑鼠逐點點擊圈選車位區域。每左鍵點擊一下，系統則會將當前點與上一個點進行連線；每右鍵單擊一下，則會撤銷最近的一條連線。完成時，系統自動將最後一個點擊點和第一個點擊點進行連接，形成封閉圈選區域。

圈選後在所有點擊點中獲取最左上角和最右下角的坐標值，並以此兩個坐標值形成矩形區域。最後對每個停車位賦予唯一的編號。可通過架設多個攝像頭的方式，從不用角度覆蓋停車場的不同區域，聯合監控同一個停車場。

每個車位都有對應的不規則區域，每個車位提取自己的區域模版。區域模版形成過程如下：首先複製原圖像，之後以白色填充封閉的區域，以黑色填充之外的區域，最後將該黑白圖轉換成一個僅含0和1數值的二維數組， 其中1代表白色部分，0代表黑色部分。該二維數組即為某個停車位的區域模版。

其中，步驟(2)的對路邊停車場進行監控，攝像頭定時採集一幅圖像並通過無線網絡傳回，具體為：基於定時採集的圖像進行空車位的檢測，採集間隔時間t根據應用的需要進行設置。在路邊停車應用環境下，一般停車入庫的速度有限，所有t設置為30秒或1分鐘一次即可。這樣可以大大減少了網絡傳輸的流量，因此使用手機的蜂窩行動網路即可，也就是說不用再專門部署wifi網絡，進一步減少了部署的難度，大大減低了成本。

其中，步驟(3)的對圖像進行初步處理，獲取圖像的邊緣圖，具體為：將彩色圖像轉換成灰度圖；採用Sobel邊緣檢測器方法對灰度圖進行邊緣檢測；使用SIS(Simple Image Statistics)自動計算閾值，並對圖像進行二值化處理；對二值化圖像進行數學形態學的閉操作，即先膨脹後腐蝕操作；對黑白顏色進行反轉，即把白色邊緣變為黑色，黑色背景變成白色。

其中，步驟(4)的基於預定義的不規則區域模版對邊緣圖進行車位區域裁剪，具體為：加載每個車位對應的二維數組；對於每個車位，將其模版二維數組與邊緣圖像相乘，即對邊緣圖像僅保留數組中值為1的區域，其餘區域為0；以模版所對應的矩陣區域範圍進行對上述結果進行區域裁剪。

其中，步驟(5)的對裁剪區域進行智能分析，鑑別空車位，具體為：

(a) 對矩形區域裁剪圖應用連通域標記算法，獲取區域內的所有連通塊；

(b) 對所有連通塊統計其像素數，並過濾小於指定閾值大小的連通塊。這裡閾值大小一般設置為1/4矩形區域的大小；

(c) 對通過過濾的連通塊計算塊的飽滿度，並過濾小於指定飽滿度閾值的連通塊。飽滿度是指塊區域的像素數佔塊外接矩行像素數的比例。這裡飽滿度閾值大小一般設置為1/2；

(d) 對通過過濾的連通塊判斷是否有連接到模版區域的邊緣。判斷過程為先獲取連通塊區域的邊緣點坐標，對於每個邊緣點坐標，判斷其上下左右的坐標在模版中所對應的位置點是1還是0，如為0則為空車位。

其中，步驟(6)的記錄車位狀態及車輛停放的開始時間和結束時間，具體為：基於圖像智能分析結果獲取得到每個車位當前的是否停車狀態；讀取資料庫中記錄的每個車位的歷史是否停車狀態；對每個車位的停車狀態進行比較並更新資料庫。更新分以下三種情況：

（a） 當歷史狀態與當前狀態沒有變化時，不用更新；

（b） 當歷史狀態為空車位，目前狀態為有停車時，記錄該車位及停車開始時間；並更新資料庫中該車位的狀態為停車狀態；

（c）當歷史狀態為有停車，目前狀態為空車位時，更新該車位的停車結束時間；並更新資料庫中該車位的狀態為空車位狀態。

附圖說明

圖1 是本發明基於圖像空車位檢測的路邊停車智能監控方法的流程圖。

圖2 是離線設置階段對每個車位所佔據的不規則區域進行人工圈出的示例。

圖3 是對某個車位圈出部分計算外接長方形後的裁剪圖。

圖4 是某個停車位對應的區域模版。

圖5 是圖像進行初步處理後的邊緣圖。

圖6 是對某車位的邊緣圖採集區域。

圖7 是路邊停車監控車輛停入時的空車位檢測結果。圖中路左邊的第二個車位檢測為空車位，用綠色框框選，其他車位皆已經停了車，用紅色框框選。

圖8是路邊停車監控車輛駛離時的空車位檢測結果。在圖7的基礎上，路左邊的第二個車位依然檢測為空。這時圖中右下角的車駛出離開，系統立刻檢測出其為空車位，並用綠色框框選。

具體實施方式

下面結合附圖和實例，對本發明進行詳細的描述。

本發明方法分為離線設置和在線監控兩部分。如圖1所示，在離線設置時，基於拍攝的單幅路邊停車場照片，對每個車位以人工方式圈出其對應的不規則區域並賦予唯一的車位號；在線監控時，通過攝像頭每隔一段時間t採集一幅圖像並通過無線網絡傳回控制中心，之後進行車位狀態的檢測。檢測過程首先對圖像進行初步的處理，獲取圖像的邊緣圖；之後根據預先定義的區域模版獲取邊緣圖像的相應區域並裁剪；然後基於不規則區域判斷是否為空車位；最後根據車位的狀態變化記錄當前車位狀態和車位的停車開始時間和結束時間。

本發明方法與現有技術相比，不提取背景，不受背景提取效果的限制，具有較高的穩定性和檢測精度。同時在普通的監控攝像頭下即可實現大面積區域的監控，具有實施維護方便，性能價格比高，可擴展性強、檢測實時性好等特點。本發明方法具有廣闊的應用前景。

本發明方法除了可以通過誘導基站LED顯示屏實時顯示當前空閒的泊位數以提高車主找到合適停車位的效率，另一方面在路邊停車收費問題上還具有如下意義。目前停車收費方式主要依靠收費人員通過收費手持終端對停車車輛進行籤到和按時收費，基於本發明方法實時對車位狀態及停車時間進行檢測的方式，一方面，收費人員在對車輛進行籤到時有一定的緩衝時間，可以管理更大面積的停車場，從而可以減少收費人員的數量；另一方面，可以作為停車收費的依據，也避免所收費用進入工作人員的腰包。

本發明方法具體過程如下。其中第一部分為離線設置部分，其中第二~第六部分為在線監控部分。

一、在離線設置階段，以人工方式圈出每個車位的不規則區域並賦予唯一車位號。

該部分為系統的設置階段。對於一個車場區域的監控，僅需一次設置即可。

1.1不規則車位區域定義及唯一編號。

設置時，用戶對實際監控的場景，針對每個車位，通過滑鼠逐點點擊圈選車位區域。每左鍵點擊一下，系統則會將當前點與上一個點進行連線；每右鍵單擊一下，則會撤銷最近的一條連線。最後完成時，系統自動將最後一個點擊點和第一個點擊點進行連接，形成封閉圈選區域，如圖2所示。

圈選的原則是圈選停車後所佔用的圖像區域，而非空車位區域。對於還未停車的區域，可先以估算的方式進行大概區域的圈選，或者待有車停放後再進行圈選。

圈選後在所有點擊點中獲取最左上角和最右下角的坐標值，並以此兩個坐標值形成矩形區域，該區域將作為後續監控時對每個車位進行圖像裁剪和分析的區域範圍，如圖3所示。

最後對每個停車位賦予唯一的編號。後續停車監控並記錄到資料庫時，將以此編號作為唯一的標記。在實際的應用中，可能由於攝像頭架設的高度限制或者樹枝的原因，會造成車輛遮擋或者車輛距離攝像頭太遠圖像顯示上太小等問題，這時可通過架設多個攝像頭的方式，從不用角度覆蓋停車場的不同區域，僅需在圈選時每個車位賦予唯一的編號即可。

1.2 提取停車位的區域模版。

在圈選形成封閉的不規則區域後，構建區域模版。每個車位都有對應的不規則區域，因此每個車位都有自己的區域模版。區域模版形成過程如下：首先複製原圖像，之後以白色填充封閉的區域，以黑色填充之外的區域，如圖4所示，最後將該黑白圖轉換成一個僅含0和1數值的二維數組， 其中1代表白色部分，0代表黑色部分。該二維數組即為某個停車位的區域模版。

二、對路邊停車場進行監控，攝像頭定時採集一幅圖像並通過無線網絡傳回。

為了對路邊停車場進行監控，傳統方法一般會基於視頻進行空車位的檢測，同時傳統方法一般會使用幀間差分法，也就是先通過獲取背景，之後將當前視頻幀與背景相減獲得變化的區域，最後再進行車位的分析。這種方法受背景的影響較大，特別是在不同光照、不同氣候條件下，如白天、黑夜、下雨天、下雪天等情況都會造成較大影響。

本發明方法基於圖像進行空車位的檢測。圖像是定時採集的，採集間隔時間t根據應用的需要進行設置。在路邊停車應用環境下，一般停車入庫的速度有限，所有t設置為30秒或1分鐘一次即可。這樣可以大大減少了網絡傳輸的流量，因此使用手機的蜂窩行動網路即可，也就是說不用再專門部署wifi網絡，進一步減少了部署的難度，大大減低了成本。

另外本發明基於圖像直接進行空車位檢測的方法不提取背景，不受背景提取效果的限制，在不同環境下具有較高的穩定性和檢測精度。

三、對圖像進行初步處理，獲取圖像的邊緣圖。

對於定時採集到的圖像，首先對該圖像進行初步處理，目的是獲取圖像的邊緣圖。

具體依次進行如下步驟的處理：

（1）將彩色圖像轉換成灰度圖；

（2）採用Sobel邊緣檢測器方法對灰度圖進行邊緣檢測；

（3）使用SIS(Simple Image Statistics)自動計算閾值，並對圖像進行二值化處理；

（4）對二值化圖像進行數學形態學的閉操作，即先膨脹後腐蝕操作；

（5）對黑白顏色進行反轉，即把白色邊緣變為黑色，黑色背景變成白色。

經過以上步驟處理，得到如圖5的邊緣圖。

四、基於預定義的不規則區域模版對邊緣圖進行車位區域裁剪。

在前面的離線設置階段，已經獲得每個車位的不規則區域模版，即僅含0和1數值的二維數組。

對於每個模版，進行如下步驟處理：

（1）加載每個車位對應的二維數組；

（2）對於每個車位，將其模版二維數組與邊緣圖像相乘，即對邊緣圖像僅保留數組中值為1的區域，其餘區域為0；

（3）以模版所對應的矩陣區域範圍進行對上述結果進行區域裁剪。

經過以上步驟處理，其中某個車位的區域裁剪圖如圖6所示。

五、對裁剪區域進行智能分析，鑑別空車位。

該步驟對每個車位的區域裁剪圖進行智能分析，判斷是否停車或空車位。具體鑑定步驟如下。

（1）對矩形區域裁剪圖應用連通域標記算法，獲取區域內的所有連通塊。

（2）對所有連通塊統計其像素數，並過濾小於指定閾值大小的連通塊。這裡閾值大小一般設置為1/4矩形區域的大小。這是因為一般空車位會有較大的連通塊。

（3）對通過過濾的連通塊計算塊的飽滿度，並過濾小於指定飽滿度閾值的連通塊。飽滿度是指塊區域的像素數佔塊外接矩行像素數的比例。這裡飽滿度閾值大小一般設置為1/2。這是因為空車位所對應的連通塊一般比較規整，裡面不會有太多的空洞，區域比較飽滿。

（4）對通過過濾的連通塊判斷是否有連接到模版區域的邊緣。判斷過程為先獲取連通塊區域的邊緣點坐標，對於每個邊緣點坐標，判斷其上下左右的坐標在模版中所對應的位置點是1還是0，如為0則為空車位。

綜上，如果連通塊經過（2）（3）條件的過濾，並在（4）中判斷為有連接到模版的邊緣區域，則最終該停車位為空車位，否則為已經有停車。如圖7、圖8所示分別是路邊停車監控車輛停入和駛離時空車位的檢測結果。有停車的車位用紅框圈出，空車位則用綠框圈出。

六、記錄車位狀態及車輛停放的開始時間和結束時間。

該步驟記錄車位的當前狀態，並根據狀態變化記錄車輛停放的開始時間和結束時間，從而在實際場景中進行應用。對於每次定時採集的圖像，經過上述步驟圖像智能分析後，都會觸發本步驟的更新。具體步驟如下。

（1）基於圖像智能分析結果獲取得到每個車位當前的是否停車狀態。

（2）讀取資料庫中記錄的每個車位的歷史是否停車狀態。

（3）對每個車位的停車狀態進行比較並更新資料庫。更新分以下三種情況：

（a）當歷史狀態與當前狀態沒有變化時，不用更新；

（b）當歷史狀態為空車位，目前狀態為有停車時，記錄該車位及停車開始時間；並更新資料庫中該車位的狀態為停車狀態；

（c）當歷史狀態為有停車，目前狀態為空車位時，更新該車位的停車結束時間；並更新資料庫中該車位的狀態為空車位狀態。

綜上所述，本發明公開了一種基於定時採集圖像進行空車位檢測的路邊停車智能監控方法。方法分為離線設置和在線監控兩部分。離線設置時人工精準圈選模版，在線監控時對每個車位的模版區域進行車位深度智能分析。

本發明方法儘管為說明目的公開了本發明的具體實施例和附圖，其目的在於幫助理解本發明的內容並據以實施，但是本領域的技術人員可以理解：在不脫離本發明及所附的權利要求的精神和範圍內，各種替換、變化和修改都是不可能的。因此，本發明不應局限於最佳實施例和附圖所公開的內容。當前公開的實施例在所有方面應被理解為說明性的而非對其請求保護的範圍的限制。