基于圖像處理的空車位檢測預測系統設計

楊芳穎+戴金剛+代歡歡+趙俊華

摘要：隨著監控技術的普及和計算機技術的發展，針對目前國內日益嚴重的停車難問題，文章提出了采用圖像處理技術進行空車位的檢測預測的系統，利用圖像處理器對獲取的車位圖像進行處理，識別出車位的狀態，將其狀態存入數據庫，通過數據積累，再建立擬合模型預測未來某一時間車位的狀態，并將空車位檢測和預測系統與手機APP相結合，極大地方便停車和出伉

關鍵詞：圖像處理；擬合模型；主成分分析；車位檢測

近年來，城市汽車數量迅速增加，但相對于城市有限的空間資源和環境資源以及相對滯后的停車場設施建設，停車難問題越來越突出，解決停車難問題顯得尤為重要。如今，國內有一款中國好停車的APP，主要利用傳感器的感知判定車位狀態，但由于傳感器的成本較高，使用時需繳納費用，沒能普遍使用。然而，隨著視頻監控技術的進一步發展，越來越多的停車場采用視頻系統監控車位，為了提高車主停車的效率，可以通過對攝像機拍攝到的車位圖像進行處理，自動檢測出車位的狀態，基于圖像處理的車位檢測方法具有信息量大、硬件成本低而且無須開挖路面等優點。

1系統概述

室外停車場是提供停車的重要場地，對其進行系統的改造能有效緩解現如今的停車問題，隨著計算機技術和圖像處理技術的不斷發展，將圖像處理技術用于室外停車場，已經成為該方面的一項新技術，通過此原理，結合一定的車位識別和車位引導技術，設計相應的手機APP，便于用戶操作和使用。眾所周知，攝像頭已經普遍使用在各大公共場所，利用這一優勢，可以通過捕獲停車位的圖像對其進行一系列的處理，配合使用一定的停車位判別算法，判定其狀態，將其存入數據庫供用戶使用。一般情況下，某一地區人們平常生活不會發生太大的變化，通過對停車位狀態的數據積累，利用一定的數學模型，可預測出未來的某一時間段停車場的情況，隨著時間的積累，判別效率會逐漸增強，也給人們的出行帶來很大的便利，綜上所述，研制基于圖像處理的停車位的檢測和預測具有很大的重要意義。

2需求分析

根據上述分析，針對超市、小區等大規模室外停車場區域，需要開發一套基于圖像處理的停車位檢測預測系統。此系統可以實現對車位更方便和準確的判定，為滿足需求，該方案需具備以下功能：

（1）圖像捕獲。監控技術較為普遍，攝像頭易于分布，覆蓋范圍廣，利用停車場中的監控攝像頭，可實現無死角圖像信息獲取，若無充足的攝像頭覆蓋，則需提前進行布線，然后利用提前布置好的節點對捕獲的信息進行實時采集，建立數據庫，用于測試和訓練。

（2）車位標定。攝像頭分工、最佳拍攝效果區域作為任務區域，捕獲的圖像中有多個停車位，每個圖像所在區域不一樣，對攝像頭編號、每個區域建立坐標，通過Matlab處理，對其進行車位的準確標定，實現車位信息唯一性，方便信息的傳達。

（3）停車位狀態的判定。一個車位的狀態分為占用和空出2個狀態，利用圖像處理技術結合主成分分析和Bayes判別法進行停車位狀態的判別。

（4）數據處理。計算機可以對停車場內的所有車位信息進行處理和匯總并傳遞給停車場服務系統，要對這些數據進行合理的儲存和處理，才能進行實時的信息顯示。

3設計方案

3.1總體流程

空車位檢測和預測系統的實現：

檢測部分：先由監控視頻提取每一幀圖像，對其進行預處理，使圖像信息更加準確和清晰，然后對其灰度值邊緣進行分割，再利用主成分分析方法對提取的特征數據進行處理，利用Bayes判別法對車位信息進行分類，存入數據庫，反饋給用戶。

預測部分：由之前積累的數據庫中的數據，采用多項式擬合函數進行分析預測，可以預測出未來某一時間段中某一停車場的停車情況，發送到服務器，反饋給用戶。

系統總體流程如圖1所示。

3.2系統模塊

3.2.1圖像捕獲模塊

對于從視頻中采集圖像，利用CCD（電荷耦合元件）可以直接將光學信號轉換為模擬電流信號，電流信號經過放大和模數轉換，實現圖像的獲取、存儲、傳輸、處理和復現。將捕捉的模擬信號圖像，利用一定的A/D轉換模塊（IR3Y48A1芯片）把模擬圖像轉換成數字圖像。

面陣CCD的輸出信號一般是具有行、場同步的全電視信號，又稱為視頻信號。由于視頻信號為模擬信號，所以計算機必須通過圖像采集卡將輸入設備的模擬圖像信息轉換為運算處理所需要的數字信號。圖像采集卡作為一種圖像輸入設備，能夠實現高速信號采樣與A/D轉換。圖像采集卡是以幀存儲器為核心的系統，其原理框圖如圖2所示。

通過圖像采集卡，采集模塊調用相應的控制函數就可以將視頻信號采集為序列圖像，并送給監控模塊進行處理。

3.2.2圖像預處理模塊

由于室外停車場受到天氣、遮擋物等各種因素的影響，為了消除圖像中無關的信息，恢復有用的真實信息，增強有關信息的可檢測性和最大限度地簡化數據，從而改進特征抽取、圖像分割、匹配和識別的可靠性，往往需要對其進行預處理。預處理過程首先對其進行二值化操作，再利用邊緣分割將每一個車位從圖像中分離出來，便于下一步圖像特征的提取。

3.2.3車位檢測模塊

對每一個車位進行特征提取，根據車位圖像有車無車時的特征，提取的特征有邊緣特征、顏色特征、紋理特征、形狀特征、空間關系特征等，由于每個特征對結果的影響程度不同，需利用主成分分析降維的方法對其進行處理，計算出每個特征所占的權值比重，再利用Bayes判別法對其進行閾值計算，進而判斷出車位狀態。在對車位圖像進行特征提取時主要以邊緣點和灰度值等作為判斷車位狀態的主要成分。

邊緣檢測法是基于圖像不連續性的分割技術。由于一幅圖像的大部分信息存在于不同區域的邊緣上，而且人的視覺系統在很大程度上根據邊緣差異對圖像進行認識分析。根據車位圖像有車和無車的特點，采取圖像邊緣檢測的方法對預處理過的圖像進行檢測，邊緣檢測法根據車位區域圖像的邊緣信息是否豐富來判斷有無車輛，通過檢測有車和無車時邊緣點的個數來判定車位狀態。

灰度值檢測法是通過連續獲得的幾幀圖像之間的灰度變化進行分析判斷。本文利用圖像采集模塊得到停車場的車位圖像之后，將其變為灰度圖像，對每個灰度圖像求其灰度值方差。在實際情況中，有車和沒車的車位圖像的灰度值方差會有所不同，但由于其他實際因素的影響，也可能導致車位灰度圖像發生變化，于是需要根據大量的測量與比對設立一定的閾值。因此，本文的灰度值檢測法是根據連續幾幀圖像的灰度值進行判斷，用灰度值方差的變化跟預設定的閾值進行比對來判斷車位狀態。

3.2.4空車位預測模塊

雖然城市人口會出現短時期流動性劇烈變化的現象（例如春節等節假日時期），但是在長時期的背景下，人口的變化是具有可預測性的。本文根據這個特點，收集該停車場近幾年的每個時刻車位變化數據進行分析，利用一定的預測算法擬合出未來某個時刻停車場可能擁有空車位的數量。

4系統主要功能

基于圖像處理的停車位檢測預測系統通過全面收集停車場內每一區域的停車位圖像，全面提高停車場的車位管理和服務水平。當車主需要停車時，使用APP定位功能，系統將為其檢測該車周邊停車場的空車位情況，將其顯示在APP上，由車主選擇適合自己的停車場并為其進行車位引導；利用數據積累，車主還可以在出門前預測目的地附近停車場的空車位情況，再依情況選擇是否出行或選擇合適的地點出行，尋找合適的停車場。

5結語

通過監控視頻在停車場管理智能引導系統中的應用，通過新建和改造停車場建設一個智能停車管理系統。實現停車信息的采集、處理、停車信息查詢、車位誘導等諸多功能，在一定程度上能夠解決當前大型停車場的停車難問題，提高停車場車位利用率，創造較大的經濟效益和社會效益。