基于邊沿特征提取空位檢測

摘要：近年來，隨著道路上出行車輛的不斷增多，停車位置的查找變得非常困難。現階段停車場主要采用人工管理方式，存在操作慢、難以統計等問題，停車資源得不到合理利用。為了解決這一問題，本文對每貞視頻圖像進行預處理、通過提取邊沿特征，實時判斷該位置的占用狀態，對各車位進行監控，實驗結果表明該方法實現了停車資源的高效管理[1]。

關鍵詞：邊沿檢測 特征提取 空位檢測

中圖分類號：TP391.4 文獻標識碼：A 文章編號：1007-9416（2016）07-0044-02

1 引言

基于視頻圖像的車位狀態監控方法[2]與傳統停車場管理系統相比，資金方面，它節約成本，對于同樣的工作，需要人力物力相對較少。對數據處理速度快，使用人員操作簡單，安裝方便，并且可以添加相關附加功能。國內外已經有大量學者在從事相關方面的研究工作，現已成為近年來智能交通與計算機視覺研究的重要課題[3]。

2 邊沿特征提取

階躍狀邊緣的位置在一階導數的峰值點，在二階導數的過零點；屋頂狀邊緣的位置在一階導數的兩峰值之間，在二階導數的兩個過零點之間[4]。

根據上圖1，引入狀態函數。若車牌圖像函數為，則狀態函數可由下式獲得[1]

：

（1）

其中

（2）

（3）

t為任意大于0的常數，每次矩陣移動的大小，需要根據其取值情況而定，現取t=3，即每次對圖像處理時，滑動模塊大小為矩陣，定義這一狀態函數，在圖像中較高點將取到較大值，最低點取到較小值[1]如下圖2所示。

2.1 垂直投影

有車位置其信息相對集中在某一區域，現從圖像中截取該區域，并令其為，將該圖像垂直投影，畫出其對應圖像如下圖3所示。

若投影圖像成雙峰狀，則說明該停車位上有車，否則為空位。

2.2 標記極值點

對圖像進行Shen濾波[5]，對每一個停車位，若有車，則其統計結果應有由兩個極值點，每個停車場攝像頭位置一般是固定的，在該監控狀態下，每個車位所占在寬度為已知，對統計結果中那些大于車位寬度的區域，可根據極值點的數碼和車位寬度將其斷開[1]如下圖4所示。

3 車輛統計

截取視頻圖像中的一部分進行垂直投影，得到一個值為0、1的一維數組，統計每一段1的個數，即得到有車區域所對應的寬度，如圖5所示。

對于每個攝像頭所控制的區域，總的停車數量已知，輸入該狀態下車位寬度的上下限，在根據合并后的投影寬度，即可得到現已經停入的車輛數，從而檢測出空位如下圖6所示。

參考文獻

[1]王建飛.停車場空位檢測系統研究[D].貴州：貴州民族大學，2014.

[2]譚曉軍，沈偉，郭志豪.一種基于視頻的道路交通流量監測方法[J].計算機應用，2005，25（5）：1215～1218.

[3]馬銘.基于視頻的停車場車位狀態監控識別系統[D]，天津：天津大學，2007.

[4]王建飛，張儒良，黃成泉，王林.基于邊沿特征分析的停車場空位檢測[J].系統工程理論與應用.2013，（11）.