基于圖像目標識別算法的車位識別系統

摘要：隨著城市社會經濟的迅猛發展，我國私人汽車保有量逐年提高，停車位的供給已無法滿足人們的需求。為解決當前小城市及欠發達地區停車場空余車位信息無法獲取這一問題，本系統采用無人機飛行器搭載傾斜攝影技術來捕獲停車相關信息，基于PaddleDetection的圖像目標識別算法建立FairMOT模型，最后借助多終端服務系統發布實時數據，實現空余車位識別，提高車位識別精確率和出行效率。

關鍵詞：智能交通車位識別物聯網圖像目標識別算法

中圖分類號：TP391.41

ParkingSpaceRecognitionSystemBasedonImageObjectRecognitionAlgorithm

MAXiao1*CHENRui1MAYuchen1YANGJingzhe1

ZHAODonghui2

1.LiaoningTechnicalUniversity，Fuxin，LiaoningProvince，123000China;2.ChengdeMedicalUniversity，Chengde，HebeiProvince，067000China

Abstract：Withtherapiddevelopmentofurbansocialeconomy，thenumberofprivatecarsinChinahasincreasedyearbyyear，andthesupplyofparkingspaceshasbeenunabletomeetpeople'sneeds.Inordertosolvetheproblemthatavailableparkingspaceinformationcannotbeobtainedinsmallcitiesandunderdevelopedareas，thissystemusestiltphotographytechnologycarriedbyunmannedaerialvehicle（UAV）tocaptureparkingrelatedinformation，andestablishesFairMOTmodelbasedonImageObjectRecognitionAlgorithmofPaddleDetection.Finally，itachivesavailableparkingspacerecognitionbyissuingreal-timedatawithmulti-terminalservicesystemtoimprovetheaccuracyofparkingspacerecognitionandtravelefficiency.

KeyWords：Intelligenttransportation;Parkingspacerecognition;InternetofThings;ImageObjectRecognitionAlgorithm

近年來我國私有汽車保有量迅速增長，2022年全國機動車保有量達到4.17億輛，其中汽車3.19億輛[1]。而停車設施建設遠遠趕不上汽車保有量的擴大，停車位供給配比嚴重失衡。目前大中型城市或發達地區普遍通過路側可變信息板發布停車誘導信息或定制停車App來解決停車場空余車位的實時查詢和指引問題。但小城市以及社區停車場空余車位信息無法獲取的問題依然存在。

為解決由于信息捕獲不及時、不準確造成的交通擁堵問題，近年來出現了專家、學者進行了許多研究。例如：以停車位標志為研究對象，借助SIFT經典算法應用到道路環境路標識別來緩解“停車難、停車亂”的問題[2-3]；基于GeoHash和HDBSCAN的共享單車停車擁擠區域識別技術，通過對共享單車做出數據處理，采用聚類算法以及“留存流量與留存密度的綜合指標”規劃識別停車區域[4]；為解決高速公路服務區停車位問題，建立AI視覺的車位識別技術路線緩解了交通高峰期停車壓力問題[5]；針對路內路外停車的多源數據融合的城市區域時變停車需求識別[6]等技術。

為提高路側停車設施的利用效率、使信息透明化，本停車管理系統通過建立數據采集層、分析層以及發布層，采用無人機攝影等信息識別檢測機動車是否停放，運用數據挖掘技術分類和預測、聚類分析、時間序列分析等將數據整合利用，最后發布到終端供駕駛人員使用。借此達到解決小型城市或欠發達地區停車場空余車位信息無法獲取的問題的目的。

1技術實現

1.1數據采集層技術實現

本系統采用無人機的傾斜攝影技術自動化、高效率、高精度地構建地表要素三維模型。搭建無人機和傾斜相機的組合裝置，通過無人機航飛采集數據，實現建模及應用。

1.2數據分析層技術實現

1.2.1算法模型選擇

本系統根據目標識別算法功能性要求——檢測器性能（Detectorperformance）和跟蹤策略（Trackingstrategy）了解到，FairMOT基本采用的是檢測+跟蹤的思路，通過centernet進行目標檢測，deepsort進行目標跟蹤；避免了anchor-based類的檢測算法會導致anchor和Re-ID特征對不齊的問題；并且融合深層和淺層的特征，使得目標檢測和Re-ID任務都能獲取到需要的特征。由此，本系統中使用了FairMOT模型進行車輛跟蹤。

1.2.2算法模型訓練

訓練過程采用centernet和deepsort端到端的訓練方式，降低了訓練難度，提高了模型的綜合性、高效性。從原始數據到最終輸出結果過程中，避免了中間步驟或手動特征工程。centernet部分采用高斯圖來表示目標，速度較快。通過高斯分布覆蓋，目標中心點的值得到增大。

1.2.3算法模型測試

檢測每一幀輸入圖像，初始化跟蹤器，根據特征距離和馬氏距離計算矩陣，匈牙利匹配，處理匹配和未匹配的檢測器和跟蹤器等。測試部分代碼如下：

iflen（dets）>0：

'''Detections'''

detections=[STrack（STrack.tlbr_to_tlwh（tlbrs[：4]），tlbrs[4]，f，30）for

（tlbrs，f）inzip（dets[：，：5]，id_feature）]#將特征保存在每一個跟蹤目標中

dists=matching.embedding_distance（strack_pool，detections）#計算跟蹤框和檢測框的特征余弦距離矩陣

#dists=matching.gate_cost_matrix（self.kalman_filter，dists，strack_pool，detections）

dists=matching.fuse_motion（self.kalman_filter，dists，strack_pool，detections）#計算馬氏距離矩陣

1.3終端發布層技術實現

采用云計算服務將停車場位置、價格等情況進行多終端、多類型的發布。支持PC/IOS/Andorid等各類終端。信息受眾包括行業管理人員和車輛駕駛員等，起到行業管理人員能夠快速評估停車服務水平，駕駛人員能夠實時感知停車狀況，從而提升交通管理水平和服務滿意度，進而減輕道路交通阻塞的作用。

2系統驗證與應用

2.1系統功能特點分析

對車輛進行實時跟蹤是智能停車系統的基本思想。本系統具有跟蹤目標小、低難度訓練、較高的模型泛化能力這三大特點。

2.1.1跟蹤目標小

高空俯拍場景中，對小目標大尺幅場景準確性要求較高。本系統借助無人機飛行器搭載傾斜相機、FairMOT和Deep-sort組合使用解決了跟蹤小目標物體、跟蹤目標不夠準確的難點。

2.1.2低難度訓練

對目標進行大量具體的數據采集工作，通過在檢測部分采用端與端的訓練方式，降低了訓練難度，使系統能夠得到較好的落實。

2.1.3較高的模型泛化能力

能更好地適應不同數據集，避免過擬合和欠擬合現象。

2.2系統功能實現

分為兩方進入該系統，一方是駕駛車輛的車主，另一方是停車場車輛管理人員。可通過在遼寧省阜新市遼寧工程技術大學文軒樓登錄該系統后，搜索目的地，自動顯示出目的地周圍的停車實況，藍色車場標志代表有空余車位，紅色車場標志代表無空余車位。另外，停車場管理人員登錄該系統后，可進行認證，填寫個人基本信息；上傳停車場的照片、營業執照；點擊提交進行人臉識別比對，經平臺審核后確認上傳該停車場信息。

3結語

為解決小城市及欠發達地區解決了停車場空余車位信息無法獲取的問題，本智能停車管理系統基于圖像目標識別算法建立FairMOT的模型，借助無人機搭載傾斜攝影技術將采集的數據進行端與端的訓練；大大降低了訓練難度，有助于提高模型檢測和跟蹤部分的一體化性能；最后進行終端發布實現了系統的整體化。綜上所述，本系統在一定意義上解決了“停車難、停車亂”的問題。通過把停車場的使用情況信息用簡單明了的方式向駕駛員傳遞，減少停車等待和迂回行駛，避免時間浪費，提高停車場的高效性與智能性。

參考文獻

[1]張楚，鄭逸飛，陳峻.基于人車協同識別的智慧停車監管服務應用[J].現代交通技術，2023，20（6）：51-55.

[2]蔡俊，趙超，沈曉波，等.基于SIFT算法和PyQt的停車位標志識別系統[J].湖北大學學報（自然科學版），2022，44（1）：1-7.

[3]王啟露.城市中心區公共停車問題的系統化解決方案[J].智能城市，2023，9（10）：27-29.

[4]基于GeoHash和HDBSCAN的共享單車停車擁擠區域識別[J].廈門大學學報（自然科學版），2022，61（6）：1030-1037.

[5]顧思思，王淼，于加晴.基于MobileNet的車位占用識別及智能停車引導策略研究[J].公路交通科技，2022，39（9）：149-154.

[6]昝雨堯，王翔，俄文娟，等.多源數據融合的城市區域時變停車需求識別方法[J].交通運輸工程與信息學報，2022，20（2）：82-94.