基于全景視頻監控的服務區停車位智能管理系統設計與實現

為了提高高速公路服務區停車場的停車效率、車位信息更新速率，提高服務區智慧化、信息化和數字化管理水平，文章提出基于全景視頻監控的高速公路服務區停車場車位智能檢測、停車自動引導系統這一先進的系統設計方案，以實現對服務區停車位進行智能化管理，方便車主快速準確泊車，同時為服務區的監控和調度帶來便利。

服務區；全景相機；車位檢測；監控

U491.1+16A541863

基金項目：

中央引導地方科技發展專項“廣西智慧道路機電系統新技術綜合平臺建設”（編號：桂科ZY20111015）

作者簡介：

王玲容（1991—），碩士，工程師，研究方向：智能交通信息化、深度學習。

0" 引言

傳統的停車位管理系統存在不夠直觀、信息割裂等問題，車主短時間內很難從簡單的停車位信息理解和把握停車場車位情況，無法快速直接停車；同樣，服務區管理人員無法從全局角度把握停車場車位停車狀況，不能快速有效地規劃和管理停車；再者，傳統的停車位管理系統大都采用地磁、線圈感應等設備進行車位停車狀態檢測，存在耗材費用高、安裝維護難等問題。對傳統停車管理系統存在的問題，本文以高速公路服務區為例提出了提高停車場的停車效率、車位信息更新速率，提高服務區智慧化、信息化和數字化管理水平的系統設計方案，旨在給車主提供一個高效舒適安全的停車休息環境［1］，提升高速公路服務區服務質量。該系統基于全景圖像拼接視頻拼接技術和深度學習智能處理技術，開發新一代基于全景監控視頻的服務區停車智能管理系統，取代傳統的依賴大量傳感設備的停車位檢測和非智能化的管理模式。

本文以廣西蘭海高速公路那馬服務區為示范點，建立基于全景視頻監控的停車位智能管理系統。該系統不但可以通過服務區誘導屏、手機終端等實時告知行駛過程中的駕乘人員服務區停車場現有剩余的車位數量，還可以通過停車場各引導屏、手機APP等顯示的詳細、準確、實時的停車位信息引導駕乘人員快速、準確將車輛停入空余車位［2］。智能化的停車位管理系統不僅給駕乘人員提供全面實時的服務區停車位信息，解決尋找停車位困難的問題，也給服務區管理人員對停車場停車情況的把控和安全維護帶來極大的便利，使服務區停車場停車和管理更加方便快捷有效［3］，避免了由于車位信息發布不通暢、車輛不能快速停放、從而造成的高速公路服務區出入口擁堵的問題。

1" 停車位智能管理系統的架構設計

本文提出的基于全景視頻監控的服務區停車位智能管理系統由三大模塊組成：全景視頻圖像采集模塊、停車位智能檢測模塊、數據圖像分析處理和應用模塊。全景視頻圖像采集模塊主要是將多個普通視角的攝像頭的圖像進行拼接融合處理，形成具有超大視角的多拼全景相機，用來采集服務區停車場視頻圖像數據。停車位智能檢測模塊采用基于深度學習的車位智能檢測技術對全景相機監控下的停車場進行停車位檢測并實時標注車位的停車情況，判斷是否有車停泊在該車位，并將車位停車情況檢測結果發送給圖像服務器。數據圖像分析處理和應用模塊包含圖像服務器將停車位狀態實時檢測結果進行綜合和分區域統計，并將服務區綜合統計結果同步更新發送到服務區誘導屏、手機終端等，實時告知行駛過程中的駕乘人員服務區停車場現有剩余的車位數量，將各停車區停車統計結果同步更新發送到停車場停車引導屏、手機APP等顯示的詳細、準確、實時的停車位信息，進行停車場空余車位數據的顯示和引導，從而實現將車輛快速、精準引導進入服務區停車場可停車位的功能；同時將停車場的實時停車數據傳送并存放到數據服務器，將停車場監控視頻數據及車位停車歷史信息等存入NVR存儲錄像設備；用戶管理員可通過監控大屏、手機等終端查詢停車場的實時車位信息及車場的日常車輛停車統計數據。基于全景視頻監控的服務區停車位智能管理系統的模塊組成及架構如圖1所示。

2" 全景視頻圖像采集

目前服務區安裝的攝像機分布在各角落，攝像頭的監控范圍局限零散，這些孤立分散的視頻數據無法實現停車場停車位的全局監控和檢測統計。因此，本文設計的停車位智能管理系統數據采集端采用針對服務區的多鏡頭拼接全景相機，進行大場景視頻圖像的數據采集。基于多鏡頭拼接全景相機的實現方法流程如下：（1）多個鏡頭采用同步曝光的方式進行帶有標定物圖像采集，獲得多幅不同視角下的標定圖片；（2）分別對單個相機進行

內部參數標定和相鄰相機之間外部參數標定，并對全部相機的位姿參數進行全局優化；（3）將標定完成的相機置于需要拍攝全景圖像的區域，對該區域進行拍攝，并獲得需要拼接的圖像；（4）利用標定好的參數對拍攝得到的多視角圖片進行柱面成像過程投影，使其投影到同一柱面模型上；（5）采用融合算法，將多幅圖像（在重疊區域）進行圖像融合，獲得一幅高質量的全景拼接圖像。將已標定的全景相機安裝在服務區攝像機高桿上，進行視頻圖像采集，結合經標定優化后的鏡頭參數，對采集的視頻圖像進行實時拼接處理，得到最終的全景圖像［4］，如圖2所示。

3" 停車位智能檢測

3.1" 停車位標注

要實現車位停車狀態檢測，首先要對停車位進行標注。為提高停車位標注精度，本文采用手動標注的方式對待處理圖像停車位用矩形框進行車位標注，并根據大車小車停車位進行車位編號；同時按照車位編號將對應矩形框位置參數進行保存，建立車位信息表，以便分別統計大車位和小車位的停車情況。

3.2" 停車位停車狀態分類

停車位停車狀態按照是否停車或者車位是否足夠停車分為兩大類：車位空間充足可以泊車和車位停有車或者車位空間不足不能泊車。對停車位停車狀態進行分類，統計停車場停車以及空余車位情況，需要采用YOLOv5神經網絡模型對停車場車位停車狀態數據集進行訓練，以能實現停車狀態自動檢測分類。

（1）建立訓練數據集。根據光照度不同，本文采集不同天氣時刻的數據集，分別為晴天白天、晴天夜晚、陰天白天、陰天夜晚、雨天白天以及雨天夜晚6種情況下的數據集各300張，對數據集中可以泊車的停車位標注為0，對不能泊車的停車位標注為1。

（2）對數據集進行訓練。搭建YOLOv5神經網絡，將標注分類好的數據集對網絡模型進行訓練，得到停車位是否可泊車的模型。

（3）采用訓練好的檢測模型對停車位是否可以泊車進行實時檢測分類。輸入全景相機實時采集的視頻數據和建立好的停車位信息表，經過實時檢測，輸出每個停車位是否泊車的狀態，并進行已泊車車位數量和未泊車車位數量統計，實時記錄可停車車位的數量和位置。圖3為停車位分類檢測結果。

4" 數據圖像分析處理和應用

服務區停車位智能管理系統通過安裝在服務區的全景拼接攝像機，采集服務區停車場全景視頻數據，通過深度學習智能檢測算法實時檢測標注車位的停車情況，判斷是否有車停泊在該車位，并將停車位停車情況檢測結果發送給圖像服務器。圖像服務器將停車位狀態實時檢測結果進行停車位統計并輸出顯示在系統平臺上，如下頁圖4所示。服務區管理人員可通過平臺顯示的實時可停車位數量對服務區進行車流量的把控。

同時，圖像服務器將服務區停車位統計結果同步更新，發送到服務區誘導屏、手機終端等，以實時告知行駛過程中的駕乘人員服務區停車場現有剩余的車位數量，將各停車區停車統計結果同步更新發送到停車場停車引導屏、手機APP等顯示的詳細、準確、實時的停車位信息，進行停車場空余車位數據的顯示和引導，從而實現將車輛快速、精準引導進入服務區停車場可停車位的功能。同時，將停車場的實時停車數據傳送并存放到數據服務器，將停車場監控視頻數據及車位停車歷史信息等存入NVR存儲錄像設備。在數據服務器采用MySQL數據庫處理通過全景視頻檢測的實時停車位數據，建立服務區停車位智能管理系統，如下頁圖5所示。管理員可通過計算機登錄操作管理服務區停車場管理系統，實時掌控和管理停車場車位信息及車場的日常車輛統計數據，車主可通過手機終端查詢停車場的實時停車車位數量及位置信息，及根據停車引導實現快速停車。具體功能有：

（1）登錄服務區停車管理系統：給服務區管理管理人員開通管理權限，注冊賬號并登錄管理系統。

（2）在停車管理系統中找到需要查看的服務區。

（3）查看服務區停車場的停車信息。

（4）對停車場車位狀態數據進行分析。

（5）車主通過手機終端查詢服務區停車場停車信息。

5" 結語

本文設計和開發了服務區停車位智能管理系統。該系統不但可以實時告知行駛過程中的駕乘人員服務區停車場現有剩余的車位數量，還通過智能引導屏、手機APP等引導駕乘人員快速精準駛入空余停車位，讓駕乘人員快速了解服務區停車位情況，并快速找到停車位，極大地增強了服務區停車過程中方便快捷舒適的體驗感，避免了由于車位信息發布不通暢、車輛不能快速停放、從而造成的高速公路入口擁堵的情況。通過使用服務區停車位智能管理系統，能夠快速準確引導駕乘人員停入空余車位，極大縮短駕乘人員尋找停車位時間，從而縮短在其服務區的停留時間，有效提高服務區停車位流轉率，停車位流轉率比系統應用前提高了35%左右。同時，服務區停車位智能管理系統的應用，使管理人員只需通過系統平臺顯示的停車場全景監控視頻，以及停車位實時停車信息、車位使用率及其他停車數據分析就能實時全面了解和掌握停車場車位使用和剩余情況，為高峰期指揮和調度停車秩序帶來便利，大大節省人力成本，相應地降低了運營管理成本。基于全景視頻監控的停車位智能管理系統采用全景視頻智能檢測技術，取代傳統依賴大量傳感器的停車位檢測，節約了基礎建設和設備管理維護成本，是新一代智能化的服務區停車位管理系統。

［1］譚" 雷.物聯網倫理問題探析［D］.沈陽：東北大學，2011.

［2］文" 斐.智能停車場案例分析［J］.智能建筑與智慧城市，2018（3）：80-82.

［3］陳勇剛.淺談城市交通智能引導管理系統的應用［J］.中國電子商務，2011（7）：35-36.

［4］李小勇，王玲容，唐文娟.三維視頻融合監控系統在服務區的應用研究［J］.西部交通科技，2021（11）：179-182.

20240320