CN104574351B - 一种基于视频处理的车位检测方法 - Google Patents
一种基于视频处理的车位检测方法 Download PDFInfo
- Publication number
- CN104574351B CN104574351B CN201410385340.0A CN201410385340A CN104574351B CN 104574351 B CN104574351 B CN 104574351B CN 201410385340 A CN201410385340 A CN 201410385340A CN 104574351 B CN104574351 B CN 104574351B
- Authority
- CN
- China
- Prior art keywords
- image
- field picture
- frame
- foreground
- treatment
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
- G06V10/758—Involving statistics of pixels or of feature values, e.g. histogram matching
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/08—Detecting or categorising vehicles
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Medical Informatics (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Image Analysis (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种基于视频处理的车位检测方法,采集车位所在区域的视频,保存所述视频中的每一帧图像;检测方法包括以下步骤:1)依次判断图像集合中各帧图像是否为稳态,检测出首次连续达到稳态且彼此匹配的A帧图像;将A帧图像中的最后一帧图像设为背景图像,进入步骤2);或设为前景图像,直接进入步骤3);2)对之后的各帧图像分别与背景图像进行匹配判断,如匹配则表明对应的是无车状态;如不匹配,则处理产生前景图像;3)对之后的各帧图像分别与前景图像进行匹配判断,如匹配则表明对应的是有车状态;如不匹配,则处理产生新的背景图像。本发明的基于视频处理的车位检测方法,可在不增加硬件成本的基础上较准确地检测车位状况。
Description
【技术领域】
本发明涉及停车场管理领域,特别是涉及一种基于视频处理的车位检测方法。
【背景技术】
目前大型停车场都使用了车位引导系统,车位引导系统通过基于视频,地磁,超声波等方法的车位检测器检测车位上是否停靠了车辆,然后通过安装在车位上方的指示灯指示当前的车位是空(绿色灯)还是已经存在车辆(红灯)。目前基于视频技术的车位检测器中的车位检测,主要是通过车牌识别器对停靠在车位上的车辆进行车牌识别,然后利用车牌识别的结果进行车位反向查询。然而车牌识别器的识别率只有95%,而且一些新车没有车牌,因此现有的车位检测方法会存在一些漏检,导致车位指示出错。
【发明内容】
本发明所要解决的技术问题是:弥补上述现有技术的不足,提出一种基于视频处理的车位检测方法,可在不增加硬件成本的基础上较准确地检测车位状况。
本发明的技术问题通过以下的技术方案予以解决:
一种基于视频处理的车位检测方法,采集车位所在区域的视频,保存所述视频中的每一帧图像,提取第T+k×t帧图像作为图像集合进行检测,其中k为自然数;T和t为整数,由用户设定;检测方法包括以下步骤:1)依次判断图像集合中各帧图像是否为稳态,检测出首次连续达到稳态且彼此匹配的A帧图像;A为整数,由用户设定;将所述A帧图像中的最后一帧图像设定为背景图像或前景图像;如果设定为背景图像,则进入步骤2);如果设定为前景图像,则直接进入步骤3);2)对得到背景图像之后的各帧图像依次分别进行如下处理,直至产生前景图像:21)判断当前帧图像是否为稳态,如果是,则进入步骤22);如果否,则结束当前帧图像的处理,进入下一帧图像的处理;22)判断当前帧图像是否与所述背景图像匹配,如果是,则设置背景统计次数N1+1,前景统计次数N2归0;如果否,则将背景统计次数N1归0,前景统计次数N2+1;其中,所述背景统计次数N1和前景统计次数N2的初始值均为0;23)根据所述背景统计次数N1和所述前景统计次数N2的结果输出检测状态:在所述N1大于等于统计阈值,输出无车状态,进入下一帧图像的处理;在所述N2等于统计阈值时,则将当前帧图像作为前景图像,将N2归0,进入步骤3);在所述N1或者N2小于统计阈值时,直接进入下一帧图像的处理;3)将得到前景图像之后的各帧图像依次进行如下处理,直至产生新的背景图像:31)判断当前帧帧图像是否为稳态,如果是,则进入步骤32);如果否,则结束当前帧图像的判断;32)判断当前帧图像是否与所述前景图像匹配,如果是,则设置所述前景统计次数N2+1,背景统计次数N1归0;如果否,则将前景统计次数N2归0,背景统计次数N1+1;33)根据所述背景统计次数N1和所述前景统计次数N2的结果输出检测状态:在所述N2大于等于统计阈值时,输出有车状态,进入下一帧图像的处理;在所述N1等于统计阈值时,则将当前帧图像作为新的背景图像,将N1归0,返回所述步骤2);在所述N1或者N2小于统计阈值时,直接进入下一帧图像的处理。
本发明与现有技术对比的有益效果是:
本发明的基于视频处理的车位检测方法,通过提取图像集合中的满足条件的图像作为背景图像,以此为判断基准,当该图像被连续多次匹配后,输出有车或无车的判断结果。判断基准依据车位现场的情形进行实时更新,同时依据连续多次匹配的判断结果进行车位检测,可有效确保检测的准确性。整个检测方法,不依赖于硬件设备的增加改良,可在不增加硬件成本的基础上较准确地检测车位状况。根据统计结果,采用本发明的车位检测方法,即使统计阈值设置为1,即依据一次匹配判断结果,车位检测的准确率也能达到97%,也高于现有的依据车牌识别进行车位检测的方法的准确率。
【附图说明】
图1是本发明具体实施方式的基于视频处理的车位检测方法的流程图。
【具体实施方式】
下面结合具体实施方式并对照附图对本发明做进一步详细说明。
本发明依据图像处理,获取车位检测结果。采集停车场车位区域的视频,对采集的视频中的各帧图像进行图像处理,检测连续处于稳态且彼此匹配的多帧图像,将其中最后一帧图像作为背景图像,将产生背景图像之后的处于稳态的图像与该背景图像进行匹配判断,如果连续多次达到匹配,则判断为无车状态;如果连续多次不匹配,则将其视为一个新的判断标准,定义为前景图像。然后将之后的图像再与前景图像进行匹配判断,如果连续多次匹配,则判断为有车状态;如果连续多次不匹配,则更新背景图像,返回前述的判断步骤。整个检测过程,判断依据均是实时更新的,可确保检测结果的准确性。
本具体实施方式中基于视频处理的车位检测方法,对采集的包含车位区域的视频进行处理,保存视频中每一帧图像,提取第T+k×t帧图像作为图像集合进行检测,其中k为自然数;T和t为整数,由用户设定。比如,设置T=20,t=5,即分别提取第20帧,25帧,30帧,……,第20+5k帧等图像作为图像集合进行处理,后续处理时,计算量会大一些,但准确度会高一些;如设置T=100,t=20,即分别提取第100帧,120帧,140帧,……,第100+20k帧图像作为图像集合进行处理,后续处理时,计算量相对小一些,但准确度稍差一些。此处T和t的设定,可由用户根据计算处理的运算量和精确度的要求综合设定。本具体实施方式中,后续步骤说明中以T=100,t=20为例进行说明。得到图像集合后,按照如图1所示的检测方法进行检测,包括以下步骤:
P1)依次判断图像集合中各帧图像是否为稳态,检测出首次连续处于稳态且彼此匹配的A帧图像;A为整数,由用户设定;将所述A帧图像中的最后一帧图像设定为背景图像或前景图像;如果设定为背景图像,则进入步骤P2);如果设定为前景图像,则直接进入步骤P3)。
该步骤中,提取后续判断用的判断基准。如果出现首次连续处于稳态,且彼此匹配的A帧图像,说明车位的状态已趋于稳定。将最稳定的一帧,即A帧图像中的最后一帧图像作为背景图像或者前景图像,以作为后续判断的基准。此处,如果A设置为3,即是检测首次连续处于稳态且彼此匹配的3帧图像,比如第140帧、第160帧、第180帧图像满足条件,即将第180帧图像作为背景图像或者前景图像。此处设定为背景或者前景,可以直接根据用户输入的内容进行设定,例如,用户查看视频已知悉该最后一帧图像是无车状态,则输入有关无车状态的指示,则设定为背景图像;已知悉该最后一帧图像是有车状态,则输入有关有车状态的指示,则设定为前景图像。此处设定也可以由另外的图像处理方法,识别该最后一帧图像是有车还是无车,根据处理结果为无车直接设定为背景图像,处理结果为有车直接设定为前景图像。
该步骤中,判断图像集合中各帧图像是否为稳态,可依据各帧图像与之前保存的图像之间的匹配度来判断是否为稳态。具体地,按照以下步骤进行:
优选地,前述保存图像时,以先进先出的队列形式保存视频中每一帧图像,所述队列中保存的图像帧的帧数始终保持为T,即保持100帧的长度。每间隔20(t=20)帧提取队列中最后一帧图像,从而提取第100帧、第120帧、……、第T+k×t帧图像作为图像集合进行检测。判断第100帧、第120帧等等各帧图像是否为稳态时:
a)在当前帧图像为所述队列中最后一帧图像时,提取所述队列中第一帧图像和最后一帧图像。队列中始终保存最新的100帧图像,也即,当判断第100帧图像时,提取队列中第一帧和最后一帧,也即整个视频图像的第1帧和第100帧图像。当判断第120帧图像时,也是提取队列中第一帧和最后一帧,但此时对应的是整个视频图像的第21帧和第120帧图像。依此类推,判断其他帧图像时,也类似提取。
b)将提取的图像进行分块处理。
以判断第100帧图像时为例进行说明,提取第1帧和第100帧图像后,将第1帧和第100帧图像进行分块处理。优选地,仅对提取的图像中的车位检测区域进行分块处理,车位检测区域由用户设定。优选地,设定为图像中车位所在区域的宽的3/4,长的1/3的区域,该范围下计算量缩小了,同时也能实现准确检测。分块处理时,分块的大小尺寸可任意设置,例如为4×4,4×8,6×6,8×8均可。分块后,对于车位检测区域边界部分不能满足尺寸分割,则直接丢弃,仅保留区域内部所有划分好的块。
c)计算最后一帧图像中的图像块与第一帧图像中的相应图像块之间的相似度,如果相似度大于0.98,则判断最后一帧中的图像块与第一帧中的图像块匹配。
该步骤中,即对上述步骤中分好的图像块,每一块分别进行计算。计算第100帧图像中的图像块B与第1帧图像中的相应图像块之间的相似度,第100帧图像中的图像块C与第1帧图像中的相应图像块之间的相似度,依次,计算相应两个图像块之间的相似度。如果相似度大于0.98,则判断第100帧图像中的图像块(B、C、D等等)是处于匹配状态的。
计算相似度时,可根据如下式子计算得到:其中,Ia(x,y)表示图像块Ia中像素点(x,y)的像素值,表示图像块Ia中所有像素点的像素值的平均值,N表示图像块Ia中像素点的总个数,N=Nx×Ny;Ib(x,y)表示图像块Ib中像素点(x,y)的像素值,表示图像块Ib中所有像素点的像素值的平均值,N表示图像块Ib中像素点的总个数,N=Nx×Ny。由于分块处理时各块被划分的大小相同,因此两个图像块的尺寸Nx,Ny相同,包含的像素点的总个数也相同。
d)如果最后一帧图像中处于匹配状态的图像块占全部块数的比例大于设定阈值,则判断当前帧图像处于稳态。
具体地,如经过步骤c)的计算,得到第100帧图像中有90%的图像块是匹配状态的,而设置的设定阈值为80%,则判断第100帧图像是处于稳态。综上,即判断出一帧图像是否处于稳态。
上述流程步骤可按如下方式优选改进:步骤a)中还提取队列中帧、帧、帧图像,以第100帧的计算为例,即除去提取第1帧和第100帧图像之外,还提取第25帧,第50帧和第75帧图像,共计5帧图像。步骤b)中对提取的5帧图像进行分块处理。步骤c)中还计算第100帧图像中的图像块与第25帧图像中相应图像块的相似度,与第50帧图像中相应图像块的相似度,以及与第75帧图像中相应图像块的相似度。相似度的计算也可参照上述NCC计算公式。如果与其中一帧图像中的相应图像块的相似度大于0.99,则判断第100帧图像中的图像块是匹配状态。也即除判断与队列中首帧图像是否相似之外,还判断与队列中中间帧图像是否相似,在两次判断中都相似才判断最后一帧图像中图像块是匹配状态。步骤d)中,同样地,处于匹配状态的图像块的比例达到设定阈值,则判断当前帧图像处于稳态。通过提取多帧图像,依据两次相似判断的判断结果进行确认,可提高稳态判断结果的准确性。
经过上述流程步骤的判断,即判断出起始后各帧图像是否为稳态,对首次连续达到稳态的三帧图像,再判断其彼此是否匹配,此处图像与图像的匹配判断,在图像处理领域有多种较为成熟的方法,在此不重复说。较快捷地,可参照上述判断稳态中的方法,如果先将图像分块为图像块,再计算图像块与另一帧图像中图像块之间的相似度,如果相似度较高(比如大于0.99),则判断图像块与图像块是匹配的。当图像中彼此匹配的图像块的比例达到阈值时,即可判断图像与图像是匹配的。
经过步骤P1),例如得到第140帧、第160帧、第180帧图像三帧图像均处于稳态且彼此匹配,则将3帧图像中的最后一帧,即第180帧图像作为背景图像或者前景图像。如设定后为背景图像,进入步骤P2)。如设定后为前景图像,则直接进入步骤P3)。
P2)对得到背景图像之后的各帧图像依次分别进行如下处理,直至产生前景图像。即,对图像集合中第180帧图像后的第200帧,第220帧图像,等等图像进行处理,直至处理过程中产生前景图像。
P21)判断当前帧图像是否为稳态,如果是,则进入步骤22);如果否,则结束当前帧图像的判断;
P22)判断当前帧图像是否与所述背景图像匹配,如果是,则设置背景统计次数N1+1,前景统计次数N2归0;如果否,则将背景统计次数N1归0,前景统计次数N2+1;其中,所述背景统计次数N1和前景统计次数N2的初始值均为0;
P23)根据所述背景统计次数N1和所述前景统计次数N2的结果输出检测状态:在所述N1大于等于统计阈值,输出无车状态,进入下一帧图像的处理;在所述N2等于统计阈值时,则将当前帧图像作为前景图像,将N2归0,进入步骤3);在所述N1或者N2小于统计阈值时,直接进入下一帧图像的处理。
上述步骤P21)至步骤P23)即是以先前已确定的背景图像作为无车状态的判断依据判断后续各帧图像是否匹配,如果匹配则表明当前判断的那一帧图像对应的是无车状态;如果不匹配,则存在新判断依据的可能,需要更新判断依据。
具体地,根据步骤P21)至步骤P23),如处理第180帧时,如果其不为稳态,即结束当前第180帧的判断,进入下一帧即第200帧的判断。如果其为稳态,则继续判断其是否与背景图像匹配,如果不匹配,将其视为一个新的潜在的另一状态的判断依据,背景统计时的连续匹配状态被打断,统计次数即无效,将N1归为0,将N2的值加1。如果匹配,则表明背景图像仍是稳定有效的,不可能转变为另一状态的判断依据,因此将N1的值加1,N2归0。由此,判断第180帧后,得到一组N1和N2的值,一种情形是N1=1,N2=0,另一种情形是N1=0,N2=1。根据其输出检测状态,如果设置的统计阈值为1,在N1=1,N2=0时,即表明已得到检测结果,可直接输出无车状态,然后进入下一帧图像的处理。在N1=0,N2=1时,即将第180帧图像确定为前景图像。得到前景图像后进入步骤P3)的处理检测,以前景图像为判断依据进行后续各帧的判断。但统计阈值设置为1,结果会有些粗糙,所以为确保检测结果的准确性,一般会设置为大于等于2的整数,例如设置为3,依据3次连续匹配的结果,判处输出检测结果,无车状态。此时,判断第180帧后,如果N1=1,N2=0,对应N1小于阈值时,还不能确定出检测结果,则直接进入下一帧图像的处理。如果N1=0,N2=1,对应N2小于阈值时,只能说明第180帧是新的判断标准的起始统计帧,还不能确定出新的判断标准前景图像,则也是直接进入下一帧图像的处理。
按照上述流程处理第200帧图像,处理后,如果N1=2,N2=0,则仍然是进入下一帧图像的处理。但如果N1=0,N2=1或者2,则也是对应N2小于阈值时,也是直接进入下一帧图像的处理。
继续处理第220帧图像,处理后:
如果N1=3,N2=0,则对应N1大于等于统计阈值(以统计阈值设为3为例说明),输出无车状态,进入下一帧图像的处理。此时的N1=3,用于表明连续的第180帧,第200帧和第220帧,这3帧图像都是稳态且与背景图像匹配的,表明已是稳定的无车状态,即可输出检测结果:无车状态。输出后,再进入下一帧的处理。后续判断下一帧仍然是匹配的,则继续输出无车状态。
如果N1=0,N2=1,则直接进入下一帧判断,此时的N2结果表明第220帧是新的判断标准的起始统计帧。
如果N1=0,N2=2,则也是直接进入下一帧判断,此时的N2结果表明第220帧是新的判断标准的第二次统计出现。当下一次判断第240帧时,出现N1=0,N2=3,则表明新的判断标准的第三次统计出现,满足统计阈值的要求,说明其是稳定的,因此将第240帧图像作为前景图像。产生前景图像后,即得到一个新的判断标准,则结束整个步骤P2)以背景图像为判断标准的处理过程,进入步骤P3)以前景图像为判断标准的处理过程。
如果N1=0,N2=3,表明第180帧、第200帧和第220帧图像是稳定的,且为新的判断标准的3次的出现,满足统计阈值的要求,因此将当前帧第220帧图像作为前景图像,将N2归0,进入步骤P3)以前景图像为判断标准的处理过程。
P3)将得到前景图像之后的各帧图像依次进行如下处理,直至产生新的背景图像:
P31)判断当前帧帧图像是否为稳态,如果是,则进入步骤32);如果否,则结束当前帧图像的判断。
P32)判断当前帧图像是否与所述前景图像匹配,如果是,则设置所述前景统计次数N2+1,背景统计次数N1归0;如果否,则将前景统计次数N2归0,背景统计次数N1+1;
P33)根据所述背景统计次数N1和所述前景统计次数N2的结果输出检测状态:在所述N2大于等于统计阈值时,输出有车状态,进入下一帧图像的处理;在所述N1等于统计阈值时,则将当前帧图像作为新的背景图像,将N1归0,返回所述步骤P2);在所述N1或者N2小于统计阈值时,直接进入下一帧图像的处理。
上述步骤P31)至步骤P32)即是以先前已确定的前景图像作为有车状态的判断依据判断后续各帧图像是否匹配,如果匹配,则表明当前判断的那一帧图像对应的是有车状态;如果不匹配,则存在新判断依据的可能,需要更新判断依据。
以前述经过步骤P2)后确认的第240帧为前景图像为例进行说明。当然,如果前述步骤P1)中第180帧图像直接设定为前景图像,未经过步骤P2),则此处步骤P3)是直接以第180帧图像确定的前景图像继续判断。判断过程也是同如下具体举例情形类似。具体地,根据步骤P21)至步骤P23),如处理第260帧时,如果其不为稳态,即结束当前第260帧的判断,进入下一帧即第280帧的判断。如果其为稳态,则继续判断其是否与前景图像匹配,如果不匹配,将其视为一个新的潜在的另一状态的判断依据,前景统计时的连续匹配状态被打断,统计次数即无效,将N2归为0,将N1的值加1。如果匹配,则表明背景图像仍是稳定有效的,不可能转变为另一状态的判断依据,因此将N2的值加1,N1归0。由此,判断第260帧后,得到一组N1和N2的值,一种情形是N2=1,N1=0,另一种情形是N2=0,N1=1。根据其输出检测状态,同样地,如果设置的统计阈值为1,在N2=1,N1=0时,即表明已得到检测结果,可直接输出有车状态,然后进入下一帧图像的处理。在N2=0,N1=1时,即将第260帧图像确定为新的背景图像。得到新的背景图像后返回步骤P2)的处理检测,即以新的判断标准进行后续各帧的判断。但同理,为确保检测结果的准确性,统计阈值一般设置为大于等于2的整数,例如设置为3,依据3次连续匹配的结果,判处输出检测结果,有车状态。此时,判断第260帧后,如果N2=1,N1=0,对应N2小于阈值时,还不能确定出检测结果,则直接进入下一帧图像的处理。如果N2=0,N1=1,对应N1小于阈值时,只能说明第260帧是新的判断标准的起始统计帧,还不能确定出新的判断标准背景图像,则也是直接进入下一帧图像的处理。
按照上述流程处理第280帧图像,处理后,如果N2=2,N1=0,则仍然是进入下一帧图像的处理。但如果N2=0,N1=1或者2,则也是对应N1小于阈值时,也是直接进入下一帧图像的处理。
继续处理第300帧图像,处理后:
如果N2=3,N1=0,则对应N1大于等于统计阈值(仍以统计阈值设为3为例说明,需说明的是步骤P33)中的统计阈值与步骤P23)中的统计阈值可设置为相同的,也可设置为不同的),输出有车状态,进入下一帧图像的处理。此时的N2=3,用于表明连续的第260帧,第280帧和第300帧,这3帧图像都是稳态且与前景图像匹配的,表明已是稳定的有车状态,即可输出检测结果:有车状态。输出后,再进入下一帧的处理。后续判断下一帧仍然是匹配的,则继续输出有车状态。
如果N2=0,N1=1,则直接进入下一帧判断,此时的N1结果表明第300帧是新的判断标准的起始统计帧。
如果N2=0,N1=2,则也是直接进入下一帧判断,此时的N1结果表明第300帧是新的判断标准的第二次出现。当下一次判断第320帧时,出现N2=0,N1=3,则表明新的判断标准的第三次出现,满足统计阈值的要求,说明其是稳定的,因此将第320帧图像作为新的背景图像。产生新的背景图像后,即得到一个新的判断标准,则结束整个步骤P3)以前景图像为判断标准的处理过程,返回步骤P2)以新的背景图像为判断标准的处理过程。
如果N2=0,N1=3,表明第260帧、第280帧和第300帧图像是稳定的,且为新的判断标准的3次的出现,满足统计阈值的要求,因此将当前帧第300帧图像作为新的背景图像,将N1归0,返回步骤P2)以新的背景图像为判断标准的处理过程。
需说明的是,统计阈值如果不是3,而是4,则还需继续再判断一帧,判断过程是相同。此处将统计阈值设置为3,一方面是从检测时间要求考虑。当统计阈值为3时,如果连续匹配的话,对应60帧检测出结果,而24帧图像对应1秒,因此3至4秒就能检测输出结果,满足目前要求在10秒至20秒内判断出车位上是否有车的要求。另一方面是从检测时运算量方面考虑。设置统计阈值为3时,相应的计算量不大,在可接受的范围内。综上,将统计阈值设置为3是一个较为优选的方案。
经过上述几帧图像的处理后,新的背景图像产生后,返回步骤P2),重复步骤P2)的判断检测过程,如有连续的稳态,且匹配背景图像,则判断的那一帧对应的状态为无车状态。如有连续的问题,但连续不匹配背景图像,即产生新的前景图像。产生新的前景图像后,进入步骤P3),重复步骤P3)的判断检测过程,也是可能输出有车状态,可能会产生新的背景图像,又返回步骤P2。如此重复下去,实现车位状态的检测。
本具体实施方式的车位检测方法,基于视频中图像帧的处理判断,依据图像的处理结果确定初始背景图像,之后以连续处于稳态且与初始背景图像匹配作为无车状态检测标准,将符合该条件的一帧图像检测为无车状态,将连续不匹配的图像视为前景图像,之后以连续处于稳态且与前景图像匹配作为有车状态检测标准,将符合该条件的一帧图像检测为有车状态。如有连续不匹配的图像,则视为新的背景图像,重复上述检测过程。由于整个检测过程,始终以最新最稳定的图像作为背景图像或前景图像,作为判断标准的背景图像或前景图像不断被实时更新,因此即便停车场实际环境中光线变化,人行走动等因素存在客观干扰,但检测过程中判断标准会实时更新,因此不会影响到车位检测过程的准确性。本具体实施方式中的车位检测方法,判断基准依据车位现场的情形进行实时更新,同时依据连续多次匹配的判断结果进行车位检测,可有效确保检测的准确性。同时,不依赖于硬件设备的增加改良,可在不增加硬件成本的基础上较准确地检测车位状况。根据统计结果,即使统计阈值设置为1,即依据一次匹配判断结果,车位检测的准确率也能达到97%,也高于现有的依据车牌识别进行车位检测的方法的准确率。当统计阈值设置为3时,车位检测的准确率则可以达到98%。
优选地,本具体实施方式的车位检测结果借助车牌识别结果进行修正。修正步骤包括:步骤P23)得到无车状态检测结果或者步骤P33)得到有车状态检测结果后,接收车牌识别结果,根据车牌识别结果对车位检测结果进行修正。如果车位检测结果为无车状态,车牌识别结果是有效车牌,将所述无车状态修改为有车状态;如果车位检测结果为有车状态,车牌识别结果是无车牌,保持有车状态的车位检测结果。上述优选方案中,借助车牌识别结果进行修正,将车位识别中的漏检情形修正为有车状态,而如果检测到有车状态,则忽略“无车牌”结果,继续保持有车状态的检测结果,通过该修正步骤,可进一步确保检测结果的准确性。根据统计,本具体实施方式的车位检测结果与车牌识别结果结合,车位检测的准确率则可以达到99%。
以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明,不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说,在不脱离本发明构思的前提下做出若干替代或明显变型,而且性能或用途相同,都应当视为属于本发明的保护范围。
Claims (10)
1.一种基于视频处理的车位检测方法,其特征在于:采集车位所在区域的视频,保存所述视频中的每一帧图像,提取第T+k×t帧图像作为图像集合进行检测,其中k为自然数;T和t为整数,由用户设定;检测方法包括以下步骤:
1)依次判断图像集合中各帧图像是否为稳态,检测出首次连续达到稳态且彼此匹配的A帧图像;A为整数,由用户设定;将所述A帧图像中的最后一帧图像设定为背景图像或前景图像;如果设定为背景图像,则进入步骤2);如果设定为前景图像,则直接进入步骤3);
2)对得到背景图像之后的各帧图像依次分别进行如下处理,直至产生前景图像:
21)判断当前帧图像是否为稳态,如果是,则进入步骤22);如果否,则结束当前帧图像的处理,进入下一帧图像的处理;
22)判断当前帧图像是否与所述背景图像匹配,如果是,则设置背景统计次数N1+1,前景统计次数N2归0;如果否,则将背景统计次数N1归0,前景统计次数N2+1;其中,所述背景统计次数N1和前景统计次数N2的初始值均为0;
23)根据所述背景统计次数N1和所述前景统计次数N2的结果输出检测状态:在所述N1大于等于统计阈值,输出无车状态,进入下一帧图像的处理;在所述N2等于统计阈值时,则将当前帧图像作为前景图像,将N2归0,进入步骤3);在所述N1或者N2小于统计阈值时,直接返回步骤21)将下一帧图像作为当前帧图像进行处理;
3)将得到前景图像之后的各帧图像依次进行如下处理,直至产生新的背景图像:
31)判断当前帧帧图像是否为稳态,如果是,则进入步骤32);如果否,则结束当前帧图像的判断;
32)判断当前帧图像是否与所述前景图像匹配,如果是,则设置所述前景统计次数N2+1,背景统计次数N1归0;如果否,则将前景统计次数N2归0,背景统计次数N1+1;
33)根据所述背景统计次数N1和所述前景统计次数N2的结果输出检测状态:在所述N2大于等于统计阈值时,输出有车状态,进入下一帧图像的处理;在所述N1等于统计阈值时,则将当前帧图像作为新的背景图像,将N1归0,返回所述步骤2);在所述N1或者N2小于统计阈值时,直接返回步骤31)将下一帧图像作为当前帧图像进行处理。
2.根据权利要求1所述的基于视频处理的车位检测方法,其特征在于:保存时,以先进先出的队列形式保存视频中每一帧图像,所述队列中保存的图像帧的帧数始终保持为T;设置间隔帧数t,每间隔t帧提取队列中最后一帧图像,从而提取第T+k×t帧图像作为图像集合进行检测。
3.根据权利要求2所述的基于视频处理的车位检测方法,其特征在于:所述步骤1)中,判断各帧图像是否为稳态包括以下步骤:a)在当前帧图像为所述队列中最后一帧图像时,提取所述队列中第一帧图像和最后一帧图像;b)将提取的图像进行分块处理;c)计算最后一帧图像中的图像块与第一帧图像中的相应图像块之间的相似度,如果相似度大于0.98,则判断最后一帧中的图像块是匹配状态;d)如果最后一帧图像中处于匹配状态的图像块占全部块数的比例大于设定阈值,则判断当前帧图像处于稳态。
4.根据权利要求3所述的基于视频处理的车位检测方法,其特征在于:所述步骤a)中还提取所述队列中帧、帧、帧图像;所述步骤b)中将提取的5帧图像进行分块处理;所述步骤c)中还包括计算最后一帧图像中的所述图像块与帧图像、帧图像和帧图像中相应图像块之间的相似度,如果与其中一帧的相似度大于0.99,则判断最后一帧中的图像块是匹配状态。
5.根据权利要求3所述的基于视频处理的车位检测方法,其特征在于:所述步骤c)计算两个图像块之间的相似度时,根据如下式子计算得到:其中,Ia(x,y)表示图像块Ia中像素点(x,y)的像素值,表示图像块Ia中所有像素点的像素值的平均值,N表示图像块Ia中像素点的总个数,N=Nx×Ny;Ib(x,y)表示图像块Ib中像素点(x,y)的像素值,表示图像块Ib中所有像素点的像素值的平均值,N表示图像块Ib中像素点的总个数,N=Nx×Ny。
6.根据权利要求3所述的基于视频处理的车位检测方法,其特征在于:所述步骤b)中对提取的图像中的车位检测区域进行分块处理,所述车位检测区域由用户设定。
7.根据权利要求6所述的基于视频处理的车位检测方法,其特征在于:所述车位检测区域设定为图像中车位所在区域的宽的3/4,长的1/3的区域。
8.根据权利要求1所述的基于视频处理的车位检测方法,其特征在于:T设为100,t设为20,提取第100+20k帧图像作为图像集合;所述步骤1)中,A设为3,提取首次连续处于稳态且彼此匹配的3帧图像。
9.根据权利要求1所述的基于视频处理的车位检测方法,其特征在于:所述步骤23)和步骤33)中,统计阈值均设为3;所述步骤23)中:在所述N1等于3时,输出无车状态,进入下一帧图像的处理;在所述N2等于3时,则将当前帧图像作为前景图像,将N2归0,进入步骤P3);在所述N1或者N2小于3时,直接进入下一帧图像的处理;所述步骤33)中:在所述N2等于3时,输出有车状态,进入下一帧图像的处理;在所述N1等于3时,则将当前帧图像作为新的背景图像,将N1归0,返回步骤P2);在所述N1或者N2小于3时,直接进入下一帧图像的处理。
10.根据权利要求1所述的基于视频处理的车位检测方法,其特征在于:得到车位检测结果后,还包括修正步骤:接收车牌识别结果,根据车牌识别结果对车位检测结果进行修正,如果车位检测结果为无车状态,车牌识别结果是有效车牌,将所述无车状态修改为有车状态;如果车位检测结果为有车状态,车牌识别结果是无车牌,保持有车状态的车位检测结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410385340.0A CN104574351B (zh) | 2014-08-06 | 2014-08-06 | 一种基于视频处理的车位检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410385340.0A CN104574351B (zh) | 2014-08-06 | 2014-08-06 | 一种基于视频处理的车位检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104574351A CN104574351A (zh) | 2015-04-29 |
CN104574351B true CN104574351B (zh) | 2017-07-11 |
Family
ID=53090327
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410385340.0A Active CN104574351B (zh) | 2014-08-06 | 2014-08-06 | 一种基于视频处理的车位检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104574351B (zh) |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105390021B (zh) * | 2015-11-16 | 2018-03-27 | 北京蓝卡科技股份有限公司 | 车位状态的检测方法及装置 |
CN106504580A (zh) * | 2016-12-07 | 2017-03-15 | 深圳市捷顺科技实业股份有限公司 | 一种车位检测方法及装置 |
CN106599921A (zh) * | 2016-12-14 | 2017-04-26 | 深圳市捷顺科技实业股份有限公司 | 一种车位引导方法及装置 |
CN107748866B (zh) * | 2017-10-20 | 2020-02-14 | 河北机电职业技术学院 | 违法停车自动识别方法及装置 |
CN108732573B (zh) * | 2018-06-20 | 2022-01-04 | 深圳市路畅智能科技有限公司 | 一种车位探测方法及车位探测系统 |
CN109508621B (zh) * | 2018-08-28 | 2021-09-28 | 顺丰科技有限公司 | 装卸口状态监控方法、装置、设备及其存储介质 |
CN110473428A (zh) * | 2019-09-18 | 2019-11-19 | 珠海格力电器股份有限公司 | 一种智能停车方法、设备和系统 |
CN111081064B (zh) * | 2019-12-11 | 2021-12-14 | 上海赫千电子科技有限公司 | 一种车载以太网的自动泊车系统及自动代客泊车方法 |
CN113674350A (zh) * | 2021-07-15 | 2021-11-19 | 浙江大华技术股份有限公司 | 一种车位状态检测方法、装置、计算机设备和存储介质 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0916897A (ja) * | 1995-07-03 | 1997-01-17 | Sanyo Electric Co Ltd | 駐車場管理方法およびシステム |
JP2010044669A (ja) * | 2008-08-15 | 2010-02-25 | Seiko Precision Inc | 移動物体検出装置、移動物体検出方法及びプログラム |
CN101715070A (zh) * | 2009-11-16 | 2010-05-26 | 南京邮电大学 | 特定监控视频中的背景自动更新方法 |
CN102592472A (zh) * | 2012-02-21 | 2012-07-18 | 北京工业大学 | 基于jpeg压缩图像的车位检测方法 |
CN102693537A (zh) * | 2011-01-17 | 2012-09-26 | 三星泰科威株式会社 | 图像监视系统和检测对象是被留下还是被带走的方法 |
CN103136514A (zh) * | 2013-02-05 | 2013-06-05 | 长安大学 | 一种基于双向跟踪的停车事件检测方法 |
CN103236157A (zh) * | 2013-03-26 | 2013-08-07 | 长安大学 | 一种基于图像块的状态演变过程分析的停车事件检测方法 |
CN103337063A (zh) * | 2012-03-15 | 2013-10-02 | 索尼公司 | 信息处理装置、信息处理方法和程序 |
CN103729858A (zh) * | 2013-12-13 | 2014-04-16 | 广州中国科学院先进技术研究所 | 一种视频监控系统中遗留物品的检测方法 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6999600B2 (en) * | 2003-01-30 | 2006-02-14 | Objectvideo, Inc. | Video scene background maintenance using change detection and classification |
US7418134B2 (en) * | 2003-05-12 | 2008-08-26 | Princeton University | Method and apparatus for foreground segmentation of video sequences |
US9256789B2 (en) * | 2008-03-21 | 2016-02-09 | Intel Corporation | Estimating motion of an event captured using a digital video camera |
US20130265423A1 (en) * | 2012-04-06 | 2013-10-10 | Xerox Corporation | Video-based detector and notifier for short-term parking violation enforcement |
-
2014
- 2014-08-06 CN CN201410385340.0A patent/CN104574351B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0916897A (ja) * | 1995-07-03 | 1997-01-17 | Sanyo Electric Co Ltd | 駐車場管理方法およびシステム |
JP2010044669A (ja) * | 2008-08-15 | 2010-02-25 | Seiko Precision Inc | 移動物体検出装置、移動物体検出方法及びプログラム |
CN101715070A (zh) * | 2009-11-16 | 2010-05-26 | 南京邮电大学 | 特定监控视频中的背景自动更新方法 |
CN102693537A (zh) * | 2011-01-17 | 2012-09-26 | 三星泰科威株式会社 | 图像监视系统和检测对象是被留下还是被带走的方法 |
CN102592472A (zh) * | 2012-02-21 | 2012-07-18 | 北京工业大学 | 基于jpeg压缩图像的车位检测方法 |
CN103337063A (zh) * | 2012-03-15 | 2013-10-02 | 索尼公司 | 信息处理装置、信息处理方法和程序 |
CN103136514A (zh) * | 2013-02-05 | 2013-06-05 | 长安大学 | 一种基于双向跟踪的停车事件检测方法 |
CN103236157A (zh) * | 2013-03-26 | 2013-08-07 | 长安大学 | 一种基于图像块的状态演变过程分析的停车事件检测方法 |
CN103729858A (zh) * | 2013-12-13 | 2014-04-16 | 广州中国科学院先进技术研究所 | 一种视频监控系统中遗留物品的检测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN104574351A (zh) | 2015-04-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104574351B (zh) | 一种基于视频处理的车位检测方法 | |
CN110425005B (zh) | 矿井下皮带运输人员人机交互行为安全监控与预警方法 | |
CN109522793B (zh) | 基于机器视觉的多人异常行为检测与识别方法 | |
CN103310444B (zh) | 一种基于头顶摄像头的监控行人计数的方法 | |
US20100097475A1 (en) | Inter-camera link relation information generating apparatus | |
CN103020606B (zh) | 一种基于时空上下文信息的行人检测方法 | |
CN110647819B (zh) | 一种井下人员跨越皮带异常行为检测方法及装置 | |
CN107256386A (zh) | 基于深度学习的人类行为分析方法 | |
CN105404888A (zh) | 结合颜色和深度信息的显著性目标检测方法 | |
CN114067358A (zh) | 一种基于关键点检测技术的人体姿态识别方法及系统 | |
EP2927871A1 (en) | Method and device for calculating number of pedestrians and crowd movement directions | |
CN105426828A (zh) | 人脸检测方法、装置及系统 | |
CN111401310B (zh) | 基于人工智能的厨房卫生安全监督管理方法 | |
CN106485217B (zh) | 一种识别游览景区人流饱和度的方法与系统 | |
CN101483763A (zh) | 一种面向社会治安监控的数字影像处理方法及其装置 | |
CN105574515A (zh) | 一种无重叠视域下的行人再识别方法 | |
US11450148B2 (en) | Movement monitoring system | |
CN109447066A (zh) | 一种快速精确的单阶段目标检测方法及装置 | |
CN116092199B (zh) | 一种员工工作状态识别方法及识别系统 | |
CN101320477B (zh) | 一种人体跟踪方法及其设备 | |
CN103577804A (zh) | 基于sift流和隐条件随机场的人群异常行为识别方法 | |
CN101694723B (zh) | 一种基于全局匹配相似度函数的实时运动目标跟踪方法 | |
CN105335709A (zh) | 面部识别显示方法、面部识别显示装置和终端 | |
CN114581990A (zh) | 一种跑步智能测试方法以及装置 | |
CN103902954A (zh) | 一种不良视频的鉴别方法和系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |