CN106056968A - 一种基于光学图像的车位检测方法 - Google Patents
一种基于光学图像的车位检测方法 Download PDFInfo
- Publication number
- CN106056968A CN106056968A CN201610617634.0A CN201610617634A CN106056968A CN 106056968 A CN106056968 A CN 106056968A CN 201610617634 A CN201610617634 A CN 201610617634A CN 106056968 A CN106056968 A CN 106056968A
- Authority
- CN
- China
- Prior art keywords
- parking stall
- parking
- car
- parking space
- state
- 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.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/14—Traffic control systems for road vehicles indicating individual free spaces in parking areas
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
- G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
- G06V20/586—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads of parking space
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明提供了一种基于光学图像的车位检测方法,首先根据获取的实时图像,人为圈取需要检测的车位矩形框,分析每个车位矩形框的图像方差值,以此作为初始帧车位处是否停靠车辆的依据。对于后续的视频帧,通过统计帧内车位矩形框的方差值、帧间方差的变化值以及前景检测的方式综合决策该车位矩形框内是否有车辆停靠。本发明能有效的解决路边混乱停车的监管不力问题,大大节省人力、物力;本发明还可实时传输车位状态信息,且检测结果准确。
Description
技术领域
本发明属于图像处理领域,具体涉及一种基于光学图像的车位检测方法,适用于路边及露天停车场的停车车辆状态检测。
背景技术
随着经济的发展带动了汽车持有量的迅速增加,随之而来的便是停车难问题。据研究指出,目前大约30%的交通量产生于寻找停车位,造成巨大浪费的同时,各种小区,路边非正规停车位的有效管理问题也受到了广泛关注。在这种需求背景下,市场上出现了多种车位自动管理系统,其中车位的自动检测是决定系统性能的核心技术。
基于ZigBee与地磁传感技术的停车诱导系统,采用地磁传感器技术检测停车场周围车辆分布,再结合ZigBee物联网技术实现车位数据信息传输,对车辆进行停车引导。该停车系统事先将具有高磁导率的线圈埋在路面下,安装和维护的工程量较大。超声波检测是通过测量发射波来判断车位情况,如果检测器到车顶的距离与到地面的距离不一致,则表示检测到车辆信号。但是,超声波检测需要在每个车位上方安装检测器,成本较高。
上述车位检测方式需要对每个车位安装相应的设备以完成对车位的实时监测,施工复杂,一旦出现问题维修也较为困难。
发明内容
本发明要解决的技术问题是:通过单个相机,实现多个车位的自动检测。本发明的技术方案通过图像处理的方式可以给用户实时传输车位画面,方便用户对于检测结果的确认与查证。
本发明采用的技术方案为:
一种基于光学图像的车位检测方法,所述方法包括如下步骤:
1、通过相机采集实时图像,基于所述实时图像获取车位在图像中的位置,计算各个车位的图像方差,以此作为该车位是否停靠车辆的初始判别依据;
2、对所述采集的图像进行K分布的混合高斯背景建模;
3、对所述采集的图像像素进行背景建模,判断图像车位位置处是否存在前景,以此来作为判定当前帧车位状态的依据一;
4、计算当前帧的车位位置处的图像方差,以此来作为判定当前帧的车位状态的依据二;
5、计算当前帧与上一帧车位处的方差变化,以此来作为判定当前帧的车位状态的依据三;
6、根据以上三个依据,综合决策当前帧的车位状态。
进一步的,所述步骤1的具体步骤为:
1.1以人工方式通过矩形框圈取所需检测的车位在图像中的位置;
1.2计算每个车位矩形框内的图像方差值;
1.3根据所述方差值计算得到标准差的值,若大于阈值b1则判定为该车位有车辆停靠,否则,判定为无车。
进一步的,所述步骤2的具体步骤为:
2.1对于每一帧图像,逐像素建立该像素位置在不同时间下的混合高斯分布模型,其中每个混合高斯分布模型包括K个高斯分布;
2.2将与所述像素对应的混合高斯模型中的K个高斯分布按照ωi/σ(其中ωi表示混合高斯模型中第i个模型的权重;σ表示标准差)的值由大到小的顺序进行排列,然后用该像素的当前值Xt与其混合高斯模型中的K个高斯分布逐一比较;若像素值Xt与第I个高斯分布的均值μI,t之间的差小于δ倍该高斯成分的标准差σI,t,则认为当前像素值与该高斯分布匹配上,用Xt更新该高斯分布;否则,对于没有匹配上的高斯分布,均值和标准差的值将保持不变;
2.3添加与替换高斯分布:
如果Xt与其对应的混合高斯模型中所有高斯分布都匹配失败,则用当前像素值构造一个新的高斯分布(即均值为Xt,初始标准差及权重设为σinit和ωinit),将该像素对应的混合高斯模型中排在最后的高斯分布替换为该新构造的高斯分布;
在更新完成后,将高斯分布的权重归一化。
进一步的,所述步骤3的具体步骤为:
3.1在确定混合高斯模型中的背景分布时,选取按每个高斯成分的权重与其标准差之比排序后的前B个高斯分布作为背景的分布;若当前帧中的某像素与其对应高斯模型中背景分布能匹配上,则认为该像素为背景点,否则为前景点;
3.2若车位矩形框内存在前景,且面积大于阈值b2,说明此处车位状态正在发生变化;若该车位原状态为有车,则现状态为无车;若原状态为无车,则现状态为有车。
进一步的,所述步骤4的具体步骤为:
4.1计算各车位矩形框的图像方差值;
4.2若方差大于阈值b1,则认为该车位有车辆停靠,否则,判定为无车状态。
进一步的,所述步骤5的具体步骤为:
5.1计算当前帧该车位矩形框的标准差与上一帧的变化;
5.2若标准差变大,且变动大于阈值b3,则判定为有车;若标准差变小,且变动大于阈值b3,则判定为无车;否则保持上一帧的车位状态不变。
进一步的,所述步骤6的具体步骤为:
如果三个依据中有两个判定是有车状态,则判定该车位为有车状态,否则判定为无车状态。
本发明与现有技术相比的有益效果为:
(1)本发明能有效的解决路边混乱停车的监管不力问题,大大节省人力,物力。
(2)本发明通过单个相机可以监控多个停车位,施工简单,维护方便。
(3)本发明可实时传输车位状态信息,且检测结果准确。
附图说明
图1本发明的方法流程图
图2车位检测系统成像图
图3车位检测结果图
具体实施方式
下面结合附图和具体实施方式对本发明的技术方案做进一步详细的解释和说明。
一种基于光学图像的车位检测方法,所述方法包括如下步骤:
1、通过相机采集实时图像,基于所述实时图像获取车位在图像中的位置,计算各个车位的图像方差,以此作为该车位是否停靠车辆的初始判别依据。
其具体步骤为:
①以人工方式通过矩形框圈取所需检测的车位在图像中的位置;
②计算每个车位矩形框内的图像方差值;
③根据所述方差值计算得到标准差的值,若大于阈值b1则判定为该车位有车辆停靠,否则,判定为无车。
2、对图像进行K分布的混合高斯背景建模;
其具体步骤为:
①对于每一帧图像,逐像素建立该像素位置在不同时间下的混合高斯分布模型,其中每个混合高斯分布模型包括K个高斯分布,在任一时刻t,像素{x0,y0}的历史像素值集合为
{X1,...,Xt}={I(x0,y0,i):1≤i≤t} (1)
式中,i为视频图像序列,Xt为像素{x0,y0}在t时刻的像素值,I(x0,y0,i)表示i时刻{x0,y0}位置处的像素值。当前像素观测值的概率为
式中,K是混合高斯模型的分布数(通常取3~5);ωi,t表示在时刻t混合高斯模型中第i个模型的权重,且μi,t和分别表示第i个高斯模型的均值和协方差;σ表示标准差;E表示单位矩阵;η(Xt;μi,t,∑i,t)表示高斯概率密度函数,即
式中,Xt为像素{x0,y0}在t时刻的像素值,μi,t和分别表示第i个高斯模型的均值和协方差;n为Xt的维数,T表示矩阵的转置,K是混合高斯模型的分布数。
②将与所述像素对应的混合高斯模型中K个高斯分布按照ωi/σ(其中ωi表示混合高斯模型中第i个模型的权重;σ表示标准差)的值由大到小的顺序进行排列,然后用该像素的当前值Xt与其混合高斯模型中的K个高斯分布逐一比较,若像素值Xt与第I个高斯分布的均值μI,t之间的差小于δ倍该高斯成分的标准差σI,t(通常δ取2.5~3.5),则认为当前像素值与该高斯分布匹配上,用Xt更新该高斯分布,更新数学模型如公式(4)~(7)所示;否则,对于没有匹配上的高斯分布,参数均值和标准差将保持不变。
ωI,t=(1-ηω)ωI,t-1+ηω(MI,t) (4)
μt=(1-ημ)μt-1+ημXt (5)
ρ=αη(Xt|μI,σI) (7)
式中,ωI,t表示第I个高斯分布t时刻的权重值,μt表示t时刻的高斯分布的均值,表示t时刻的高斯分布的方差值;ρ为更新率;η(Xt|μI,σI)表示高斯概率密度函数;μI表示I时刻的高斯分布的均值,σI表示I时刻的高斯分布的标准差值;ηω=α为高斯分布权重更新率;ημ和ησ分别为均值更新率和方差更新率,且ημ=ησ=ρ;α为高斯模型的学习率;MI,t表示当前像素与第I个高斯分布是否匹配上,当第I个高斯分布与Xt匹配时,MI,t为1,否则为0。
③添加与替换高斯分布:
如果Xt与其对应的混合高斯模型中所有高斯分布都匹配失败,则用当前像素值构造一个新的高斯分布(即均值为Xt,初始标准差及权重设为σinit和ωinit),将该像素对应的混合高斯模型中排在最后的高斯分布替换为新构造的高斯分布。
在更新完成后,将高斯分布的权重归一化:
式中,K是混合高斯模型的分布数(通常取3~5),I表示第I个高斯分布,ωI,t+1 表示t+1时刻第I个高斯分布的权重值。
3、建立对所述图像像素的背景模型,根据图像车位位置处是否存在前景,以此来作为判定当前帧车位状态的依据一。
其具体步骤为:
①在确定混合高斯模型中的背景分布时,选取按每个高斯成分的权重与其标准差之比ω/σ排序后的前B个高斯分布作为背景的分布,即
若当前帧中的某像素与其对应高斯模型中背景分布能匹配上,则认为该像素为背景点,否则为前景点。
②若车位矩形框内存在前景,且面积大于阈值b2,说明此处车位状态正在发生变化。若该车位原状态为有车,则现状态为无车;若原状态为无车,则现状态为有车。
4、计算当前帧的车位位置处的图像方差,以此来作为判定当前帧的车位状态的依据二。具体步骤为:
①计算各车位矩形框的图像方差值。
②若方差大于阈值b1,则认为该车位有车辆停靠,否则,判定为无车状态。
5、计算当前帧与上一帧车位处的方差变化,以此来作为判定当前帧的车位状态的依据三。具体步骤为:
①计算当前帧该车位矩形框的标准差与上一帧的变化。
②若标准差变大,且变动大于阈值b3,则判定为有车;若标准差变小,且变动大于阈值b3,则判定为无车;否则保持上一帧的车位状态不变。
6、根据以上三个依据,综合决策当前帧的车位状态。具体步骤为:
如果三个依据中有两个判定是有车状态,则判定该车位为有车状态,否则判定为无车状态。
与现有车位检测技术相比,本发明设计的车位检测系统具有安装方便,维修简单,同时监控多个车位的优势。而且可以给用户提供实时的车位图像画面,方便用户对检测结果的确认以及查证。
上述具体实施方式仅用于解释和说明本发明的技术方案,但并不能构成对权利要求的保护范围的限定。本领域技术人员应当清楚,在本发明的技术方案的基础上做任 何简单的变形或替换而得到的新的技术方案,均将落入本发明的保护范围之内。
Claims (6)
1.一种基于光学图像的车位检测方法,其特征在于,所述方法包括如下步骤:
步骤1、通过相机采集实时图像,基于所述实时图像获取车位在图像中的位置,计算各个车位的图像方差,以此作为该车位是否停靠车辆的初始判别依据;
步骤2、对所述采集的图像进行K分布的混合高斯背景建模;
步骤3、对所述采集的图像像素进行背景建模,判断图像车位位置处是否存在前景,以此来作为判定当前帧车位状态的依据一;
步骤4、计算当前帧的车位位置处的图像方差,以此来作为判定当前帧的车位状态的依据二;
步骤5、计算当前帧与上一帧车位处的方差变化,以此来作为判定当前帧的车位状态的依据三;
步骤6、根据以上三个依据,综合决策当前帧的车位状态。
2.如权利要求1所述的方法,其特征在于,所述步骤1的具体步骤为:
1.1以人工方式通过矩形框圈取所需检测的车位在图像中的位置;
1.2计算每个车位矩形框内的图像方差值;
1.3根据所述方差值计算得到标准差的值,若大于阈值b1则判定为该车位有车辆停靠,否则,判定为无车。
3.如权利要求1所述的方法,其特征在于,所述步骤3的具体步骤为:
3.1在确定混合高斯模型中的背景分布时,选取按每个高斯成分的权重与其标准差之比排序后的前B个高斯分布作为背景的分布;若当前帧中的某像素与其对应高斯模型中背景分布能匹配上,则认为该像素为背景点,否则为前景点;
3.2若车位矩形框内存在前景,且面积大于阈值b2,说明此处车位状态正在发生变化;若该车位原状态为有车,则现状态为无车;若原状态为无车,则现状态为有车。
4.如权利要求1所述的方法,其特征在于,所述步骤4的具体步骤为:
4.1计算各车位矩形框的图像方差值;
4.2若方差大于阈值b1,则认为该车位有车辆停靠,否则,判定为无车状态。
5.如权利要求1-4中任一项所述的方法,其特征在于,所述步骤5的具体步骤为:
5.1计算当前帧该车位矩形框的标准差与上一帧的变化;
5.2若标准差变大,且变动大于阈值b3,则判定为有车;若标准差变小,且变动大于阈值b3,则判定为无车;否则保持上一帧的车位状态不变。
6.如权利要求1-5中任一项所述的方法,其特征在于,所述步骤6的具体步骤为:
如果三个依据中有两个判定是有车状态,则判定该车位为有车状态,否则判定为无车状态。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610617634.0A CN106056968B (zh) | 2016-07-29 | 2016-07-29 | 一种基于光学图像的车位检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610617634.0A CN106056968B (zh) | 2016-07-29 | 2016-07-29 | 一种基于光学图像的车位检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106056968A true CN106056968A (zh) | 2016-10-26 |
CN106056968B CN106056968B (zh) | 2018-09-21 |
Family
ID=57196896
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610617634.0A Active CN106056968B (zh) | 2016-07-29 | 2016-07-29 | 一种基于光学图像的车位检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106056968B (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN106652551A (zh) * | 2016-12-16 | 2017-05-10 | 浙江宇视科技有限公司 | 一种车位检测方法及设备 |
CN106781680A (zh) * | 2017-02-20 | 2017-05-31 | 洪志令 | 一种基于图像空车位检测的路边停车智能监控方法 |
CN108847052A (zh) * | 2018-08-21 | 2018-11-20 | 北京深瞐科技有限公司 | 停车位置确定方法、装置、系统及计算机可读介质 |
CN109584604A (zh) * | 2018-11-18 | 2019-04-05 | 中设设计集团股份有限公司 | 一种服务区检测车位疏密度的智慧灯杆及方法 |
CN109918977A (zh) * | 2017-12-13 | 2019-06-21 | 华为技术有限公司 | 确定空闲车位的方法、装置及设备 |
CN111325076A (zh) * | 2018-12-17 | 2020-06-23 | 北京华航无线电测量研究所 | 一种基于U-net与Seg-net网络融合的航空地面建筑物提取方法 |
CN112053584A (zh) * | 2020-08-21 | 2020-12-08 | 杭州目博科技有限公司 | 一种用于路牙的车位检测设备及其管理方法 |
CN112084900A (zh) * | 2020-08-26 | 2020-12-15 | 浙江工业大学 | 一种基于视频分析的地下车库乱停检测方法 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8401229B2 (en) * | 2007-09-04 | 2013-03-19 | Objectvideo, Inc. | Stationary target detection by exploiting changes in background model |
CN101656023B (zh) * | 2009-08-26 | 2011-02-02 | 西安理工大学 | 一种视频监视模式下的室内停车场管理方法 |
CN101807352B (zh) * | 2010-03-12 | 2012-12-05 | 北京工业大学 | 一种模糊模式识别的车位检测方法 |
CN102110376B (zh) * | 2011-02-18 | 2012-11-21 | 汤一平 | 基于计算机视觉的路边停车位检测装置 |
CN104112370B (zh) * | 2014-07-30 | 2016-08-17 | 哈尔滨工业大学深圳研究生院 | 基于监控图像的停车场智能车位识别方法及系统 |
CN105788353A (zh) * | 2016-04-07 | 2016-07-20 | 张勋 | 一种停车位检测方法和系统 |
-
2016
- 2016-07-29 CN CN201610617634.0A patent/CN106056968B/zh active Active
Cited By (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN106652551A (zh) * | 2016-12-16 | 2017-05-10 | 浙江宇视科技有限公司 | 一种车位检测方法及设备 |
CN106652551B (zh) * | 2016-12-16 | 2021-03-09 | 浙江宇视科技有限公司 | 一种车位检测方法及设备 |
CN106781680A (zh) * | 2017-02-20 | 2017-05-31 | 洪志令 | 一种基于图像空车位检测的路边停车智能监控方法 |
CN106781680B (zh) * | 2017-02-20 | 2019-07-30 | 洪志令 | 一种基于图像空车位检测的路边停车智能监控方法 |
CN109918977B (zh) * | 2017-12-13 | 2021-01-05 | 华为技术有限公司 | 确定空闲车位的方法、装置及设备 |
CN109918977A (zh) * | 2017-12-13 | 2019-06-21 | 华为技术有限公司 | 确定空闲车位的方法、装置及设备 |
CN108847052A (zh) * | 2018-08-21 | 2018-11-20 | 北京深瞐科技有限公司 | 停车位置确定方法、装置、系统及计算机可读介质 |
CN108847052B (zh) * | 2018-08-21 | 2020-06-05 | 北京深瞐科技有限公司 | 停车位置确定方法、装置、系统及计算机可读介质 |
CN109584604A (zh) * | 2018-11-18 | 2019-04-05 | 中设设计集团股份有限公司 | 一种服务区检测车位疏密度的智慧灯杆及方法 |
CN111325076A (zh) * | 2018-12-17 | 2020-06-23 | 北京华航无线电测量研究所 | 一种基于U-net与Seg-net网络融合的航空地面建筑物提取方法 |
CN111325076B (zh) * | 2018-12-17 | 2023-05-16 | 北京华航无线电测量研究所 | 一种基于U-net与Seg-net网络融合的航空地面建筑物提取方法 |
CN112053584A (zh) * | 2020-08-21 | 2020-12-08 | 杭州目博科技有限公司 | 一种用于路牙的车位检测设备及其管理方法 |
CN112053584B (zh) * | 2020-08-21 | 2021-07-27 | 杭州目博科技有限公司 | 一种基于地磁、雷达及摄像的路牙车位状态预测管理系统及其管理方法 |
CN112084900A (zh) * | 2020-08-26 | 2020-12-15 | 浙江工业大学 | 一种基于视频分析的地下车库乱停检测方法 |
CN112084900B (zh) * | 2020-08-26 | 2024-06-21 | 浙江工业大学 | 一种基于视频分析的地下车库乱停检测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN106056968B (zh) | 2018-09-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106056968A (zh) | 一种基于光学图像的车位检测方法 | |
US10573173B2 (en) | Vehicle type identification method and device based on mobile phone data | |
CN110364008B (zh) | 路况确定方法、装置、计算机设备和存储介质 | |
Wang et al. | A crash prediction method based on bivariate extreme value theory and video-based vehicle trajectory data | |
CN103770733B (zh) | 一种驾驶员安全驾驶状态检测方法及装置 | |
CN109190488B (zh) | 基于深度学习YOLOv3算法的前车车门打开检测方法及装置 | |
CN103767715B (zh) | 一种驾驶员安全驾驶状态检测装置 | |
US9633267B2 (en) | Robust windshield detection via landmark localization | |
CN106373394A (zh) | 一种基于视频和雷达的车辆检测方法及系统 | |
CN104616502A (zh) | 基于组合式车路视频网络的车牌识别与定位系统 | |
CN103871077A (zh) | 一种道路车辆监控视频中的关键帧提取方法 | |
CN103164958B (zh) | 车辆监控方法及系统 | |
Pyo et al. | Front collision warning based on vehicle detection using CNN | |
Wahlström et al. | Classification of driving direction in traffic surveillance using magnetometers | |
CN111898491A (zh) | 一种车辆逆向行驶的识别方法、装置及电子设备 | |
CN105957341A (zh) | 一种基于无人机机载平台的广域交通拥堵检测方法 | |
CN106682600A (zh) | 一种目标检测方法及终端 | |
CN104143197A (zh) | 一种航拍场景下运动车辆的检测方法 | |
Wang et al. | Vehicle reidentification with self-adaptive time windows for real-time travel time estimation | |
CN105869402A (zh) | 基于多类型浮动车数据的高速公路路段速度修正方法 | |
CN112580457A (zh) | 车辆视频的处理方法、装置、计算机设备和存储介质 | |
CN103390151A (zh) | 人脸检测方法及装置 | |
CN104599291A (zh) | 基于结构相似度和显著性分析的红外运动目标检测方法 | |
CN106355329A (zh) | 驾驶员对标能力的测试方法与系统 | |
CN116128360A (zh) | 道路交通拥堵等级评估方法、装置、电子设备及存储介质 |
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 |