CN106056968A - 一种基于光学图像的车位检测方法 - Google Patents

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

一种基于光学图像的车位检测方法

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ω_i/σ(其中ω_i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X_t与其混合高斯模型中的K个高斯分布逐一比较；若像素值X_t与第I个高斯分布的均值μ_I,t之间的差小于δ倍该高斯成分的标准差σ_I,t，则认为当前像素值与该高斯分布匹配上，用X_t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X_t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X_t，初始标准差及权重设为σ_init和ω_init)，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,...,X_t}＝{I(x₀,y₀,i):1≤i≤t} (1)

式中，i为视频图像序列，X_t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

$P\left(X_t\right)=\underset{i=1}{\overset{K}{\Σ}}{\mathrm{\ω}}_{i,t}*\mathrm{\η}(X_t;{\mathrm{\μ}}_{i,t},{\Σ}_{i,t})---\left(2\right)$

式中，K是混合高斯模型的分布数(通常取3～5)；ω_i,t表示在时刻t混合高斯模型中第i个模型的权重，且μ_i,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(X_t；μ_i,t,∑_i,t)表示高斯概率密度函数，即

$\begin{array}{c}\mathrm{\η}(X_t;{\mathrm{\μ}}_{i,t},{\Σ}_{i,t})=\frac{1}{{\left(2\mathrm{\π}\right)}^{\frac{n}{2}}{\left|{\Σ}_{i,t}\right|}^{\frac{1}{2}}}\·\exp \[-\frac{1}{2}{(X_t-{\mathrm{\μ}}_{it})}^T{\Σ}_{i,t}^{-1}(X_t-{\mathrm{\μ}}_{it})\],\\ i=1,2,\mathrm{...},K\end{array}---\left(3\right)$

式中，X_t为像素{x₀,y₀}在t时刻的像素值，μ_i,t和分别表示第i个高斯模型的均值和协方差；n为X_t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ω_i/σ(其中ω_i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X_t与其混合高斯模型中的K个高斯分布逐一比较，若像素值X_t与第I个高斯分布的均值μ_I,t之间的差小于δ倍该高斯成分的标准差σ_I,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X_t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。

ω_I,t＝(1-η_ω)ω_I,t-1+η_ω(M_I,t) (4)

μ_t＝(1-η_μ)μ_t-1+η_μX_t (5)

${\mathrm{\σ}}_t^2=(1-{\mathrm{\η}}_{\mathrm{\σ}}){\mathrm{\σ}}_{t-1}^2+{\mathrm{\η}}_{\mathrm{\σ}}{(X_t-{\mathrm{\μ}}_t)}^T(X_t-{\mathrm{\μ}}_t)---\left(6\right)$

ρ＝αη(X_t|μ_I,σ_I) (7)

式中，ω_I,t表示第I个高斯分布t时刻的权重值，μ_t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(X_t|μ_I,σ_I)表示高斯概率密度函数；μ_I表示I时刻的高斯分布的均值，σ_I表示I时刻的高斯分布的标准差值；η_ω＝α为高斯分布权重更新率；η_μ和η_σ分别为均值更新率和方差更新率，且η_μ＝η_σ＝ρ；α为高斯模型的学习率；M_I,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X_t匹配时，M_I,t为1，否则为0。

③添加与替换高斯分布：

如果X_t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X_t，初始标准差及权重设为σ_init和ω_init)，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：

${\Σ}_{I=1}^K{\mathrm{\ω}}_{I,t+1}=1---\left(8\right)$

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，ω_I,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

$B={\mathrm{argmin}}_b(\underset{k=1}{\overset{b}{\Σ}}{\mathrm{\ω}}_k>T)---\left(9\right)$

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。