CN108563994B - 一种基于图像相似程度的停车场车位识别方法 - Google Patents
一种基于图像相似程度的停车场车位识别方法 Download PDFInfo
- Publication number
- CN108563994B CN108563994B CN201810207261.9A CN201810207261A CN108563994B CN 108563994 B CN108563994 B CN 108563994B CN 201810207261 A CN201810207261 A CN 201810207261A CN 108563994 B CN108563994 B CN 108563994B
- Authority
- CN
- China
- Prior art keywords
- parking space
- image
- parking
- images
- steps
- 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.)
- Expired - Fee Related
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/50—Extraction of image or video features by performing operations within image blocks; by using histograms, e.g. histogram of oriented gradients [HoG]; by summing image-intensity values; Projection analysis
-
- 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
- G06V10/751—Comparing pixel values or logical combinations thereof, or feature values having positional relevance, e.g. template matching
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computing Systems (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Image Analysis (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明属于图像处理领域,特别是涉及一种基于图像相似程度的停车场车位识别方法,该方法提出车位状态判别指标Y,将图像感知哈希技术和结构相似性两种方法有机结合在一起,完成车位状态的识别,具体过程包括:车位图像的采集、图像的增强、图像的矫正、目标区域的划分、对图像进行Gabor滤波处理、提取图像的纹理特征图、对图像进行哈希处理获得汉明距离h、对图像进行结构相似性的运算,获取图像结构相似度p、计算车位状态判别指标Y,最后,将计算得到的判别指标Y与设定阈值w进行比较,从而完成车位状态的识别。本发明解决了现有技术中外界条件(光照变化以及降雪天气)对车位状态识别结果的不良影响,具有较强的客观性以及普适性。
Description
技术领域
本发明属于图像处理领域,特别是涉及一种基于图像相似程度的停车场车位识别方法。
背景技术
目前停车场车位检测手段主要包括非视频检测和视频检测两大类。非视频检测方法包括感应线圈检测、声波检测、红外以及基于RFID(Radio Frequency Identification,射频识别)技术检测等,由于传感器的安装都需要对停车场车位表面进行改动,安装难度较大,成本较高,大大增加了维护与维修的难度。而基于视频检测的方法在生活中应用更为广泛,从车辆和人员安全管理需要的角度出发,几乎所有的停车场都会安装摄像头进行监控,由此可见,采用视频检测车位这种方式经济、方便且更具有普适性。
车位检测算法是基于视频检测方法的核心技术,而且算法的优良直接决定系统运行是否可靠稳定以及结果是否精准无误。现有的车位检测算法大体可以分为两大类,一种是基于车牌的检测算法,另一种是基于车位状态变化特点的检测算法,各具有其局限性,特别是外界条件对检测结果的精度有极大的影响。因此,现有技术中亟需一种新的技术方案解决上述问题。
发明内容
本发明要解决的技术问题是:针对室外、露天停车场,当光照条件发生变化时(车位上有阴影存在)以及降雪天气时,提出一种基于图像相似程度的停车场车位识别方法,可以精确识别停车场车位状态,可解决外界条件(光照以及降雪)对车位状态识别结果的不良影响。
为解决上述技术问题,本发明采用如下的技术方案:一种基于图像相似程度的停车场车位识别方法,其特征在于:包括下述步骤:
步骤一、利用CCD相机采集车位图像;
步骤二、采用直方图均衡化方法对步骤一采集到的车位图像进行图像增强处理,使采集到的图像的每个像素值出现的次数整体在4000~8000范围内;
步骤三、通过仿射变换对增强后的图像进行矫正,将图像倾斜角度矫正为零度;
步骤四、仿射变换后,划分目标区域,即标定待处理区域,剔除无关区域;
步骤五、通过Gabor滤波器对目标区域进行滤波,剔除图像噪音,并保存滤波后的图像;
步骤六、对滤波后的图像进行LBP运算,提取纹理特征图并保存;
步骤七、对纹理特征图进行哈希处理,获取汉明距离h;
步骤八、对纹理特征图进行结构相似性处理,获取图像结构相似度p;
步骤九、获取判别指标Y,Y=p+(64-h);
步骤十、将判别指标Y与设定阈值w比较,判别车位状态,即当Y<w时,判别车位为占用状态,当Y≥w时,判别车位为空车位。
其中,所述步骤十中设定阈值w的获取方法:采集停车场不同天气条件下的车位图像,样本数量为n,分别获取样本的汉明距离h以及结构相似度p,计算判别指标Y=p+(64-h),建立样本数据变化曲线,判别指标Y的波动范围即为车位状态判别设定阈值w。
通过上述设计方案,本发明可以带来如下有益效果:
1、本发明对光照变化具有较好的鲁棒性,本发明将对光照变化不敏感的Gabor以及纹理特征与图像感知哈希技术和结构相似性相结合,最大程度的降低了光照条件对检测结果的影响。
2、本发明可以适应极端天气(降雪),提供精确的检测结果。通过将图像汉明距离以及结构相似度有机结合,提出新的判别指标,该判别指标不依赖于采集图像的条件,从图像本身的结构出发,对不同环境具有良好的适应性。
附图说明
此处所说明的附图用来提供对本发明的进一步理解,构成本申请的一部分,本发明示意性实施例及其说明用于理解本发明,并不构成本发明的不当限定,在附图中:
图1为本发明一种基于图像相似程度的停车场车位识别方法的流程图。
具体实施方式
如图1所示,本发明提出的一种基于图像相似程度的停车场车位识别方法,具体该识别方法包括下述步骤:
步骤一、利用CCD相机采集车位图像;
步骤二、对采集到的图像进行图像增强,即采用直方图均衡化的方法,使采集到的图像的每个像素值出现的次数整体在4000~8000范围内,从而实现图像明暗区域的差别最大化;
步骤三、对增强后的图像进行矫正,即矫正CCD相机采集图像时存在一定的倾斜角度,对图像进行仿射变换,将图像倾斜角度矫正为零度;
步骤四、仿射变换后,划分目标区域,即标定待处理区域,剔除无关区域、对象的影响;
步骤五、通过Gabor滤波器对目标区域进行滤波,剔除图像噪音,并保存滤波后的图像;
步骤六、对滤波后的图像进行LBP(Local Binary Pattern,局部二值模式)运算,提取纹理特征图并保存;
步骤七、对纹理特征图进行哈希处理,获取汉明距离h;
步骤八、对纹理特征图进行结构相似性处理,获取图像结构相似度p;
步骤九、计算判别指标Y,Y=p+(64-h);
步骤十、将判别指标Y与设定阈值w比较,判别车位状态,即当Y<w时,判别车位为占用状态,当Y≥w时,判别车位为空车位。
其中,步骤十中所述的设定阈值w获取方法:采集停车场不同天气情况(光照均匀、光照不均、降雪天气)下的车位图像,样本数量为n,分别获取样本的汉明距离h以及结构相似度p,计算判别指标Y=p+(64-h),建立样本数据变化曲线,判别指标Y的波动范围即为车位状态判别设定阈值w。
综上,本发明提出的一种基于图像相似程度的停车场车位识别方法,可以精确识别停车场车位状态,可解决外界条件(光照以及降雪)对车位状态识别结果的不良影响。
Claims (2)
1.一种基于图像相似程度的停车场车位识别方法,其特征在于:包括下述步骤:
步骤一、利用CCD相机采集车位图像;
步骤二、采用直方图均衡化方法对步骤一采集到的车位图像进行图像增强处理,使采集到的图像的每个像素值出现的次数整体在4000~8000范围内;
步骤三、通过仿射变换对增强后的图像进行矫正,将图像倾斜角度矫正为零度;
步骤四、仿射变换后,划分目标区域,即标定待处理区域,剔除无关区域;
步骤五、通过Gabor滤波器对目标区域进行滤波,剔除图像噪音,并保存滤波后的图像;
步骤六、对滤波后的图像进行LBP运算,提取纹理特征图并保存;
步骤七、对纹理特征图进行哈希处理,获取汉明距离h;
步骤八、对纹理特征图进行结构相似性处理,获取图像结构相似度p;
步骤九、获取判别指标Y,Y=p+(64-h);
步骤十、将判别指标Y与设定阈值w比较,判别车位状态,即当Y<w时,判别车位为占用状态,当Y≥w时,判别车位为空车位。
2.根据权利要求1所述的一种基于图像相似程度的停车场车位识别方法,其特征在于:所述步骤十中设定阈值w的获取方法:采集停车场不同天气条件下的车位图像,样本数量为n,分别获取样本的汉明距离h以及结构相似度p,计算判别指标Y=p+(64-h),建立样本数据变化曲线,判别指标Y的波动范围即为车位状态判别设定阈值w。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810207261.9A CN108563994B (zh) | 2018-03-14 | 2018-03-14 | 一种基于图像相似程度的停车场车位识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810207261.9A CN108563994B (zh) | 2018-03-14 | 2018-03-14 | 一种基于图像相似程度的停车场车位识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108563994A CN108563994A (zh) | 2018-09-21 |
CN108563994B true CN108563994B (zh) | 2021-09-24 |
Family
ID=63532568
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810207261.9A Expired - Fee Related CN108563994B (zh) | 2018-03-14 | 2018-03-14 | 一种基于图像相似程度的停车场车位识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108563994B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109948591A (zh) * | 2019-04-01 | 2019-06-28 | 广东安居宝数码科技股份有限公司 | 一种车位检测方法、装置、电子设备及可读取存储介质 |
CN112309135A (zh) * | 2020-01-07 | 2021-02-02 | 常俊杰 | 基于车道检测的方向判断系统以及相应终端 |
CN113158728B (zh) * | 2020-12-31 | 2023-06-09 | 杭州图歌科技有限公司 | 一种基于灰度共生矩阵的车位状态检测方法 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9129524B2 (en) * | 2012-03-29 | 2015-09-08 | Xerox Corporation | Method of determining parking lot occupancy from digital camera images |
CN103500339B (zh) * | 2013-09-11 | 2017-07-21 | 北京工业大学 | 一种联合单尺度Retinex算法和归一化结构描述子的光照人脸识别方法 |
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 |
CN105809132B (zh) * | 2016-03-08 | 2019-07-23 | 山东师范大学 | 一种改进的压缩感知人脸识别方法 |
CN106228835B (zh) * | 2016-07-18 | 2019-04-26 | 北京精英智通科技股份有限公司 | 一种车位停车事件判断方法及系统 |
CN107480261B (zh) * | 2017-08-16 | 2020-06-16 | 上海荷福人工智能科技(集团)有限公司 | 一种基于深度学习细粒度人脸图像快速检索方法 |
-
2018
- 2018-03-14 CN CN201810207261.9A patent/CN108563994B/zh not_active Expired - Fee Related
Also Published As
Publication number | Publication date |
---|---|
CN108563994A (zh) | 2018-09-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109886896B (zh) | 一种蓝色车牌分割与矫正方法 | |
CN106845890B (zh) | 一种基于视频监控的仓储监控方法及装置 | |
CN108563994B (zh) | 一种基于图像相似程度的停车场车位识别方法 | |
CN110033431B (zh) | 钢桥表面锈蚀区域检测的非接触式检测装置及检测方法 | |
US9224052B2 (en) | Method for in-image periodic noise pixel inpainting | |
CN106709500B (zh) | 一种图像特征匹配的方法 | |
CN103069796A (zh) | 用于计数目标的方法和使用多个传感器的装置 | |
CN102332167A (zh) | 一种智能交通监控中车辆和行人的目标检测方法 | |
CN111027535B (zh) | 一种车牌识别方法及相关设备 | |
CN114332513B (zh) | 一种面向智慧城市的新能源汽车异常停放大数据检测方法 | |
CN112528868B (zh) | 一种基于改进Canny边缘检测算法的违章压线判别方法 | |
CN111611907A (zh) | 一种图像增强的红外目标检测方法 | |
CN116977358A (zh) | 一种瓦楞纸生产品质视觉辅助检测方法 | |
CN111435437A (zh) | 一种pcb行人重识别模型训练方法及pcb行人重识别方法 | |
JP3550874B2 (ja) | 監視装置 | |
KR101026778B1 (ko) | 차량 영상 검지 장치 | |
CN116758045A (zh) | 一种半导体发光二极管的表面缺陷检测方法及系统 | |
CN111339906A (zh) | 一种图像处理设备和图像处理系统 | |
CN116883446A (zh) | 一种车载摄像头镜片碾磨程度实时监测系统 | |
CN115082504B (zh) | 一种太阳能光伏板光斑识别方法 | |
TW201419168A (zh) | 不均勻光線下的車牌辨識方法及系統 | |
CN112906495B (zh) | 一种目标检测方法、装置、电子设备及存储介质 | |
CN115331193A (zh) | 一种车位识别方法、识别系统、电子设备及存储介质 | |
Jo et al. | Pothole detection based on the features of intensity and motion | |
CN111046876B (zh) | 基于纹理检测技术的车牌字符快速识别方法及其系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20210924 |
|
CF01 | Termination of patent right due to non-payment of annual fee |