CN108806314B - 基于背景建模监测目标与车位使用情况的智能调光led灯 - Google Patents

Abstract

本发明公开了一种基于背景建模监测目标与车位使用情况的智能调光LED灯，属于LED智能照明领域。该控制系统由硬件模块与软件处理模块组成，所述的硬件模块包括摄像头模块、LED照明模块、主控模块；所述的软件处理模块包括目标检测模块、车位监测模块、智能联网指挥控制模块。首先通过摄像头模块采集车库内的实时画面，其后利用软件处理模块，通过背景建模的方法监测车位的使用情况，根据实际情况由主控模块与LED照明模块相结合，进行LED调光照明操作，最后通过智能联网指挥控制模块对车库内的车位使用情况做整体统筹，并进一步指引出入车辆的可停泊位置。

Description

基于背景建模监测目标与车位使用情况的智能调光LED灯

技术领域

本发明涉及背景建模和LED智能照明等技术领域，具体涉及基于背景建模监测目标与车位使用情况的智能调光LED灯。

背景技术

随着社会经济的快速发展，城市中的土地变得寸土寸金，建造停车位需要消耗大量的土地与建设成本。因此建设智能化与信息化的停车位诱导系统，引导车辆快速寻找车位以减少巡游时间，成为目前城市交通的迫切需要。停车诱导系统可以提供车辆附近空闲车位信息，通过路径规划等方法诱导驾驶员找到最近的停车位，从而提高交通设施的利用效率，另外，停车位信息的有效整合可以为城市规划和交通管理提供决策数据，有助于提高新建车位的利用效率与效果。

同时，在日常生活中，在各个公共场所的地下停车场，大多采用的照明方式均为LED常亮模式或者为手动开关LED模式，对于LED灯的使用寿命有着极大地消耗，而且也不符合环保节能的生活理念，因此，设计一种可以自动感应车辆等目标并智能调光的LED灯就成为了目前社会上亟待解决的一项技术问题。目前车辆检测方法可以分为基于物理特征的检测方法和基于机器视觉的检测方法两种，基于物理特征的检测在稳定情况下具有较高的检测精度，但容易受到外界环境干扰的影响，抗干扰能力差、计算量大、小型化困难，因此对工作环境的要求较高，安装困难且不具备价格优势；基于机器视觉的检测系统随着机器视觉与人工智能的推进，目前正在市场上获得广泛的认可与应用。

因此，针对上述问题，设计一种可以监测车库内目标以及车库内车位使用情况的智能调光LED灯具有一定的研究意义，也具有一定的市场开发潜力。

发明内容

本发明的目的在于解决现有生活中车库内部照明模式资源浪费，以及车位使用状态检测不精确、抗干扰能力差、施工维护困难的问题。

为了达到上述目的，本发明采用如下技术解决方案：

基于背景建模监测目标与车位使用情况的智能调光LED灯，主要由硬件模块与软件处理模块两部分组成，所述的硬件模块包括摄像头模块、LED照明模块、主控模块、指示牌；所述的软件处理模块包括车辆检测模块、车位监测模块、智能联网指挥控制模块；其特征在于首先通过摄像头模块采集车库内的实时画面，其后利用软件处理模块，通过背景建模的方法监测车位的使用情况，根据实际情况由主控模块与LED照明模块相结合，进行LED调光照明操作，最后通过智能联网指挥控制模块对车库内的车位使用情况做整体统筹，并进一步提示引导出入车辆的可停泊位置。

现将各个模块的具体实现方案及其原理进行进一步的说明：

第一，LED照明模块与摄像头模块相结合，LED照明模块包括LED灯1号与LED灯2号；摄像头模块包括摄像头1号与摄像头2号，现将摄像头与LED照明灯布局描述如下：

假设地下车库布局结构如下：以五个停车位P1-P5为一个停车单元F1，以四个停车单元F1-F4为一个停车区域A1，其中F1与F2为相对的两个停车单元，F3与F4为相对的两个停车单元。其中摄像头1号又包括两个摄像头T1、T2，T1、T2分别正对F1、F2放置并确保T1、T2能分别拍摄到F1、F2的全部区域，同理，摄像头2号包括两个摄像头T3、T4，T3、T4分别正对F3、F4放置并确保T3、T4能分别拍摄到F3、F4的全部区域，LED灯1号与LED灯2号分别放置于F1与F2、F3与F4之间的行车道正上方。

第二，车辆检测模块利用单高斯背景模型与双差分融合的检测算法对车库内的进出车辆进行检测：首先需要搭建单高斯背景模型，具体步骤如下：

S1、搭建初始背景。提取视频序列帧图X＝{X₁，X₂，…，X_N}中各像素点的平均灰度值μ_i，灰度方差δ² _i，由μ_i和δ² _i构建初始高斯背景图像θ，公式如下：

θ＝{μ_i，δ² _i}

S2、背景匹配。当环境变化时，需要判断新场景中每个像素点是属于前景还是背景，具体的判别公式如下：

式中，阈值λ为经验值，一般取2.3。

S3、构建更新背景模型。利用视频序列提供的实时信息，对背景进行实时更新：

式中，i表示具体像素；t表示帧数；a表示背景更新率，是一个定值，反映当前帧相对于背景的更新速度，本发明中其数值为0.5。至此，单高斯背景模型已经搭建完成，可满足实时检测目标的要求。

其次，背景模型成型后，需要进一步得到目标的运动区域，在此提出采用双差分模型。双差分模型是在差分基础上提出的改进算法，目的是从整个帧图中直接得到目标前景的最大区域。

本算法的核心步骤如下：

S1、搭建单高斯初始背景模型。

S2、通过双差分处理，得到目标所在的最大敏感区域。

S3、完成初始的单高斯背景建模，并结合双差分所得的目标运动区域，确定单高斯模型需要背景匹配的范围，完成对该区域的前景检测和背景更新。对于敏感区域以外的像素点，可以直接用该区域对应像素点替换。

当检测到目标运动区域内的像素点变化超过一定阈值时，通过主控模块与LED照明模块相结合，将该停车区域内的LED灯设置为全亮照明模式；当目标运动区域内没有检测到像素点变化时，将LED灯设置为节能照明模式；当检测到目标运动区域内的像素点变化但并没有超过设定的阈值时，同样该停车区域内的LED灯亮度设置为节能照明模式。

第三，车位监测模块主要实现针对一个停车单元内五个车位的占用情况的监测功能，其主要步骤如下：

S1、针对摄像头模块采集得到的F1-F4停车单元中的任意一单元内的区域进行背景建模，对得到的背景图像利用霍夫变换进行直线检测，依次绘制出检测到的每条线段，对于长度不满足长度要求的线段删除，只保留长度大于一定像素个数且两条直线之间间隔大于设定阈值的直线段。。

S2、对于每个停车单元，对最终检测得到的直线线段按照坐标位置进行排序，顺序返回每条直线的起点与终点的X、Y坐标，根据起点终点坐标，理想情况下应当可以确定出六条直线，对应的是五个车位的边界线，由此可以确定车位的具体位置和轮廓。

S3、根据S2中确定的车位的边界线可以定位出准确的五个车位的具体位置，当车辆出入停车位时会引起停车位图像特征发生较大的变化，区域内的釆样点由背景状态转换为前景状态，而对于长时间停放在车位中的车辆，并不会引起停车位图像特征发生较大变化。因此对每个停车位所对应区域进行采样点的划分与选取，根据采样区域内的采样点像素值变化个数来确定是否有车停泊在该停车位，具体算法流程如下：

Step1：获取釆样点阵列的背景值，得到表示背景的采样点像素阵列。当停车位中没有出现车辆时，采样点状态阵列所有采样点保持“背景”状态。

Step2：当车辆进入停车位时，通过当前采样点像素与背景釆样点像素的差值运算，采样点状态阵列中被车辆覆盖的采样点状态由“背景”转换为前景。

Step3：统计采样点状态阵列前景采样点数目占釆样点总数的比例，如果超过设定的阈值则认为停车位状态发生变化。

通过建立基于采样点的图像特征模型，可以将状态检测算法的计算量由整幅图像的所有像素转化为采样点像素，该方法极大地降低了算法消耗的计算资源与存储资源。

由此实现了对一个停车单元内五个车位的占用情况的监测，当检测到有车辆进入或离开停车位时，车位的使用状态发生变化，再由车位监测模块与智能联网指挥控制模块相结合，将车位使用情况上报至指挥中心，进行下一步的操作。

第四，智能联网指挥控制模块和车位监测模块相结合，实现对车库驶入车辆的停泊指引功能。其主要流程如下：

S1、根据一个停车单元内五个车位的占用情况，同样适用于各个停车单元，将四个停车单元F1-F4内的车位使用情况进行汇总，得到一个停车区域A1内的车位使用情况，对此进行判断，当且仅当A1区域内车位已全部停满，执行S2；否则，执行S3。

S2、指示牌亮红色叉型指示标志，引导驾驶员当前停车区域已没有空车位，应当驶向下一个停车区域。

S3、指示牌亮绿色箭头指示标志，引导驾驶员当前停车区域仍有空车位，可以驶入。

由此实现智能联网指挥控制的功能。

本发明的优点：

1.对LED灯采用了一种智能照明的方式，根据实际情况调节光亮度，节能环保，延长灯具的使用寿命。

2.实现了对车库内车位停泊的智能化指引，免去了人为指引车辆停车的时间，节省人力物力。

3.通过改进之后的背景建模算法，实现了对车库内目标物体的实时跟踪监测，便捷、高效。

4.适用于公共场所的各种使用情况与照明需求下的停车场车库，适用范围广。

附图说明

图1摄像头模块、车位位置关系示意图；

图2装置整体布局结构示意图；

图3双差分模型算法流程图；

图4背景建模算法流程图；

具体实施方案

下面结合附图和实施案例对本发明作进一步的说明，但并不作为对本发明限制的依据。

本发明首先通过摄像头模块采集车库内的实时画面，其后利用软件处理模块，通过背景建模方法获得车位的使用情况，根据实际情况由主控模块与LED照明模块相结合，进行LED调光照明操作，最后通过智能联网指挥控制模块对车库内的车位使用情况做整体统筹，并进一步提示引导出入车辆的可停泊位置。

结合图1、图2所示，LED照明模块与摄像头模块相结合，LED照明模块包括LED灯1号与LED灯2号；摄像头模块包括摄像头1号与摄像头2号，假设摄像头与LED照明灯的布局如下：假设地下车库布局结构如下：以五个停车位P1-P5为一个停车单元F1，以四个停车单元F1-F4为一个停车区域A1，其中F1与F2为相对的两个停车单元，F3与F4为相对的两个停车单元。其中摄像头1号又包括两个摄像头T1、T2，T1、T2分别正对F1、F2放置并确保T1、T2能分别拍摄到F1、F2的全部区域，同理，摄像头2号包括两个摄像头T3、T4，T3、T4分别正对F3、F4放置并确保T3、T4能分别拍摄到F3、F4的全部区域。LED灯1号与LED灯2号分别放置于F1与F2、F3与F4之间的行车道正上方。

结合图3、图4所示，车辆检测模块利用单高斯背景模型与双差分融合的检测算法，对车库内的进出车辆进行检测。首先需要搭建单高斯背景模型，并对每个车位区域进行检测。其次，背景模型成型后，需要进一步得到目标的运动区域，仅对该区域进行背景匹配处理。在此提出采用双差分模型，确定单高斯模型需要背景匹配的范围，完成对该区域的前景检测和背景更新。当检测到目标运动区域内的像素点变化超过一定阈值时，通过主控模块与LED照明模块相结合，将该停车区域内的LED灯设置为全亮照明模式，即灯具亮度为100％；当目标运动区域内没有检测到像素点变化时，将LED灯设置为节能照明模式，即灯具亮度设置为全亮的30％；当检测到目标运动区域内的像素点变化但并没有超过设定的阈值时，同样该停车区域内的LED灯亮度设置为节能照明模式。

根据图2所示，车位监测模块主要实现针对一个停车单元内五个车位的占用情况的监测功能，针对摄像头模块采集得到的F1-F4停车单元中的任意一单元内的区域进行背景建模，对得到的背景图像利用霍夫变换进行直线检测，依次绘制出检测到的每条线段，对于长度不满足长度要求的线段删除，只保留长度大于一定像素个数且两条直线之间间隔大于设定阈值的直线段。，对于每个停车单元，对最终检测得到的直线线段按照坐标位置进行排序，顺序返回每条直线的起点与终点的X、Y坐标，根据起点终点坐标，可以确定出六条直线，对应的是五个车位的边界线，由此可以确定车位的具体位置和轮廓。

根据确定的车位的边界线可以定位出准确的五个车位的具体位置，当车辆出入停车位时会引起停车位图像特征发生较大的变化，区域内的釆样点由背景状态转换为前景状态，而对于长时间停放在车位中的车辆，并不会引起停车位图像特征发生较大变化。因此对每两条直线所定位的区域进行采样点的划分与选取，根据采样区域内的采样点像素值变化个数来确定是否有车停泊在该停车位。

由此实现了对一个停车单元内五个车位的占用情况的监测，当检测到有车辆进入或离开停车位时，车位的使用状态发生变化，再由车位监测模块与智能联网指挥控制模块相结合，根据一个停车单元内五个车位的占用情况，同样适用于各个停车单元，将四个停车单元F1-F4内的车位使用情况进行汇总，得到一个停车区域A1内的车位使用情况，对此进行判断，当且仅当A1区域内车位已全部停满时，指示牌亮红色叉型指示标志，引导驾驶员当前停车区域已没有空车位，应当驶向下一个停车区域；否则指示牌亮绿色箭头指示标志，引导驾驶员当前停车区域仍有空车位，可以驶入。

以上所述仅为本发明的较佳实施例。

Claims (4)

1.基于背景建模监测目标与车位使用情况的智能调光LED灯，主要由硬件模块与软件处理模块两部分组成，所述的硬件模块包括摄像头模块、LED照明模块、主控模块、指示牌；所述的软件处理模块包括车辆检测模块、车位监测模块、智能联网指挥控制模块；其特征在于首先通过摄像头模块采集车库内的实时画面，其后利用软件处理模块，通过背景建模的方法监测车位的使用情况，根据实际情况由主控模块与LED照明模块相结合，进行LED调光照明操作，最后通过智能联网指挥控制模块对车库内的车位使用情况做整体统筹，并进一步提示引导出入车辆的可停泊位置；

所述车辆检测模块利用单高斯背景模型与双差分融合的检测算法对车库内的进出车辆进行检测；

首先需要搭建单高斯背景模型，具体步骤如下：

S1、搭建初始背景：提取视频序列帧图X＝{X₁，X₂，…，X_N}中各像素点的平均灰度值μ_i，灰度方差δ_i，由μ_i和δ_i ²构建初始高斯背景图像θ，公式如下：

θ＝{μ_i，δ_i ²}

S2、背景匹配：当环境变化时，需要判断新场景中每个像素点是属于前景还是背景，具体的判别公式如下：

式中，阈值λ为经验值；

S3、构建更新背景模型：利用视频序列提供的实时信息，对背景进行实时更新：

式中，i表示具体像素；t表示帧数；a表示背景更新率，是一个定值，反映当前帧图相对于背景的更新速度，其数值为0.5；至此，单高斯背景模型已经搭建完成，可满足实时检测目标的要求；

其次，背景模型成型后，需要进一步得到目标的运动区域，在此提出采用双差分模型，双差分模型是在差分基础上提出的改进算法；

本算法的核心步骤如下：

T1、搭建单高斯初始背景模型；

T2、通过双差分处理，得到目标所在的最大敏感区域；

T3、完成初始的单高斯背景建模，并结合双差分所得的目标运动区域，确定单高斯模型需要背景匹配的范围，完成对该区域的前景检测和背景更新；对于敏感区域以外的像素点，可以直接用该区域对应像素点替换；

当检测到目标运动区域内的像素点变化超过一定阈值时，通过主控模块与LED照明模块相结合，将该停车区域内的LED灯设置为全亮照明模式；当目标运动区域内没有检测到像素点变化时，将LED灯设置为节能照明模式；当检测到目标运动区域内的像素点变化但并没有超过设定的阈值时，同样该停车区域内的LED灯亮度设置为节能照明模式。

2.根据权利要求1所述的基于背景建模监测目标与车位使用情况的智能调光LED灯，其特征在于，所述的LED照明模块与摄像头模块相结合，LED照明模块包括LED灯1号与LED灯2号；摄像头模块包括摄像头1号与摄像头2号；

若地下车库布局结构如下：以五个停车位P1-P5为一个停车单元F1，以四个停车单元F1-F4为一个停车区域A1，其中停车单元F1与停车单元F2为相对的两个停车单元，停车单元F3与停车单元F4为相对的两个停车单元；其中摄像头1号又包括两个摄像头T1、T2，摄像头T1、T2分别正对停车单元F1、F2放置并确保摄像头T1、T2能分别拍摄到停车单元F1、F2的全部区域，同理，摄像头2号包括两个摄像头T3、T4，摄像头T3、T4分别正对停车单元F3、F4放置并确保摄像头T3、T4能分别拍摄到停车单元F3、F4的全部区域；

LED灯1号与LED灯2号分别放置于停车单元F1与F2、停车单元F3与F4之间的行车道正上方。

3.根据权利要求2所述的基于背景建模监测目标与车位使用情况的智能调光LED灯，其特征在于，所述的车位监测模块采用步骤如下：

D1、针对摄像头模块采集得到的停车单元F1-F4停车单元中的任意一单元内的区域进行背景建模，对得到的背景图像利用霍夫变换进行直线检测，依次绘制出检测到的每条线段，对于长度不满足长度要求的线段删除，只保留长度大于一定像素个数且两条直线之间间隔大于设定阈值的直线段；

D2、对于每个停车单元，对最终检测得到的直线线段按照坐标位置进行排序，顺序返回每条直线的起点与终点的X、Y坐标，根据起点终点坐标，可以确定出八条直线，对应的是五个停车位的边界线，由此可以确定停车位的具体位置和轮廓；

D3、根据D2中确定的停车位的边界线可以定位出准确的五个停车位的具体位置，当车辆出入停车位时会引起停车位图像特征发生较大的变化，区域内的釆样点由背景状态转换为前景状态，而对于长时间停放在停车位中的车辆，并不会引起停车位图像特征发生较大变化；因此对每个停车位所对应区域进行采样点的划分与选取，根据采样区域内的采样点像素值变化个数来确定是否有车停泊在该停车位，具体算法流程如下：

Step1：获取釆样点阵列的背景值，得到表示背景的采样点像素阵列；当停车位中没有出现车辆时，采样点状态阵列所有采样点保持背景状态；

Step2：当车辆进入停车位时，通过当前采样点像素与背景釆样点像素的差值运算，采样点状态阵列中被车辆覆盖的采样点状态由背景转换为前景；

Step3：统计采样点状态阵列前景采样点数目占釆样点总数的比例，如果超过设定的阈值则认为停车位状态发生变化；

通过建立基于采样点的图像特征模型，将状态检测算法的计算量由整幅图像的所有像素转化为采样点像素；实现对一个停车单元内五个停车位的占用情况的监测，当检测到有车辆进入或离开停车位时，停车位的使用状态发生变化，再由车位监测模块与智能联网指挥控制模块相结合，将停车位使用情况上报至指挥中心，进行下一步的操作。

4.根据权利要求3所述的基于背景建模监测目标与车位使用情况的智能调光LED灯，其特征在于，所述智能联网指挥控制模块和所述车位监测模块相结合，实现对车库驶入车辆的停泊指引功能；其主要流程如下：

U1、根据所述车位监测模块获得一个停车单元内五个停车位的占用情况，同样适用于各个停车单元，将四个停车单元F1-F4内的停车位使用情况进行汇总，得到一个停车区域A1内的停车位使用情况，对此进行判断，当且仅当A1区域内停车位已全部停满时，执行U2；否则，执行U3；

U2、指示牌亮红色叉型指示标志，引导驾驶员当前停车区域已没有空车位，应当驶向下一个停车区域；

U3、指示牌亮绿色箭头指示标志，引导驾驶员当前停车区域仍有空车位，可以驶入。

Images