面向監(jiān)控圖像的停車場(chǎng)智能車位識(shí)別算法研究.pdf

1、20世紀(jì)80年代以來(lái)，隨著汽車產(chǎn)業(yè)的發(fā)展，交通問(wèn)題變得越來(lái)越嚴(yán)峻。歐美等國(guó)家為了解決日益凸顯的交通問(wèn)題，結(jié)合電子傳感、計(jì)算機(jī)科學(xué)等技術(shù)，建立了智能交通系統(tǒng)（Intelligent Transportation System，ITS）。車位識(shí)別系統(tǒng)是智能交通系統(tǒng)的一個(gè)重要組成部分。最初，學(xué)者們采用地感線圈、紅外線、微波、超聲波等方式進(jìn)行智能車位識(shí)別，此類方法統(tǒng)稱為基于傳感器的智能車位識(shí)別。但是由于其易受外界環(huán)境如氣流、溫度等的干擾，尤其是

2、一個(gè)傳感器一次僅能檢測(cè)一個(gè)停車位的缺點(diǎn)，近幾年來(lái)，國(guó)內(nèi)外對(duì)面向圖像的智能車位識(shí)別的研究變得更加火熱。
　　本文所研究的算法主要應(yīng)用場(chǎng)景為室內(nèi)停車場(chǎng)，通過(guò)已有的監(jiān)控設(shè)備分析出停車位的占用情況。本文在實(shí)現(xiàn)過(guò)程中，主要解決三個(gè)問(wèn)題，第一，如何從監(jiān)控圖像中抽取出感興趣的停車位區(qū)域。第二，抽取出停車位區(qū)域后，從車位圖像中提取出什么樣特征信息用于車位識(shí)別。第三，根據(jù)所提取的特征信息，建立什么樣的模型識(shí)別出車位的狀態(tài)。分析這三個(gè)問(wèn)題，本文將智能

3、車位識(shí)別系統(tǒng)分為五部分：停車位坐標(biāo)標(biāo)定，目標(biāo)二值化，陰影檢測(cè)，遮擋車位識(shí)別，分類器選取。
　　在實(shí)現(xiàn)過(guò)程中，本文突出貢獻(xiàn)有三方面。第一，提出一種改進(jìn)的基于邊緣特征的陰影檢測(cè)算法，消除陰影對(duì)停車位標(biāo)記的干擾。主要改進(jìn)有：在消除背景紋理時(shí)，考慮到了像素的空間信息；在標(biāo)記停車位時(shí)，尋找到邊緣圖像的水平和垂直投影曲線中的四個(gè)波谷作為停車位的坐標(biāo)。與傳統(tǒng)算法相比，可以更好地適用于像素低、陰影邊界不明顯的圖像。第二，提出一種改進(jìn)的基于分解的三

4、維 Otsu算法，較多地保留住了目標(biāo)點(diǎn)信息。主要改進(jìn)有：將三維 Otsu的第一維度由原始灰度值變?yōu)樘荻戎?，增?qiáng)邊緣信息；將差分圖像灰度值小于20的像素點(diǎn)視為背景。與一維 Otsu以及基于分解的三維 Otsu相比，可以有效地消除噪聲的干擾，更好地保留邊緣信息。第三，提出一種區(qū)域分割模型，處理停車位遮擋問(wèn)題。將每個(gè)停車位分割成9個(gè)不均勻區(qū)域。角落包含的車輛信息較少，權(quán)值設(shè)為0。中間包含的車輛信息較多，權(quán)值設(shè)為2。與傳統(tǒng)的分割成4個(gè)均勻區(qū)域的