基于图像处理的空车位检测预测系统设计

杨芳颖+戴金刚+代欢欢+赵俊华

摘要：随着监控技术的普及和计算机技术的发展，针对目前国内日益严重的停车难问题，文章提出了采用图像处理技术进行空车位的检测预测的系统，利用图像处理器对获取的车位图像进行处理，识别出车位的状态，将其状态存入数据库，通过数据积累，再建立拟合模型预测未来某一时间车位的状态，并将空车位检测和预测系统与手机APP相结合，极大地方便停车和出伉

关键词：图像处理；拟合模型；主成分分析；车位检测

近年来，城市汽车数量迅速增加，但相对于城市有限的空间资源和环境资源以及相对滞后的停车场设施建设，停车难问题越来越突出，解决停车难问题显得尤为重要。如今，国内有一款中国好停车的APP，主要利用传感器的感知判定车位状态，但由于传感器的成本较高，使用时需缴纳费用，没能普遍使用。然而，随着视频监控技术的进一步发展，越来越多的停车场采用视频系统监控车位，为了提高车主停车的效率，可以通过对摄像机拍摄到的车位图像进行处理，自动检测出车位的状态，基于图像处理的车位检测方法具有信息量大、硬件成本低而且无须开挖路面等优点。

1系统概述

室外停车场是提供停车的重要场地，对其进行系统的改造能有效缓解现如今的停车问题，随着计算机技术和图像处理技术的不断发展，将图像处理技术用于室外停车场，已经成为该方面的一项新技术，通过此原理，结合一定的车位识别和车位引导技术，设计相应的手机APP，便于用户操作和使用。众所周知，摄像头已经普遍使用在各大公共场所，利用这一优势，可以通过捕获停车位的图像对其进行一系列的处理，配合使用一定的停车位判别算法，判定其状态，将其存入数据库供用户使用。一般情况下，某一地区人们平常生活不会发生太大的变化，通过对停车位状态的数据积累，利用一定的数学模型，可预测出未来的某一时间段停车场的情况，随着时间的积累，判别效率会逐渐增强，也给人们的出行带来很大的便利，综上所述，研制基于图像处理的停车位的检测和预测具有很大的重要意义。

2需求分析

根据上述分析，针对超市、小区等大规模室外停车场区域，需要开发一套基于图像处理的停车位检测预测系统。此系统可以实现对车位更方便和准确的判定，为满足需求，该方案需具备以下功能：

（1）图像捕获。监控技术较为普遍，摄像头易于分布，覆盖范围广，利用停车场中的监控摄像头，可实现无死角图像信息获取，若无充足的摄像头覆盖，则需提前进行布线，然后利用提前布置好的节点对捕获的信息进行实时采集，建立数据库，用于测试和训练。

（2）车位标定。摄像头分工、最佳拍摄效果区域作为任务区域，捕获的图像中有多个停车位，每个图像所在区域不一样，对摄像头编号、每个区域建立坐标，通过Matlab处理，对其进行车位的准确标定，实现车位信息唯一性，方便信息的传达。

（3）停车位状态的判定。一个车位的状态分为占用和空出2个状态，利用图像处理技术结合主成分分析和Bayes判别法进行停车位状态的判别。

（4）数据处理。计算机可以对停车场内的所有车位信息进行处理和汇总并传递给停车场服务系统，要对这些数据进行合理的储存和处理，才能进行实时的信息显示。

3设计方案

3.1总体流程

空车位检测和预测系统的实现：

检测部分：先由监控视频提取每一帧图像，对其进行预处理，使图像信息更加准确和清晰，然后对其灰度值边缘进行分割，再利用主成分分析方法对提取的特征数据进行处理，利用Bayes判别法对车位信息进行分类，存入数据库，反馈给用户。

预测部分：由之前积累的数据库中的数据，采用多项式拟合函数进行分析预测，可以预测出未来某一时间段中某一停车场的停车情况，发送到服务器，反馈给用户。

系统总体流程如图1所示。

3.2系统模块

3.2.1图像捕获模块

对于从视频中采集图像，利用CCD（电荷耦合元件）可以直接将光学信号转换为模拟电流信号，电流信号经过放大和模数转换，实现图像的获取、存储、传输、处理和复现。将捕捉的模拟信号图像，利用一定的A/D转换模块（IR3Y48A1芯片）把模拟图像转换成数字图像。

面阵CCD的输出信号一般是具有行、场同步的全电视信号，又称为视频信号。由于视频信号为模拟信号，所以计算机必须通过图像采集卡将输入设备的模拟图像信息转换为运算处理所需要的数字信号。图像采集卡作为一种图像输入设备，能够实现高速信号采样与A/D转换。图像采集卡是以帧存储器为核心的系统，其原理框图如图2所示。

通过图像采集卡，采集模块调用相应的控制函数就可以将视频信号采集为序列图像，并送给监控模块进行处理。

3.2.2图像预处理模块

由于室外停车场受到天气、遮挡物等各种因素的影响，为了消除图像中无关的信息，恢复有用的真实信息，增强有关信息的可检测性和最大限度地简化数据，从而改进特征抽取、图像分割、匹配和识别的可靠性，往往需要对其进行预处理。预处理过程首先对其进行二值化操作，再利用边缘分割将每一个车位从图像中分离出来，便于下一步图像特征的提取。

3.2.3车位检测模块

对每一个车位进行特征提取，根据车位图像有车无车时的特征，提取的特征有边缘特征、颜色特征、纹理特征、形状特征、空间关系特征等，由于每个特征对结果的影响程度不同，需利用主成分分析降维的方法对其进行处理，计算出每个特征所占的权值比重，再利用Bayes判别法对其进行阈值计算，进而判断出车位状态。在对车位图像进行特征提取时主要以边缘点和灰度值等作为判断车位状态的主要成分。

边缘检测法是基于图像不连续性的分割技术。由于一幅图像的大部分信息存在于不同区域的边缘上，而且人的视觉系统在很大程度上根据边缘差异对图像进行认识分析。根据车位图像有车和无车的特点，采取图像边缘检测的方法对预处理过的图像进行检测，边缘检测法根据车位区域图像的边缘信息是否丰富来判断有无车辆，通过检测有车和无车时边缘点的个数来判定车位状态。

灰度值检测法是通过连续获得的几帧图像之间的灰度变化进行分析判断。本文利用图像采集模块得到停车场的车位图像之后，将其变为灰度图像，对每个灰度图像求其灰度值方差。在实际情况中，有车和没车的车位图像的灰度值方差会有所不同，但由于其他实际因素的影响，也可能导致车位灰度图像发生变化，于是需要根据大量的测量与比对设立一定的阈值。因此，本文的灰度值检测法是根据连续几帧图像的灰度值进行判断，用灰度值方差的变化跟预设定的阈值进行比对来判断车位状态。

3.2.4空车位预测模块

虽然城市人口会出现短时期流动性剧烈变化的现象（例如春节等节假日时期），但是在长时期的背景下，人口的变化是具有可预测性的。本文根据这个特点，收集该停车场近几年的每个时刻车位变化数据进行分析，利用一定的预测算法拟合出未来某个时刻停车场可能拥有空车位的数量。

4系统主要功能

基于图像处理的停车位检测预测系统通过全面收集停车场内每一区域的停车位图像，全面提高停车场的车位管理和服务水平。当车主需要停车时，使用APP定位功能，系统将为其检测该车周边停车场的空车位情况，将其显示在APP上，由车主选择适合自己的停车场并为其进行车位引导；利用数据积累，车主还可以在出门前预测目的地附近停车场的空车位情况，再依情况选择是否出行或选择合适的地点出行，寻找合适的停车场。

5结语

通过监控视频在停车场管理智能引导系统中的应用，通过新建和改造停车场建设一个智能停车管理系统。实现停车信息的采集、处理、停车信息查询、车位诱导等诸多功能，在一定程度上能够解决当前大型停车场的停车难问题，提高停车场车位利用率，创造较大的经济效益和社会效益。