可视车辆停车占用传感器制造技术

本文描述用于可视车辆停车占用传感器的系统和技术。彩色图像，包括停车位，从相机收到。执行彩色图像的色调饱和度值(HSV)转换版本中的车辆特征的级联搜索以产生搜索结果。当搜索结果是第一类型时，还执行在彩色图像中搜索宏车辆特征以产生发现的宏车辆特征的指示。当搜索结果是第二类型并且基于该指示时，基于搜索结果提供占用指示符。

【技术实现步骤摘要】
【国外来华专利技术】可视车辆停车占用传感器要求优先权本专利申请要求于2016年2月29日提交的名称为“可视车辆停车占用传感器”的美国申请序列No.15/056,645的优先权，其全部内容通过引用合并于此。
本文描述的实施方案一般涉及车辆停车传感器人工智能，并且更具体地涉及可视车辆停车占用传感器。
技术介绍
车辆停车占用感测包括用于确定车辆是否停放在指定的停车位的各种装置和技术。确定停车位的车辆占用率可以通过例如诸如旅馆或其他场所之类的设施实现更有效的停车管理。这种系统正变得越来越普遍，因为“智能建筑”越来越受欢迎，通过更大的自动化来减少员工。附图说明在附图中，不一定按比例绘制，相同的附图标记可以描述不同视图中的类似组件。具有不同字母后缀的相同数字可表示类似组件的不同实例。附图通过示例而非限制的方式示出了本文件中讨论的各种实施例。图1是根据一个实施例的包括用于可视车辆停车占用传感器的系统的环境的示例的框图。图2示出了根据一个实施例的来自具有过滤器标记的停车位的相机的图像。图3示出了根据一个实施例的来自具有过滤器标记的停车位的摄像机的图像。图4示出了根据实施例的使用图像中的色调饱和度值(HSV)颜色定义来分离图像中的像素的示例。图5示出了根据一个实施例的HSV特征提取器结果的示例。图6示出了根据一个实施例的图像中的聚类斑点的示例以确定占用率。图7示出了根据实施例的将分类器应用于图像的示例结果。图8示出了根据一个实施例的用于实现可视车辆停车占用传感器的方法的示例。图9是示出可以在其上实现一个或多个实施例的机器的示例的框图。具体实施方式各种硬件可以与各种技术相结合来实现车辆停放占用传感器。例如，诸如压电传感器的传感器可以嵌入停车表面中并且感测空间中不存在车辆。然而，传感器可以代表重要的基础设施投资。其他技术，例如使用深度相机，也可以用于测量停车位是否是平坦的(即，没有占据空间的任何东西)(例如，存在占据空间的东西)。然而，深度相机可能很昂贵，或者缺乏有效部署的范围。对于上面讨论的那些，较便宜且因此更可口的选择包括通用的基于光的二维相机。与表面嵌入式传感器或基于深度的解决方案相比，基于光的相机不能依靠简单的测量来确定空间的占用。相反，需要环境噪声和至少部分车辆的识别。此外，相对高的准确度(例如，95％或更高的准确度)对于能够依赖于自动化并基于车辆停车占用传感器的结果做出其他决定是有用的。为了解决上述问题，这里讨论的车辆停放占用传感器可以使用二维相机来覆盖一个或多个停车位。摄像机向控制器提供图像，控制器使用计算机视觉组件来确定停车位的占用。为了提高占用结果的效率和准确性，控制器实现了对各种车辆特征的多阶段搜索。在例子中，早期搜索的结果可用于优化搜索空间以供以后搜索，减少搜索的时间和功率，同时提高准确性。此外，当使用彩色相机时，可以不同地处理彩色图像的各方面以改进搜索并提供更准确的结果。通过这种方式，经济有效的硬件安装可以为停车位提供准确的占用率结果。以下描述其他细节和实施例。图1是根据一个实施例的包括用于可视车辆停车占用传感器的系统105的环境的示例的框图。系统105可以包括相机接口110、控制器125、分类器120和HSV特征提取器115。这些组件中的每一个都以硬件实现，例如下面参考图9描述的计算机硬件。此外，组件之间的所示连接可以是有线的(例如，通过总线、串行接口、网络等)或无线的(例如，射频(RF)、基于光的例如红外(IR)等)。图1的环境包括安装在具有视场135的秋天上的摄像机130，其包括三个停车位、两个占用的和一个空的停车位140。单个摄像机130可以覆盖的停车位的总数取决于视野，以及来自结构或其他停放的汽车的干扰。然而，通常，至少三个空间是可用的，因为相机130可以在第一空间(这里是空的空间140)上居中并且捕获两个相邻的空间。系统105可以选择地包括：过滤器(未示出)以便以各种方式细分图像。过滤器是另一个硬件实现的组件。过滤器可以布置成适合在表面上绘制的线内的几何形状(例如，盒子)以限定给定停车位的感兴趣区域。在图2中示出了这种情况的一个例子。滤波器还可以基于感兴趣的区域提供附加的引导或扫描窗口，其中一些在图2和图3中示出。这些划分可以基于所感测的环境方面(例如，线)和预定义的设置参数的组合(例如，相机的高度、间距、到停车位的距离、镜头的光学特性、人类对感兴趣区域的定义或调整等)。感兴趣区域或扫描窗口可用作掩模以区分可能与给定停车位相关的像素和不相关的像素。在例子中，感兴趣区域用于建立垂直扫描窗口，其可以由其他组件(例如，HSV特征提取器115或分类器120)使用以执行它们的搜索。通过划分图像，可以对较小的数据集(像素)执行搜索，从而通过消除噪声来提高效率同时提高准确度。HSV特征提取器115被布置为在HSV编码图像中执行车辆特征的级联搜索并返回搜索结果。搜索是级联搜索，因为连续执行多个搜索。先前搜索的结果可以终止级联搜索，例如，当找到足够质量的足够特征时。在例子中，HSV特征提取器115搜索一组初始车辆特征。如果未找到足够数量的这些特征(例如，两个或更多个)或给定结果的置信度分数太低，则HSV特征提取器115继续搜索后续车辆特征。在例子子中，在HSV编码图像的色调空间中搜索初始车辆特征的集合。色调空间和值空间在下面参考图4描述。然而，实质上，色调空间包括有用的颜色信息，而值空间不使用颜色。在例子中，HSV特征提取器115按色调分割色调空间。区域分段涉及通过颜色和空间定位像素的组(例如，斑点)。通常，区段比表示的色调少，因此阈值或聚类或用于建立区段。在例子中，尾灯是初始车辆特征，所述尾灯由红色调区段识别。在该例子中，代表红色的一串颜色是分区。可以测量所得到的斑点的大小、位置(例如，在图像中)等，以确定它们是否适合尾灯的模型。置信度分数可以基于任何模型拟合维度的方差。在例子中，HSV特征提取器115在红色调区段和第二红色调区段之间执行对称性测量，以确认识别出尾灯。其他对称功能可包括前灯、侧视镜等。在例子中，对比车辆颜色是初始车辆特征。如本文使用的，对比车辆颜色超过与停车位的表面颜色不同(例如，足够不同)的阈值。因此，在浅灰色混凝土停车位140中可能容易辨别出蓝色的车辆。相应的置信度分数可以基于对比车辆颜色与表面颜色的接近程度、相应颜色斑点的大小或斑点的形状。在例子中，搜索初始车辆特征是在HSV编码图像的值空间中执行的。如本文使用的，所述值空间是所述色调空间的补充(参见下面图4)。在例子中，车牌是由符合车牌形状模型的值空间区段识别的初始车辆特征。形状模型体现了物体的测量和公差(例如，一英尺宽或三英寸)。因此，车牌的尺寸或位置(例如，图像中)以及可接受的方差被编码在形状模型中。形状模型的方差可以用作置信度分数。因此，在高度公差的外边缘处的矩形但宽度公差的下边缘将具有比接近期望测量的不同矩形更低的置信度分数。如上所述，置信度分数可以分配给给定的初始车辆特征的任何搜索。聚合置信度分数是先前确定的置信度分数的组合。该组合可以是线性或非线性组合。在例子中，如果总置信度分数超过阈值，则级联搜索终止。在例子中，初始车辆特征搜索的搜索结果还可以包括焦点窗口。焦点窗口是一种与找到的特征有关的几何形状。在例子中，焦点窗口对本文档来自技高网...

【技术保护点】
1.一种用于可视车辆占用传感器的方法，该方法包括：从相机接收彩色图像，该图像包括停车位；在所述彩色图像的色调饱和度值(HSV)转换版本中执行级联搜索车辆特征以产生搜索结果；和响应于所述搜索结果输出占用指示符具有高于置信度阈值的置信度分数。

【技术特征摘要】
【国外来华专利技术】2016.02.29 US 15/056,6451.一种用于可视车辆占用传感器的方法，该方法包括：从相机接收彩色图像，该图像包括停车位；在所述彩色图像的色调饱和度值(HSV)转换版本中执行级联搜索车辆特征以产生搜索结果；和响应于所述搜索结果输出占用指示符具有高于置信度阈值的置信度分数。2.权利要求1所述的方法，包括：从所述相机接收第二彩色图像，所述第二彩色图像包括所述停车位；在所述第二彩色图像的第二HSV转换版本中为车辆特征执行第二级联合搜索以产生第二搜索结果；响应于具有低于置信度阈值的置信度分数的第二搜索结果，执行由所述彩色图像中的宏车辆特征的分类器搜索以产生发现的宏车辆特征的指示；和基于发现的宏车辆特征的指示输出第二占用指示符。3.权利要求1所述的方法，其中执行级联搜索包括搜索一组初始车辆特征并在未发现初始车辆特征的阈值数量时继续搜索后续车辆特征。4.权利要求3所述的方法，其中在HSV编码图像的色调空间中执行搜索初始车辆特征的组，所述色调空间被定义为具有超过阈值的值和饱和度水平的像素，所述阈值随着值的增加而增加。5.权利要求4所述的方法，包括通过色调分割色调空间。6.权利要求5所述的方法，...

【专利技术属性】
技术研发人员：R·辛格，
申请(专利权)人：亚德诺半导体无限责任公司，
类型：发明
国别省市：百慕大群岛,BM